如何用AI製作30秒動畫短片：實用新手入門工作流程
三十秒聽起來一下子就過了，但當你試著撐滿這三十秒時，就會發現沒那麼簡單。
它夠長，可以介紹角色、設定問題、帶來反轉，並以令人難忘的畫面收尾。同時它又夠短，讓獨立创作者可以完成作品，不會陷入無止境的製作當中無法自拔。
那讓一支30秒的動畫短片成為最佳的首批之一 人工智慧動畫 專案。
大多數新手常犯的錯誤，就是在還沒決定影片劇情前，就先打開影片產生器。他們先產生一支美美的片段，接著又做另一支，最後才發現這些鏡頭根本不屬於同一個故事。
更完善的流程始於架構。在本指南中，我們將透過六個鏡頭、一個核心角色、一個拍攝地點以及一項單純的情緒轉變，打造一支完整的短片。
Elser AI 特別適用於此工作流程，因為它整合了腳本生成、角色設計、故事分鏡、動畫、配音、音樂、音效與唇形同步功能。其動畫工具的設計理念是從點子一路打造完整故事，而非僅製作單一段短片就停止。
我們正在創作的故事
以下是這個概念：
一位年輕的送貨女巫冒著雨在城市裡疾馳，要送一個神秘包裹。 她遲到了，打開門後，才發現那個包裹竟是給她的生日蛋糕。
它有一個主角、一個目標、一個障礙，以及一次情感反轉。最重要的是，不需要一段鋪陳就能理解它。
我們的時間軸：
時間 劇情節點
0–4 seconds 營造這座多雨的城市
4–9 秒 介紹女巫與包裹
9–14秒 顯示緊急航班
14–19秒 她抵達目的地
19–25 秒 門打開，緊張氣氛暫停
25–30 秒 生日驚喜揭曉與反應
那已經足夠開始規劃了。
步驟1：為螢幕撰寫，而非背後故事
短片是由可見的動作所構成的。「她感到孤獨，因為沒有人記得她的生日」這句話對編劇來說相當實用，但無法直接被拍攝下來。
將那個想法轉化為看得見的事物：
她查看她靜音的手機。
- 她看見裡面有生日橫幅。
她緊繃的肩膀垂了下來。
她強忍著眼淚，同時露出微笑。
針對一支30秒的AI動畫短片，請撰寫不超過六個劇情節拍。每個節拍皆需包含一個主要動作。
一段可正常運作的微型腳本看起來就像這樣：
鏡頭1：雨落在霓虹城市的上空。一個小型飛行身影漸漸靠近。
鏡頭2：身穿黃色雨衣的年輕女巫米娜，騎著掃帚時緊握著一個蛋糕大小的包裹。
第3鏡頭：風將她往旁邊推。她護住包裹，快速穿梭在建築物之間。
鏡頭4：米娜降落在一間溫暖公寓外，渾身濕透且氣喘吁吁。
第5鏡頭：門打開了。朋友們大喊：「驚喜！」
鏡頭6：米娜看著包裹，發現這是給她的，並笑了出來。
劇本很簡單，因為畫面承擔了所有重任。
步驟2：建立模型能夠記住的角色
複雜的設計並不永遠都是好設計。
人工智慧影片模型 比起佈滿細小裝飾的形象，更能保留具備清晰輪廓、調控合宜的配色，以及少數獨特特徵的形象。
為 Mina，定義：
- 短的深紫色頭髮
- 琥珀色眼眸
黃色連帽雨衣
- 深藍色洋裝
- 棕色及踝短靴
紅色外送側背包
小型木製掃帚
黃色外套與紅色側背包提供了兩個易於辨識的視覺錨點。避免在這段短片期間更動它們。
建立正面人像、四分之三人像與全身人像參考資料。保持表情中性，並確保服裝沒有被遮擋。請先核准設計再生成場景。
Elser AI 以角色為核心的工作流程，讓創作者建立原創角色（OC），並可在故事板與影片製作中重複使用該角色，無需每次都在提示詞中重新建構該角色的設定。
步驟3：在使用影片點數前先製作分鏡腳本
