8年前写了一篇《小白如何快速入门动画制作》：https:// https://b23.tv/mFLnujt

在这篇文章里我推荐了入门新手比较适合的低成本动画类型（如下表）

时过境迁，如今有了AI技术的加持，制作动画的门槛是不是变得更低了？

是的，如果你问我有多低，请打开“豆包”APP，然后点击按钮“照片动起来”…

是的，今天的我们制作动画甚至只需要一张图片，当然如果你觉得5秒或者10秒的视频根本算不上动画，请购买同为字节跳动旗下“即梦”APP高级会员功能（如下图

注：基础会员包年659，尊贵的高级会员不得9999

鉴于这篇文章的受众是“小白”，也就是脑子里什么都不知道，可能就是一团浆糊，但是心中却莫名有着一团名为“想要做好动画”的烈火，这团烈火可能在看过“即梦”会员费用后就熄灭了，而我，你们的朋友要做的就是把“低成本”甚至“零成本”这个理念灌输到你整个阅读过程中（这种PUA的过程想想就刺激😀）

既然要用AI，那我们就不能满足于在某个犄角旮旯的环节稍微使用一下敷衍了事，我们的目标是全流程无死角的AI赋能，要做到这一点，我们要对传统动画制作流程做一次梳理。

专业动画团队制作动画大致分为三阶段、11 个核心步骤：

第一阶段，前期创作：

确定核心框架，包括剧本编写（IP 需适配动画结构）、剧本审核（系列动画需契合人设与主线）、剧本拆解（细化人物 / 场景 / 剧情桥段）、人物及场景设定（含性格、风格、分镜，分工作组完成）、对白录制。

第二阶段，中期制作：

完成视觉内容，包括人物 / 场景原画（按设定绘制）、动作绘制（2D 与 3D 技术不同，复杂度高）、总检（符合制作人整体审美）、渲染（添加后期效果）。

第三阶段，后期制作：

整合成品，包括剪辑（拼接片段、配字幕）、配音及配乐（专业声优与配乐）、后期合成（所有内容整合）。

（流程图也是AI生成的，够AI吧？我都怀疑我自己也是AI了）

如上图所示，前期创作包含了“剧本编写”，“剧本审核”，“剧本拆解”，“人物场景设定”等步骤，是动画创作最最最最核心的步骤，这里加上再多的“最”也不为过，“本子”不行后期制作再牛逼，再酷炫也不过是空中楼阁。

“你是说在正式开始做动画之前，我要先花大量时间逐字逐句地雕琢小作文？去你的吧！！！” 

等等！！！先别走，有简单本子的，有的，兄弟！！！

无论是做动画还是拍电影，都需要考虑最终“产品”的受众，如果想要更多票房，动画，电影的创作就得更加商业化，用更加世俗化的内容（类似“屎尿屁”）吸引更多的观众入场；如果想要更多的奖项，动画和电影的制作就得增加更多独特的表达增加“艺术性”，用抽象的表达吸引电影节评委们“一键三连”；文艺成分高了，观众看不懂，商业性自然下降；相反如果三俗内容占比过大，就会让学院派的评委们不屑一顾。

这就是艺术产品自己的“波粒二象性”，“商业性”和“艺术性”不可兼得。

“说了那么多，到底有没有简单的本子！！！”

别急，兄弟，有的！！！

咱不追求“商业性”，不在剧本里穿插各种奇奇怪怪的吸引眼球的桥段，咱追求“艺术性”，主打一个抽象，专注于自我表达（宣泄）不就好了~

按照这个思路，“剧本编写”，“剧本审核”，“剧本拆解”，“人物场景设定”中的“剧本编写”，“剧本审核”这两个步骤就简化成了：随便写几笔~

所以我们的故事是：

“一只青蛙坐在井底呆呆地望着天空。”

是不是很大胆？寥寥数字就把“剧本编写”这一步完成了，打个勾√。

至于“剧本审核”，审个毛！！！自己和自己玩还给设自己那么多限制，自我阉割？

“剧本拆解”要把剧本按照时间，地点，人物拆分成不同的场景和分镜，因为我们的故事是：“一只青蛙坐在井底呆呆地望着天空。”我们将这句话扔给豆包生成如下图片，然后使用“照片动起来”功能生成视频，本期教程完结~

