如何用AI从单张图片制作动漫视频
一张图像可以变成一帧令人信服的动漫画面，但无法变成所有画面。图像确定了单一的摄像机位置、单一的服装状态、单一的背景以及单一的时刻。AI可以推断该时刻周围的运动，但大幅度的变化会迫使它凭空创造出从未可见的信息。
最可靠的方法是将源图像视为关键帧。规划一个从它自然开始的简短动作，生成几个受控的镜头，然后将最佳结果编辑成一个序列。如果你需要不同的角度或新的故事转折，创建另一个起始图像，而不是将一个帧拉伸到超出其作用范围。
什么构成一个好的起始图像？
选择一张包含以下特征的图片：
- 一个清晰的主题或两个主题之间的简单关系；
- 清晰可辨的面部、手部、四肢及重要道具；
- 与背景清晰分离；
- 移动方向上有足够的空间；
- 能够稳定持续数秒的照明；
- 无意外字母、水印或畸形细节；
- 适合最终平台的宽高比。
对于行走镜头，需包含全身及地面平面。对于情感反应，使用中近景镜头，确保眼睛和肩膀清晰可见。对于穿越环境的镜头推进，场景需要前景与背景的景深层次。
不要假设视频生成会修复不一致的眼睛、缺失的手指、断开的带子或无法辨认的物体。在动画化之前先修正静态图像。
先确定故事节拍
将镜头写作因果与回应：
原因：远处警报响起。 回应：修理工停下手中的活，看向门口，悄悄地把钥匙藏了起来。
然后决定观众必须注意到什么。如果关键点是动作，保持镜头足够宽以显示手部动作，但又要足够近以便看清物体。如果情感更为重要，则在单独生成的镜头中切换至特写。
有用的一图流节拍包括：
- 注意到画面外有东西；
- 走一两步；
- 提升或降低物体；
- 表情的变化；
- 风、雨、光、烟雾或织物的反应；
- 缓慢的摄像机推进或围绕一个基本静止的主体进行轨道运动；
- 进入或离开保持的姿势。
避免在一次生成中同时包含完整的打斗、换装、场景转换和对话交流。
## 构建运动地图
分离五行：
| 元素 | 问题 |
|---|---|
| 主题 | 角色在物理上做了什么？ |
| 面部 | 目光或表情有何变化？ |
| 相机 | 构图保持锁定还是移动？ |
| 环境 | 什么对移动做出反应？ |
| 最终状态 | 剪辑时镜头应停留在何处？ |
示例：
```text
主题：关闭修复面板并升起一半。 面部：头部转动前，目光先移向门。 相机：锁定中景宽幅画面。 环境：警报响起后，悬挂的电缆晃动一次。 最终状态：隐藏的钥匙位于左臀部后方。
此地图可防止提示变成“使其更具电影感”的泛泛请求。
## 编写图像到视频的提示词
使用此公式：
```text
[初始状态] [主要操作按顺序] [面部表演] [摄像机行为] [次要生理反应] [最终状态] [需保留的详细信息]
仅输出翻译： [不要介绍的内容]
示例：
```text
从提供的画面开始，机械师在远处警报响起时暂停。她 关闭维修面板，目光移向门口，半起身的同时移动着。 她左臀后的黄铜钥匙。她的表情从专注转为戒备 注意。锁定中广角摄像头。悬挂的电缆晃动一次后静止。保护她 面部，黑色短发，橙色工作夹克，手套放置，黄铜钥匙，以及车间布局。 她保持最后的姿势，直到最后一秒。没有新角色，没有切换，没有换装。
对于竖版社交短片，同样的动作可能需要更紧凑的构图。在生成后，应重新调整构图，而非简单裁剪横版结果。
## 审慎选择运动强度
### 低运动
最适合用于肖像、对话反应、氛围循环或角色介绍。使用呼吸、眨眼、凝视、轻微的发丝飘动或缓慢的镜头推进。
### 中等运动
最适合用于转身、站立、走几步、绘制物体或环境反应。确保四肢和地面清晰可见。
### 高动态
打斗、旋转、奔跑、布料模拟或快速镜头移动需要更多推断几何体，并带来更大的身份漂移风险。将它们拆分为起手、动作和结果镜头。
先测试低或中等运动。稳定而微妙的表现比一个壮观但面部无法使用的片段更有用。
## 适用于单张图像的摄像机运动
- **锁定帧：** 对身份和性能最安全。
- **缓慢推进：** 在不暴露太多隐藏空间的情况下增加关注度。
- **缓慢拉回：** 如果源内容已包含环境细节，则此方法有效。
- **横向滑动：** 需要前景/背景分离。
- **温和轨道：** 要求模型推断未见的侧面；谨慎使用。
- **倾斜：** 当源构图支持时，有助于揭示高度。
如果摄像机揭示了图像中不存在的场景部分，模型必须自行创造。移动幅度应与源图像提供的空间信息量成比例。
## 保留动漫角色的身份
选择五到七个锚点，而不是重复所有内容：
