如果你以为用 AI 做动画就是把一段描述丢给视频生成模型然后坐等成片那你真正动手制作一部 OC 动画的时候大概率会在第 10 个镜头就崩掉。因为 AI 生成视频只是整套流程里的最后一个环节前面还站着角色设定、一致性控制、分镜拆解、提示词工程、素材整理、配音对齐和剪辑合成。这篇文章是我第二次系统性用 AI 制作 OC 动画的记录重点不是复述某个工具怎么用而是分享一套能跑通完整流程的工程化思路把一部原创角色动画拆成可管理的镜头表用脚本来批量生产素材再通过剪辑合成把碎片拼成故事。读完你会明白一个核心判断AI 动画真正的门槛不在生成而在流程设计。为什么会得出这个判断因为单个 AI 视频片段现在已经足够惊艳但“惊艳的几秒钟”和“一部能看完的动画”之间隔着大量不起眼的工作。角色上一秒还是银发少女下一秒就变成黑发路人上一幕还是白天下一幕突然就切换到了霓虹夜景台词、口型、字幕、音效各自为政观众一眼就能看出“这是 AI 拼的”。这些问题不是某一个模型能单独解决的而是需要一套可控制、可复用的制作流程来兜底。接下来我会从概念、环境、角色设定、镜头表、批量生成、配音合成和排错七个角度完整拆解这条 AI 动画工作流。1. 这篇文章真正要解决的问题先说结论做 OC 动画最大的痛点不是“AI 不会生成”而是“生成结果不可控”。如果你只是随手生成几个好看的动态角色那难度并不高但如果你想让观众记住这个角色让故事有起承转合让镜头之间有连续感那就必须解决三个关键问题角色一致性主角每次出场都要是同一个人而不是“长得有点像”的另一个人。镜头连续性不同镜头的景别、光线、动作方向、场景氛围要能衔接起来。音画同步台词、口型、音效、字幕、转场要在一个时间轴上对齐形成节奏。很多 AI 视频爱好者卡住的地方恰恰是这三件事。因为单条视频生成工具只负责“从文本或图片生成几秒视频”它不会替你维护角色设定也不会替你考虑上一个镜头发生了什么。传统动画里有角色设定稿、分镜、原画、动画、上色、配音、剪辑一整条生产线AI 动画压缩了中间环节却把“设定”和“整合”的责任转移给了创作者。所以这篇文章适合三类读者第一类是 OC 创作者想把自己的原创角色做成动画短片第二类是尝试 AI 短剧或 AI 漫剧的内容创作者正在寻找稳定的制作流程第三类是从 AI 绘画转向 AI 视频的开发者希望把零散的生成实验变成可复用的工程实践。读完这篇文章你会得到一套完整的 AI 动画制作路径包括角色卡模板、镜头表 JSON 结构、提示词生成脚本、FFmpeg 抽帧与合成命令以及一张可以直接拿去排查问题的对照表。2. OC 动画与 AI 视频生成的核心概念OC 是 Original Character 的缩写指原创角色通常指创作者自己设计、不隶属于商业 IP 的角色。OC 动画就是围绕这些原创角色制作的动画短片。过去做一部 OC 动画要么学会绘画和动画软件要么花钱找画师、建模师、动捕师现在 AI 工具的出现把“用画面讲故事”的门槛大幅拉低但它并没有消灭动画制作的基本规律。AI 视频生成的常见方式有三种各自解决的问题和局限也不同生成方式原理适用场景主要局限文生视频从文本提示词直接生成视频概念演示、氛围镜头、快速验证创意可控性弱角色与场景容易漂移图生视频从静态图片生成动态视频角色动作、局部动态、保持人物特征的镜头运动幅度有限大幅动作容易变形首尾帧生成指定首帧和尾帧模型补全中间过渡有明确起止动作的镜头、转场镜头中间过程不可控可能出现物理异常理解这些方式之后你就会明白为什么“AI 动画”不能简单等同于“AI 视频生成”。动画需要叙事而叙事需要多个镜头组合镜头之间要保持一致所以你必须有一套“角色设定管理”和“镜头规划”手段。这也是为什么我在第二部制作中把大部分时间花在了 AI 生成之外的工作上写角色设定、画分镜表、写脚本、建立素材库。这个变化本质上也是 AI 内容创作的普遍规律工具降低的是“从无到有”的门槛但“从有到优”依然考验创作者的工程能力。你能不能在生成之前想清楚要什么能不能在生成之后系统化地筛选和整合才是决定作品完成度的关键。3. 环境准备与项目结构在开始正式制作之前先要把工具链和项目目录准备好。工具链分为四层AI 生成层、素材管理层、音频处理层、剪辑合成层。具体工具版本请以实际项目为准本文重点演示通用思路不绑定某个特定版本。AI 生成层负责生成角色图、场景图、动态视频片段。典型方案是本地部署 Stable Diffusion WebUI、ComfyUI也可以使用在线视频生成服务。如果只是流程验证在线服务更容易上手如果要批量控制、固定角色本地工具通常更灵活。