等等！！！这是动画吗？你还有没有动画人的追求？！

我们继续“剧本拆解”。还记得AI+吗？我们直接扔给豆包拆分场景和分镜，提示词如下：

我要做一部动画，故事内容为“一只青蛙坐在井底呆呆地望着天空。“，请把这个故事拆分成不同的场景，为了故事的叙述能够更加立体，请将每个场景的分镜也拆出来。

拆分结果如下：

（场景分镜拆分清单）

通过豆包老铁的帮助，“剧本拆解”也顺利完成，作为小白的我们的第一部动画有1个场景（夜晚的井底），7个镜头（全景，中景，近景，特写，中近景，近景，全景）~

为了保持每个镜头人物与场景的一致性，“人物场景设定”是必要的，不然每个镜头里的青蛙颜色都不一样，换谁都会崩溃。什么？你觉得是个好事？

我们直接扔给豆包做人物场景设定，提示词如下：

“一只青蛙坐在井底呆呆地望着天空。”

 请根据这句话帮我编写人物场景设定（用于生图一致性）

（人物场景设定清单）

看到上面两份清单，有丰富项目经验的你应该已经建好项目文件夹，将《场景分镜拆分清单》和《人物场景设定清单》两份Excel作为产出物丢在了名为“剧本编写”的子目录里了吧~

让我们总结一下第一阶段的工作：

如果你对AI生成的内容有任何不满，可以自己上手或者保持甲方心态，让豆包改到你满意为止（当然前提是你能说清楚你到底哪里不满意，这是大部分甲方爸爸做不到的…）

监督豆包写完《场景分镜拆分清单》《人物场景设定清单》后，让我们疲惫的大脑休息一下吧，好吧，疲惫个毛。

然后我们进入第二阶段—中期制作，终于要开始做动画了~✌

第二阶段的工作包括“人物 / 场景原画（按设定绘制）”，“动作绘制（2D 与 3D 技术不同，复杂度高）”，”总检（符合制作人整体审美）”，”渲染（添加后期效果）”，如果用AI+的思维重新审视这些工作，你就会发现，这几步完全没有必要分开嘛…

以下是使用AI+思维改造后的流程：

经过AI+改造的工作流应该是这样的：

① 根据分镜编写首帧图的提示词；

② 使用“绘图模型”绘制首帧图，首帧图有问题随时调整；

③ 使用“视频模型”渲染动作，渲染有问题随时调整

我们翻出第一阶段的工作成果《人物场景设定清单》，《场景分镜拆分清单》，开始编写每一个分镜首帧图的提示词。

很多人看到“分镜”，“首帧图”，“提示词”脑子就烧焦了，这也能理解，毕竟看这篇文章的大部分都是小白嘛，真正的大神点进来干什么呢？

这里稍微解释一下，因为我不是电影专业毕业的，原谅我只能从业余的角度来介绍这几个概念：

大家知道一张图片描绘了某个人物在某个场景在的某个时刻正在做的某个动作，比如下图代表的是二维表格中的某一行

   （二妹）

如果我们想让这个女孩动起来，我们首先需要绘制30张图片，然后按照动作的先后顺序给图片编号，这样我们就得到了一张新的二维表：

这张二维表中的每一行都代表一帧，序号是展示图片的先后顺序，每1秒钟展现的图片越多眼睛产生的“视角后效“就越好。

通常认为，每一秒展现24张图片也就是24 帧 / 秒是 “动态流畅感” 的基础阈值，但此时仍会出现轻微 “卡顿感”，而30 帧 / 秒可大幅减少卡顿，成为视频、游戏的常用标准。

60 帧 / 秒能进一步提升流畅度，尤其在高速运动画面（如体育赛事、动作游戏）中，细节过渡更自然；若帧率远高于此（如 120 帧 / 秒），人眼虽仍能感知 “更流畅” ，但这种流畅感的提升幅度会逐渐降低 —— 并非 “后效消失”，而是人眼的分辨能力达到了极限，你可以理解成帧数提升到一定程度后产生的 “边际效应”。