```text
保留宽阔的鹅蛋脸、下垂的灰色眼睛、黑色短发波波头搭配铜色发夹， 橙色短款夹克，白色机械手套，黄铜钥匙，以及左脸颊上的疤痕。
然后降低风险：
- 避免从正面图像进行完整的头部旋转；
- 保持头发不遮挡面部中间；
- 避免突然的颜色和光线变化；
- 拍摄过程中请勿变换衣物；
- 保持相同的可见属性；
- 当摄像机角度发生显著变化时，使用另一个标准图像。
对于多镜头序列，制作一个小型角色参考包：中性肖像、全身像、侧面像、三种表情、服装分解以及关键道具。
## 使用 Elser AI 创建起始图像
[Elser AI](https://www.elser.ai/zh) 支持动漫向图像生成、OC 创作和图像动画。一个实用的工作流程是：
1. 在 [OC Maker](https://www.elser.ai/zh/oc-maker) 中设计角色；
2. 选择一个规范结果并保存其提示；
3. 生成具有预期宽高比和相机视角的场景图像；
4. 检查面部、手部、服装、道具和背景；
5. 打开图像动画工作流；
6. 选择项目可用的视频模型或运动控制；
7. 编写一个以动作为优先的提示词；
8. 比较并仅下载已批准的片段。
由于图像创建和动画是相互关联的，你可以修正源文件，而不是试图通过运动提示来修复每一个视觉问题。
## 在动作完成后添加声音
声音应阐明事件，而非弥补不清晰的动画。
构建层：
- 房间氛围或环境音；
- 反应的原因，例如警报、脚步声或火车；
- 同步对象声音；
- 服装或动作装饰；
- 仅在唇部动作和时机支持时才进行对话；
- 在节奏建立后的音乐。
如果视频模型生成音频，请单独审查。检查声音是否与可见时间匹配、是否包含非预期的语音、是否改变语言，或引入与场景冲突的语调。
## 将多个生成的镜头编辑成序列
一张图片转视频片段可以构成一条完整的社交媒体帖子，但叙事性作品通常需要多个镜头。
示例序列：
1. 宽阔的车间全景镜头；
2. 机械师听到警报的中景镜头；
3. 将钥匙插入隐藏在臀部后面的位置；
4. 特写反应；
5. 门洞侧壁。
为每次镜头切换生成独立的源图像。保持屏幕方向一致：如果角色在第二个镜头中看向屏幕右侧，那么揭示的原因通常应出现在对应的方向，除非剪辑有意反转空间关系。
使用提示词、模型、设置和拍摄编号来保持已接受的片段井井有条。“final-final-3.mp4”不是生产系统。
## 常见错误
### 要求过多的故事
修复：将片段缩减为一个因果回应的节拍。
### 使用海报作为源
修复：生成更清晰的框架，包含可读的身体机制和更少的装饰性覆盖。
### 描述外观而非动作
修复：以动词、时间、相机和最终状态开头。
### 让每个元素动起来
修复：优先处理主体动作，然后添加一个环境响应。
### 忽略结局
修正：要求一个稳定的保持姿势，能够干净利落地切换到下一个镜头。
### 过早提高分辨率
修复：在实际草稿设置中批准操作和身份，然后再生成最终输出。
## 常见问题
### 一张动漫图片能变成完整的视频吗？
它可以变成单次短镜头或循环播放。一个包含多个机位的连贯场景通常需要多张起始图像和剪辑。
### 我需要再次描述这个角色吗？
仅重复重要的身份锚点。图像已提供大部分外观信息；提示应聚焦于动作。
### 为什么脸部会发生变化？
大角度旋转、小面部比例、遮挡、快速动作以及光照变化迫使模型推断新的面部信息。简化镜头或使用另一个参考角度。
### 我应该添加摄像机移动吗？
只有在有助于故事叙述时才这样做。先从锁定镜头开始测试效果，必要时再加入微小的移动。
### 我能从一张图片制作唇形同步对话吗？
部分工具支持说话或口型同步工作流，但效果取决于面部角度、音频、语言和模型。应将对话视为专门步骤，而非假设任何图像转视频提示都能同步语音。
### 我应该使用什么宽高比？
在创建源之前选择：9:16用于竖屏视频，16:9用于横屏视频，或根据项目需求选择精确位置。
## 结论
要制作一个[动画视频](https://www.elser.ai/zh/ai-image-animator)，从一张图像开始，先准备一个可用于生产的原画关键帧，并指导一个简短的动作。将主体、面部、摄像机、环境和最终姿势分开处理。保留少量身份锚点，并在角度或故事节拍发生变化时创建新的起始图像。目标不是强迫一张图片变成整部电影；而是将每个已批准的帧转化为可编辑的镜头。