素材管理层负责组织图片、视频、音频、提示词、镜头表。推荐用纯文本和 JSON 文件保存结构化信息方便脚本处理。音频处理层负责生成配音、音效、背景音乐并进行降噪和音量统一。可以用 Audacity 等音频工具也可以用在线 TTS 服务。剪辑合成层负责把零散镜头拼接成完整视频。可用剪映、Premiere 等工具如果追求自动化FFmpeg 命令行是更可靠的选择。项目目录建议这样组织oc_animation/ ├── characters/ # 角色设定 │ ├── heroine.json │ └── ref_images/ # 角色参考图 ├── scenes/ # 场景图与场景参考 │ └── indoor_cafe.jpg ├── storyboard/ # 分镜脚本 │ └── shot_table.json ├── prompts/ # 提示词模板 │ ├── character_template.txt │ └── shot_template.txt ├── generated/ # AI 生成素材 │ ├── images/ │ └── videos/ ├── audio/ # 配音与音效 │ ├── voice/ │ └── music/ ├── output/ # 最终输出 └── tools/ # 批量处理脚本 ├── make_prompts.py └── preview_frames.sh这样的目录结构看起来简单但非常重要。镜头一多素材文件常常达到几十甚至上百个如果没有统一目录和命名规范后期剪辑时会浪费大量时间在“找文件”上。我建议在生成素材之前先确定一套命名规则比如镜头名 版本号 文件类型shot_001_v01.mp4、shot_002_v02.png。这样既方便脚本批量处理也能在生成效果不理想时快速定位问题版本。4. 角色设定与一致性控制方案无论你用什么模型角色一致性都是 OC 动画成败的第一道关。很多人在第一步就走错了他们直接用一段“银发少女站在咖啡馆门口”这样的描述去生成结果每个镜头都是新的角色。正确的做法是先建立“角色卡”把角色的外貌、服装、性格、说话风格全部结构化记录下来再基于角色卡生成参考图和提示词模板。角色卡可以包含以下字段角色名用于区分不同人物。基础外貌发型、发色、眼睛颜色、脸型、身高、体型。服装特征上半身、下半身、鞋子、配饰写清楚材质和颜色。性格关键词这会影响对话台词的生成风格。固定要素比如标志性的伤疤、纹身、耳环这些是角色辨识度的核心。禁止要素不希望出现的特征比如“不要改变发色”“不要穿现代服装”。有了角色卡之后生成角色参考图时提示词就不需要每次重新写而是从角色卡中抽取固定字段组成基础提示词。下面是一个角色设定 JSON 的示例实际使用时可以按自己的世界观众调整{ name: Luna, base_description: 1girl, silver long hair, blue eyes, pale skin, black ribbon, white blouse, black pleated skirt, black boots, negative_prompt: blurry, lowres, extra fingers, deformed hands, multiple people, watermark, text, fixed_elements: [ silver long hair, blue eyes, black ribbon on collar ], personality: quiet, curious, slightly shy, style_tags: [ anime style, soft lighting, high detail ] }这个 JSON 的价值在于可复用。你可以用脚本读取它自动拼接出每一条生成提示词而不需要每次手动复制。比如生成角色站姿图时只需在base_description后面追加动作描述生成不同表情时只需要替换表情关键词。这样做最大的好处是角色的核心特征始终来自同一份设定文件不会因为人工修改出现偏差。除了固定提示词还有三层常用的一致性保障手段固定随机种子Seed同一角色、同一场景使用相同 Seed能显著减少随机变化。角色参考图在生成视频时直接提供角色参考图让模型“照着这个角色画”。LoRA 训练如果角色出现频率很高可以训练一个专属 LoRA 模型把角色特征固化到模型权重中。建议新手先做第一层和第二层等角色足够固定、镜头数量变多之后再考虑 LoRA。