一份分鏡稿 並非裝飾性的前置作業。 這是你能以低廉代價及早發現代價高昂的錯誤之處。
為每個鏡頭建立一個面板並進行檢查：
米娜在每個畫格都認得出來嗎？
這間公寓是否出現在正確的那一側？
- 包裹永遠都是一樣的尺寸嗎？
雨會合乎邏輯地持續下去嗎？
鏡頭尺寸是否有所不同？
- 觀眾能理解這個驚喜嗎？
Elser AI 的分鏡工作室可將劇本或場景描述轉換為分鏡版面、鏡頭建議、拍攝角度與視覺導向。（動畫與影視製作）
一個實用的拍攝鏡頭模式是：
1. 寬景定場鏡頭
2. 中等角色介紹
3. 動態跟拍鏡頭
4. 全身落地鏡頭
5. 過肩揭露
6. 特寫反應
這會創造視覺節奏。連續六個特寫鏡頭會讓城市與動作顯得異常渺小。
步驟4：產生已核准的靜態畫格
在動畫製作前，為每個鏡頭產生關鍵畫面。
這是提升角色一致性最有效的方法之一。 靜止畫面能讓你有時間調整臉部、服裝、構圖與場景，不用同時擔心動態的問題。
使用一致的提示詞框架：
[鏡頭尺寸與攝影機] + [鎖定的角色描述] + [動作] + [地點] + [燈光與天氣] + [動漫風格] + [連續性限制]
範例：
中景跟拍鏡頭拍攝米娜——一名留著深紫色短髮、琥珀色雙眼的年輕女巫，穿著同款黃色連帽雨衣，背著紅色外送側背包，騎著小型木製掃帚，同時護著一個方形包裹。雨夜霓虹城市夜景，藍色與洋紅色的反射光影，手繪2D動畫風格，乾淨俐落的輪廓，平面賽璐璐著色，面部造型穩定一致，無服裝變化。
「same」一詞僅在模型具備實際參考依據時才有用。請附上米娜核准的角色圖片，而非指望模型能記住先前的提示詞。
步驟5：針對每一次拍攝選擇合適的模型
你不需要在全部六次拍攝中使用相同的模型。
針對這支短片：
- 使用 Veo 拍攝這段雨中城市的建立鏡頭。
- 使用 Kling 來控制掃帚的移動與著陸。
- 若你有動態、音樂或視覺參考素材需要結合，請使用 Seedance。
- 使用受控的圖像轉影片模式來處理最終的面部反應。
Seedance 2.0 支援文字、圖片、影片以及音訊參考素材。Kling 3.0 強調多鏡頭敘事與元素一致性。Veo 3.1 提供攝影機控制、首末格引導、場景延伸以及搭配音訊的影片。(seed.bytedance.com)
裡面 Elser AI，此種模型選擇將成為單一專案的一部分，而非三個獨立的訂閱方案與檔案系統。
步驟6：一次只為單一動作製作動畫
影片提示詞應描述鏡頭拍攝期間的變化。
請勿重複輸入影像中已有的所有視覺細節。請專注於動態：
鏡頭跟在米娜身旁，跟隨她向前飛行。強風輕輕將她推向右側；她順勢傾身，並用雙臂緊緊抱住包裹。雨斜斜飄落。頭髮與外套隨之自然飄動。臉部、服裝、包裹及掃帚請保持不變。
那個提示詞將移動與身分區分開來。
對於一個五秒的鏡頭，通常一個角色動作和一次鏡頭動作就足夠了。「她飛翔、轉身、揮手、丟下包裹、再接住、潛入，並對著鏡頭微笑」這並非雄心壯志，只不過是六次失敗的機會。
將重要的鏡頭動作遠離剪輯切點。留給畫面動作半秒的時間啟動並穩定下來。如此一來剪輯工作會變得輕鬆許多。
步驟7：於唇形同步前錄製語音
我們的短片只需要一個有台詞的片刻：
「等一下…這是給我的嗎？」
在套用唇形同步效果之前，請先錄製或生成台詞。演出內容決定時序，因此影像應遵循已核准的音軌，而非強行將對白塞進預先設定的時長內。
適合用於唇同步的優秀台詞應具備：
- 清晰音訊
- 輕微背景雜音