真正的艺术家自然不会被所谓“30 帧 / 秒”的行业标准所束缚，他们中的有些人甚至为了达到“时光流逝”的下效果故意降低帧数，说的就是你—王家卫。

他使用的剪辑手法叫做“抽帧”，你可以理解为原来每秒30张图的视频经过“王家卫严选”后变成20帧每秒甚至更低。

这种感觉相当于让在PC端玩过144帧/秒《巫师3》的人在Switch上再玩一次20多帧/秒的版本。

“抽帧”虽然让画面变得卡顿，但这种“抽搐感”竟然能够完美迎合人类情感中对于“怀旧”，“复古”的渴望。

扯远了…

“分镜” 就是视频 / 动画的 “整体脚本”，分镜会提前确定每个镜头的内容、风格和目的，而 “首帧” 则是将这个镜头的 “第一印象”落地 （如下图）

调用AI绘制“首帧”，就需要编写“提示词”，“提示词”的好坏决定了图片的生成质量。

理清楚“分镜”，“首帧”，“提示词”这几个概念之间的关系后，我们开始第一步：

① 根据分镜编写首帧图的提示词；

我们把第一阶段生成的两个文件直接丢给豆包，然后给她下达指令：

“请根据《场景分镜拆分清单》以及《人物场景设定清单》，为每一个分镜编写首帧图片生成使用的提示词，提示词要保证人物场景的一致性。“\

经过一通操作，豆包返回了一份带有提示词的文件（如下图）

你可以试试把其中一段提示词丢给豆包看看生成图片的效果，如果效果不行我们还有调整的空间，下图中生成的图片风格显然过于写实了，既然写的是动画制作教程，提示词中好歹要加上具体的动画风格

这里列举几种常见的动画风格：

“这么多我怎么记得住！！！” 

这…给你张PPT你咋就背上了，你看上哪个了就挑这个不就完了。

经过反复观摩比对确认，我们最终决定使用后印象派“梵高“的风格进行后续的创作（如下图）

修改完每个分镜的首帧提示词后，我们把文件再次扔给豆包（如下图）

每一个分镜对应的首帧提示词如下表：

有了“首帧图”，“提示词”和“镜头时长”这三个参数，就可以调用StableDiffusion，即梦，Sora等模型生成视频了。

上图所示的就是一个典型的视频生成模型，可以通过调整如下参数改变输出结果，具体参数如下表：

每个镜头分别调用视频生成模型，国内可以用豆包，即梦，可灵等工具，会科学上网的可以用Gemini, Sora2，因为人类语言表达过程中可能存在各种“歧义”，“曲解”，“模糊”，生成的视频一定要肉身审核一遍，有任何问题及时调整提示词，用AI生成视频有时候就是抽盲盒。

如果你没钱抽盲盒（是的，不知道为什么，无论是实物盲盒还是赛博盲盒都很贵），觉得差不多就可以了，那当我没说。

当然为能够更加丝滑地进入第三阶段，这里有一些小贴士：

Tips①：视频文件名最好标上分镜号，这样的好处是在对视频进行组装（剪辑）的时候可以按部就班的使用这些素材.

Tips②：如果动画存在对话场景，画面中人物的口型应该如何处理，这里有两种处理方式：

o 在提示词中编写对话，视频生成时会直接根据对话文本生成相应口型

o 先生成视频，后期模型根据对话文字或者配音音频对视频中人物的口型进行 修改

Tip③：好吧…第二个小贴士好像什么都没说，具体操作的时候我再写吧

完成第二阶段所有工作后，我们就可以休息了…

接下来我们进入第三阶段—后期制作，也就是我们经常说的“剪片子”。

包括剪辑（拼接片段、配字幕）、配音及配乐（专业声优与配乐）、后期合成（所有内容整合）。

如果用AI+的思维重新审视这些工作，你就会发现：

如果剪辑都让AI做了，那我有什么用呢？

这不禁让我们思考人工智能和人类价值的关系（上价值，上价值）

鸦片战争后的清代学者在面对西方国家强烈冲击时，得出了“中学为体，西学为用”的指导思想并在接下来的洋务运动中实践了这一理念。

面对人工智能AI的冲击，我们很容易得出类似“人类为体，AI为用”的结论，说人话就是把劳动密集型的事情交给AI，留下技术密集型的事情给人类，通俗一点就是把脏活累活扔给AI去做，让人做更有价值的事情。