注意所有一致性方案都不是 100% 有效生成后逐镜头抽帧检查仍然必不可少。5. 分镜脚本与镜头表设计动画制作中分镜脚本是连接剧本和画面的桥梁。AI 视频生成天然是“逐条生产”的所以分镜脚本尤为重要它决定了你要生成多少个镜头、每个镜头里发生了什么、角色在画面中的位置、摄像机怎么运动、时长多少、有没有台词和音效。没有分镜你只是在生成一堆漂亮的碎片有了分镜你才有机会把它们拼成一个完整故事。镜头表建议包含这些字段序号镜头编号便于管理和排序。景别远景、全景、中景、近景、特写。镜头运动固定、推、拉、摇、移。画面内容这个镜头里发生了什么角色动作和表情是什么。场景这个镜头发生在哪里。台词如果有配音写明台词内容。时长预估镜头时长AI 生成时作为参考。音效环境音、脚步声、风声等提示。用一个 JSON 文件来管理镜头表既方便阅读也方便脚本处理。下面是一个最小示例{ project: my_oc_animation_ep2_part1, shots: [ { id: shot_001, scene: indoor_cafe, shot_size: medium, camera_movement: static, content: Luna walks into the cafe, looks around, smiles slightly, dialogue: Its been a long time., duration_seconds: 4, sound: cafe ambience, soft music }, { id: shot_002, scene: indoor_cafe, shot_size: closeup, camera_movement: slow push in, content: Luna sits down, hands on the table, gaze toward window, dialogue: , duration_seconds: 5, sound: cup clinking } ] }镜头表的价值不止在于生成视频它也直接驱动后续的批量脚本、素材命名和剪辑顺序。你可以为每个镜头生成视频文件文件名直接用镜头 ID之后无论剪辑顺序怎么调整都能通过这个 ID 快速找到对应素材。5.1 从镜头表生成提示词有了镜头表下一步就是根据镜头内容生成提示词。这里可以写一个小型 Python 脚本把角色设定 JSON 和镜头表 JSON 拼接起来输出一份“每个镜头对应的提示词文件”。这样做的意义非常大批量生成时不用一个个手动复制后期修改角色设定时也只要改角色卡然后重新跑脚本。# 文件路径tools/make_prompts.py import json with open(characters/heroine.json, r, encodingutf-8) as f: character json.load(f) with open(storyboard/shot_table.json, r, encodingutf-8) as f: storyboard json.load(f) base character[base_description] negative character[negative_prompt] style_tags .join(character.get(style_tags, [])) prompt_lines [] for shot in storyboard[shots]: shot_id shot[id] scene shot[scene] content shot[content] shot_size shot[shot_size] camera_movement shot[camera_movement] prompt f{base}, {content}, {scene}, {shot_size}, {camera_movement}, {style_tags} prompt_lines.append({ id: shot_id, prompt: prompt, negative_prompt: negative }) with open(prompts/generated_prompts.json, w, encodingutf-8) as f: json.dump(prompt_lines, f, ensure_asciiFalse, indent2) print(fGenerated {len(prompt_lines)} prompts.)