- 自然節奏
- 前或後的短暫停頓
- 清晰的情緒，不帶誇張的速度
Elser AI combines voice cloning and lip sync with its animation workflow. This allows creators to establish a recurring character voice and synchronize it with the visual scene. (elser.ai)
只針對 Mina 說話的特寫鏡頭進行口型同步。 朋友們可以在畫外大喊。 如此一來不僅能節省運算處理量，還可避免要求模型一次同步多張小臉孔。
步驟 8：於圖層中新增音樂與音效
聲音讓短片給人的感受時長比其實際播放時間更長。
使用四層：
1. 氛圍：雨與遠處的車流
2. 動作：掃帚衝刺與外套飄揚
3. 劇情特效：降落、開門、派對彩炮
4. 音樂：緊張的節奏轉變為溫暖的生日主題
不要把所有聲音都調得過於響亮。對白必須保持清晰可聞，而驚喜感也需要有空間發揮效果。
音樂應該在揭曉時改變。即便只是簡單的和聲轉換，也能告訴觀眾情感意義已經改變。
Elser AI內建音樂與音效生成功能，讓創作者可以在製作動畫的同時，產生風、雨、腳步聲、門聲以及其他符合場景需求的音效。
步驟9：編輯以確保清晰度，而非追求最快速度
三十秒不需要慌亂的剪輯。
靜音觀看這部電影。倘若劇情模糊不清，音樂也無法讓這段故事變得通順。 接著不看畫面只聆聽聲音。如果缺少情感轉折，就調整配樂與音效。
第一個實用的編輯動作可能是：
- 鏡頭1：3.5秒
- 鏡頭2：4.5秒
- 鏡頭3：5秒
- 鏡頭4：4秒
- 鏡頭5：5秒
- 鏡頭6：8秒
這個反應獲得最多的時間，因為它承載了這部電影的意涵。
盡量依照動作進行剪接。如果米娜向右飛出畫面，則下一個鏡頭以同方向持續的動作開場。這個小小的連貫性安排，能讓各獨立的AI鏡頭片段看起來像是刻意串接在一起的。
步驟10：執行導通檢查
匯出前，請逐格檢查這段短片。
查看 Mina 的：
- 臉部與外表年齡
- 頭髮長度與顏色
- 外套設計
- 背包位置
- 身體比例
- 掃把形狀
- 語音
然後檢視這個世界：
- 降雨方向
- 一天中的時間
- 燈光顏色
- 公寓外觀
- 包裹尺寸
- 螢幕方向
僅重新產生受損的鏡頭畫面。請勿僅因某個配件變色，就替換正常運作的影片序列。
常見錯誤
從影片生成開始：
先修正劇本、角色與分鏡腳本。
僅使用純文字針對重複出現的字元：
將已核准的參考資料附加至每個重要的世代。
將對白放入全景鏡頭畫面中：
當唇部動作為重點時，請使用中景鏡頭與特寫鏡頭。
讓每一鏡頭都充滿戲劇張力：
一部電影需要較平靜的鏡頭，如此一來高潮部分才會顯得有意義。
變更沒有視覺規則的模型：
保持相同的角色參考、配色、長寬比與風格提示詞。
未經許可使用受版權保護的字元：
創造原創角色，或使用您獲得授權可改編的素材。
最終結果
一支優秀的30秒動畫短片，不需要複雜的神話設定或是十個場景。它只需要一個鮮明易懂的角色、一個明確的願望、一次轉變，以及一個值得牢記的最終畫面。
這項技術可以生成畫格、動作、語音、音樂與特效。你的工作是決定每個鏡頭的涵義。
這就是創作者與AI動畫平台之間的實用合作關係：工具負責處理製作的複雜性，而創作者則仍舊需對創作立意負責。