艾尼胃，正经事还是要做的，我们把第三阶段要做的事情拆分一下，然后逐条分析“人工智能和人类价值”：

如果你是一个狂热的配音爱好者，纯粹是了“配音”这盘醋包了“动画”这碗饺子，为了保证收音质量你可能需要准备：

① 隔音效果良好的房间；

② 高保真的录音设备；

搭载独立声卡的高配置电脑；

然后你发现你成为了一名ASMR博主…

艾尼胃，配音票友没必要面面俱到，样样俱全，没有声音采集的环境和设备…那你玩个毛

艾尼胃，其实也是可以玩的，你完全可以用手机录啊！啊？你说有这样录有噪音？ 

艾尼胃，有噪音没关系，我们可以后期处理，剪映开个会员就能一键降噪~什么？你说没钱开会员？

对于“非配音发烧友”，“声音不好听”，“录音设备不好”，“不会后期处理且懒得学习后期处理”，“没钱”（主要是没钱）的小（chou）伙（diao）伴(si)们，最简单的方法就是通过剪映的文本朗读功能生成音频。

这种方法生成的语音人机感较重，而且剪映中大部分有特色的语音都是VIP专享，不适合观看这篇文章的小（chou）伙（diao）伴(si)们。

如果你愿意花点时间学习一下So-VITS-SVC…训练AI…

对了，关于对口型可以在本地部署EchoMimic…然后…

好吧，你还是用小帅，小美这些免费的声音吧…

解决了配音问题（bushi），流程终于走到了我们喜闻乐见的配乐环节。

点开你常用的听歌软件（网易云音乐，汽水音乐，酷狗音乐…），打开你最常听的歌单，然后依次下载歌单里的歌曲即可。不过这么做的话，你的品味可能会暴露。

准备好所有“食材”后（“视频”，“配音”，“BGM”），我们开始烹制“菜肴”。

用于烹制“菜肴”的炊具有：

① PR：全称Premiere Pro，是Adobe旗下的一款剪辑软件，买断制收费

② Vegas Pro：索尼旗下的一款剪辑软件，买断制收费

③ 会声会影：加拿大Corel公司开发的视频编辑软件，买断制收费

④ Final Cut Pro：美国苹果公司开发的一款专业视频非线性编辑软件，苹果电脑，买断制收费

⑤ Davinci Resolve：BlackmagicDesign开发的剪辑软件，有免费版本

⑥ 万兴神剪手：万兴喵影开发的剪辑软件，使用免费，内含收费内容

⑦ 必剪：B站开发的剪辑软件，免费

⑧ 剪映：字节跳动开发的剪辑软件，使用免费，内含收费内容

如果你有苹果电脑且不差钱，可以承担1998的买断费用，那请优先选择 Final Cut Pro进行剪辑；

如果你是Adobe全家桶用户，那请优先选择PR进行剪辑；

如果你对调色情有独钟，那优先选择Davinci Resolve进行剪辑；

如果你只是想省钱，那在万兴神剪手，必剪，剪映里面挑一个就行了。

“剪辑” 就是对素材在时间维度上进行排列组合的过程，至于具体操作，网络上免费的，付费的教程多如牛毛，我在这就不抢别人生意了（主要是太枯燥乏味了），另外剪辑完成后一定要多跑几遍预览，代入观众视角去审视问题，这样才知道在哪里进行调整。

最后一步，渲染…这个不用我教了吧。

最后祝你提前...

最后祝你生成满意的作品，ヾ(￣▽￣)Bye~Bye~

欧文丽贝卡

2025/11/19