这个脚本的逻辑很简单读取角色设定读取镜头表逐条拼接提示词写入新的 JSON 文件。运行后你会得到一个类似下面的generated_prompts.json[ { id: shot_001, prompt: 1girl, silver long hair, blue eyes, pale skin, black ribbon, white blouse, black pleated skirt, black boots, Luna walks into the cafe, looks around, smiles slightly, indoor_cafe, medium, static, anime style, soft lighting, high detail, negative_prompt: blurry, lowres, extra fingers, deformed hands, multiple people, watermark, text } ]到了这一步你已经把“角色设定—分镜—提示词”连成了一条可复用的流水线。后续无论生成多少个镜头都是从同一份源数据推导出来的天生具备一致性基础。6. 逐镜头生成与素材管理提示词准备好之后真正的 AI 生成阶段才正式开始。我建议先采用“图生视频”或“首尾帧生成”的方式而不是直接文生视频因为对 OC 动画来说角色形象必须稳定。具体操作路径是先用角色设定和参考图生成静态的关键帧再把关键帧丢给视频生成模型让它动起来。具体流程选择镜头表中第一个镜头根据提示词生成一张静态关键帧。检查关键帧中角色的服装、发色、脸型是否符合角色设定。将关键帧作为输入生成 3 到 5 秒的动态视频片段。抽帧检查动作是否自然角色是否发生明显变形。通过则保存为generated/videos/shot_001_v01.mp4失败则调整提示词或 Seed 重试。这个流程看起来简单但实际操作中很容易踩坑。比如角色挥手动作生成结果可能手部扭曲比如走路镜头模型可能让角色一蹦一跳。此时不要盲目重试先检查是不是“首帧角色特征不明确”或“动作幅度太大”。如果首帧角色都不对就不要浪费时间生成视频直接回到静态图阶段重新生成关键帧。6.1 用 FFmpeg 抽帧快速检查生成视频后建议第一时间抽帧检查。把每个视频拆成几帧静态图放在同一个预览目录里快速浏览角色是否一致、动作是否连贯。FFmpeg 命令模板如下mkdir -p generated/preview ffmpeg -i generated/videos/shot_001_v01.mp4 -vf fps1 generated/preview/shot_001_frame_%02d.png这条命令会把shot_001_v01.mp4按每秒 1 帧的节奏导出成连续图片。你只需要扫一遍图片就能发现角色是不是突然变形、场景是不是跳变。如果抽帧结果不稳定就不要进入下一步剪辑先重新生成或调整该镜头。6.2 批量生成脚本示例当镜头数量较多时可以写一个简单的 Shell 循环把提示词文件里的内容逐条喂给生成工具。这里不绑定具体模型 API只是演示批量处理的思路while read -r shot_id read -r prompt; do echo Generating $shot_id ... # 这里替换为你实际使用的生成命令 run_video_generation --prompt $prompt --output generated/videos/${shot_id}_v01.mp4 done prompts/prompt_list.txt真正的生成命令取决于你使用哪种工具、本地部署还是在线服务。重点是把“读提示词、调模型、保存文件”做成循环而不是每个镜头手动操作一遍。批量处理能显著提高效率也能让文件名统一后续不容易乱。6.3 素材命名与版本管理AI 生成过程本质上是反复试错所以素材版本管理特别重要。同一镜头生成多次建议保留多个版本不要直接覆盖shot_001_v01.mp4第一版未修改。shot_001_v02.mp4第二版换了提示词或 Seed。shot_001_final.mp4最终选中版本。为什么这么做因为 AI 生成有随机性第一版可能动作好但画面糊第二版画面清晰但构图差。最终剪辑时你可能会想混合两个版本的优点这时保留历史版本就能提供回旋余地。7. AI 配音、音效与剪辑合成当所有镜头都生成完毕就进入了整合阶段。这一步最容易被初学者忽略但它是作品“像不像一部动画”的分水岭。没有配音、音效和合理剪辑的视频再精致也只是素材展示有了声音和节奏才算一个完整的叙事作品。7.1 配音与声音设计角色的声音建议保持稳定。你可以选择一个固定的 TTS 音色或者录制自己的声音做变调处理。角色说话的语气要和性格设定一致比如“安静好奇”的角色语速不能太快音量不能太大。配音生成后导出为独立的音频文件比如audio/voice/shot_001_voice.wav。音效和背景音乐同理分开保留方便在剪辑软件里调整音量平衡。如果你的角色有大量对话可以提前把所有台词按镜头顺序录好放入同一时间轴。这里容易踩坑的地方是“给 AI 角色配音”和“普通旁白配音”的语速差异生成 AI 视频片段时画面时长往往会和台词时长不匹配。解决办法是先确定每条台词的时间长度再回头调整镜头时长或者在剪辑软件里对视频做轻微变速。7.2 剪辑流程剪辑时我推荐先铺时间轴再调细节。具体顺序是按照镜头表顺序把视频片段拖入时间轴。为每个有台词的镜头放置对应的配音文件。加入背景音乐和环境音效。根据台词时长微调视频长度。添加字幕、转场和片头片尾。用剪辑软件操作当然最直观但如果希望批量合成FFmpeg 也能胜任。下面是一个简单的合并命令示例假设你已经把所有镜头按顺序拼接成concat_list.txtffmpeg -f concat -safe 0 -i concat_list.txt -c copy generated/output/all_shots.mp4注意concat_list.txt的格式是这样的file generated/videos/shot_001_final.mp4 file generated/videos/shot_002_final.mp4 file generated/videos/shot_003_final.mp4如果只是简单拼接-c copy可以避免重新编码速度快很多。如果需要把配音和背景音乐合到视频上可以用下面的命令ffmpeg -i generated/output/all_shots.mp4 -i audio/voice_all.m4a -i audio/music_bg.mp3 \ -filter_complex [1:a]volume1.0[voice];[2:a]volume0.3[music];[voice][music]amixinputs2:durationfirst[mix] \ -map 0:v -map [mix] -c:v copy -c:a aac generated/output/final_video.mp4这里做的是把配音和背景音乐混合背景音乐音量压低到 0.3避免盖过台词。实际使用时请根据你的音频文件名调整路径。如果你在剪辑软件里手动调整更舒服不一定要用这条命令但在批处理场景下FFmpeg 的可重复性会让“改一版设置再导出”变得非常轻松。7.3 导出与验证导出之后建议完整观看一遍验证三个点角色是否从头到尾保持一致。每段台词是否和口型、画面内容匹配。整体节奏是否拖沓转场是否自然。如果发现问题回到对应镜头重新生成不要试图在剪辑阶段“硬修”。因为 AI 素材一旦角色不一致剪辑层面很难修正强行补帧往往更假。8. 常见问题与排查思路下面这张表整理了我做 AI 动画时遇到的高频问题以及对应排查方式问题现象可能原因排查方式解决方案角色面貌不一致提示词没有固定基础特征或 Seed 不固定抽帧检查首帧对比角色设定 JSON使用统一角色参考图固定 Seed手动核对基础提示词画面运动幅度过大导致变形图生视频输入的是静态图但给模型描述了太激烈的动作查看生成视频前几帧和后几帧把动作拆成小段分段生成并拼接台词跟画面长度不匹配先配音后生成画面或没有核对时长对比语音时长与视频时长按台词预估时长再生成画面剪辑阶段轻微变速批量生成时脚本中断某个镜头提示词有特殊字符或文件路径不存在查看脚本日志定位中断位置增加异常捕获生成前校验路径和 JSON 格式视频文件太大或格式不支持编码格式不统一使用 ffprobe 查看编码信息统一转码为 H.264 AAC显存不足或本地生成卡住单条视频生成耗用显存过高查看任务管理器或 GPU 监控降低分辨率缩小视频时长或改用在线服务生成结果包含水印或文字提示词触发或底模本身问题检查负向提示词在 negative_prompt 中加入 watermark, text, logo这里真正容易踩坑的地方是第一项很多人以为角色不一致是模型问题其实多半是提示词问题。AI 模型很擅长把“银发、蓝眼、黑发带”这些关键词组合起来但如果你每一条提示词的动作描述太长模型就会优先执行动作忽略外貌特征。所以固定基础提示词必须放在动作描述之前并且尽量不要在动作描述里重复修改外貌关键词。9. 最佳实践与工程建议如果现在重新做一遍这部 OC 动画我会把下面这些原则提前固化到流程里而不是一边踩坑一边补救。第一先定角色再写剧本。剧本要围绕角色能力、性格和视觉辨识度展开。AI 生成时代角色设定越清晰后续所有环节的返工率越低。第二镜头短一点动作少一点。单条视频生成时长一般在几秒内与其让模型做一个复杂的长镜头不如把长镜头拆成多个短镜头。每个镜头只表达一个核心动作生成成功率会高很多。第三把重复工作变成脚本。角色卡、镜头表、提示词拼接、素材命名、抽帧检查这些工作都应该脚本化。哪怕最开始只是一个小小的 Python 脚本只要跑通一次后面每一次新项目都能复用。第四素材库和命名规范要前置。建议在项目开始的第一天就建好目录、确定命名规则。素材数量几十个时可能觉得无所谓但当数量超过两百个时一个好的文件结构能节约大量时间。第五养成“抽帧检查”的习惯。不要只看生成出来的短视频很流畅就进入下一步一定要抽帧确认关键帧是否稳定。很多动画成品的问题都是在抽帧检查阶段被发现的。第六注意内容合规。使用 AI 生成角色、声音、场景时请确认你使用的素材和工具符合服务条款避免使用未经授权的真人肖像、原创画作或商业素材。公开发布时也应标注 AI 生成内容尊重平台规则和他人版权。10. 总结与后续学习方向回到开头那个判断AI 动画真正的门槛不在生成而在流程设计。这篇文章拆解了一条从角色设定、镜头表、提示词工程、批量生成到配音合成的完整路径并提供了一份可以直接复用的项目结构和脚本模板。后续如果要继续做第二部分的后续作品我会把精力放在三个方向一是多角色交互场景让两个角色之间的对话和动作配合更自然二是角色声音模型让配音不再依赖单一 TTS 音色而是拥有稳定可复用的角色声线三是更复杂的镜头调度比如推拉摇移和转场设计让动画在叙事层面更有电影感。另外如果你对多角色 AI 交互叙事感兴趣可以参考我之前整理的练习项目 my_ai_town它是把“多角色交互 脚本生成”应用到项目中的一次尝试值得作为 AI 动画之外的另一条探索路线。AI 动画工具还会继续迭代但无论工具怎么变分镜意识、角色管理、素材规范、音画对齐这些工程化基本功都会一直发挥作用。把这套流程跑通一次之后你会发现自己不再是“碰运气式生成”而是真正在“制作”一部作品。收藏这份流程下次打开生成工具之前先花十分钟把角色卡和镜头表写好你会在导出成片时感谢自己。
AI动画制作全流程：从角色设定到批量生成
如果你以为用 AI 做动画就是把一段描述丢给视频生成模型然后坐等成片那你真正动手制作一部 OC 动画的时候大概率会在第 10 个镜头就崩掉。因为 AI 生成视频只是整套流程里的最后一个环节前面还站着角色设定、一致性控制、分镜拆解、提示词工程、素材整理、配音对齐和剪辑合成。这篇文章是我第二次系统性用 AI 制作 OC 动画的记录重点不是复述某个工具怎么用而是分享一套能跑通完整流程的工程化思路把一部原创角色动画拆成可管理的镜头表用脚本来批量生产素材再通过剪辑合成把碎片拼成故事。读完你会明白一个核心判断AI 动画真正的门槛不在生成而在流程设计。为什么会得出这个判断因为单个 AI 视频片段现在已经足够惊艳但“惊艳的几秒钟”和“一部能看完的动画”之间隔着大量不起眼的工作。角色上一秒还是银发少女下一秒就变成黑发路人上一幕还是白天下一幕突然就切换到了霓虹夜景台词、口型、字幕、音效各自为政观众一眼就能看出“这是 AI 拼的”。这些问题不是某一个模型能单独解决的而是需要一套可控制、可复用的制作流程来兜底。接下来我会从概念、环境、角色设定、镜头表、批量生成、配音合成和排错七个角度完整拆解这条 AI 动画工作流。1. 这篇文章真正要解决的问题先说结论做 OC 动画最大的痛点不是“AI 不会生成”而是“生成结果不可控”。如果你只是随手生成几个好看的动态角色那难度并不高但如果你想让观众记住这个角色让故事有起承转合让镜头之间有连续感那就必须解决三个关键问题角色一致性主角每次出场都要是同一个人而不是“长得有点像”的另一个人。镜头连续性不同镜头的景别、光线、动作方向、场景氛围要能衔接起来。音画同步台词、口型、音效、字幕、转场要在一个时间轴上对齐形成节奏。很多 AI 视频爱好者卡住的地方恰恰是这三件事。因为单条视频生成工具只负责“从文本或图片生成几秒视频”它不会替你维护角色设定也不会替你考虑上一个镜头发生了什么。传统动画里有角色设定稿、分镜、原画、动画、上色、配音、剪辑一整条生产线AI 动画压缩了中间环节却把“设定”和“整合”的责任转移给了创作者。所以这篇文章适合三类读者第一类是 OC 创作者想把自己的原创角色做成动画短片第二类是尝试 AI 短剧或 AI 漫剧的内容创作者正在寻找稳定的制作流程第三类是从 AI 绘画转向 AI 视频的开发者希望把零散的生成实验变成可复用的工程实践。读完这篇文章你会得到一套完整的 AI 动画制作路径包括角色卡模板、镜头表 JSON 结构、提示词生成脚本、FFmpeg 抽帧与合成命令以及一张可以直接拿去排查问题的对照表。2. OC 动画与 AI 视频生成的核心概念OC 是 Original Character 的缩写指原创角色通常指创作者自己设计、不隶属于商业 IP 的角色。OC 动画就是围绕这些原创角色制作的动画短片。过去做一部 OC 动画要么学会绘画和动画软件要么花钱找画师、建模师、动捕师现在 AI 工具的出现把“用画面讲故事”的门槛大幅拉低但它并没有消灭动画制作的基本规律。AI 视频生成的常见方式有三种各自解决的问题和局限也不同生成方式原理适用场景主要局限文生视频从文本提示词直接生成视频概念演示、氛围镜头、快速验证创意可控性弱角色与场景容易漂移图生视频从静态图片生成动态视频角色动作、局部动态、保持人物特征的镜头运动幅度有限大幅动作容易变形首尾帧生成指定首帧和尾帧模型补全中间过渡有明确起止动作的镜头、转场镜头中间过程不可控可能出现物理异常理解这些方式之后你就会明白为什么“AI 动画”不能简单等同于“AI 视频生成”。动画需要叙事而叙事需要多个镜头组合镜头之间要保持一致所以你必须有一套“角色设定管理”和“镜头规划”手段。这也是为什么我在第二部制作中把大部分时间花在了 AI 生成之外的工作上写角色设定、画分镜表、写脚本、建立素材库。这个变化本质上也是 AI 内容创作的普遍规律工具降低的是“从无到有”的门槛但“从有到优”依然考验创作者的工程能力。你能不能在生成之前想清楚要什么能不能在生成之后系统化地筛选和整合才是决定作品完成度的关键。3. 环境准备与项目结构在开始正式制作之前先要把工具链和项目目录准备好。工具链分为四层AI 生成层、素材管理层、音频处理层、剪辑合成层。具体工具版本请以实际项目为准本文重点演示通用思路不绑定某个特定版本。AI 生成层负责生成角色图、场景图、动态视频片段。典型方案是本地部署 Stable Diffusion WebUI、ComfyUI也可以使用在线视频生成服务。如果只是流程验证在线服务更容易上手如果要批量控制、固定角色本地工具通常更灵活。素材管理层负责组织图片、视频、音频、提示词、镜头表。推荐用纯文本和 JSON 文件保存结构化信息方便脚本处理。音频处理层负责生成配音、音效、背景音乐并进行降噪和音量统一。可以用 Audacity 等音频工具也可以用在线 TTS 服务。剪辑合成层负责把零散镜头拼接成完整视频。可用剪映、Premiere 等工具如果追求自动化FFmpeg 命令行是更可靠的选择。项目目录建议这样组织oc_animation/ ├── characters/ # 角色设定 │ ├── heroine.json │ └── ref_images/ # 角色参考图 ├── scenes/ # 场景图与场景参考 │ └── indoor_cafe.jpg ├── storyboard/ # 分镜脚本 │ └── shot_table.json ├── prompts/ # 提示词模板 │ ├── character_template.txt │ └── shot_template.txt ├── generated/ # AI 生成素材 │ ├── images/ │ └── videos/ ├── audio/ # 配音与音效 │ ├── voice/ │ └── music/ ├── output/ # 最终输出 └── tools/ # 批量处理脚本 ├── make_prompts.py └── preview_frames.sh这样的目录结构看起来简单但非常重要。镜头一多素材文件常常达到几十甚至上百个如果没有统一目录和命名规范后期剪辑时会浪费大量时间在“找文件”上。我建议在生成素材之前先确定一套命名规则比如镜头名 版本号 文件类型shot_001_v01.mp4、shot_002_v02.png。这样既方便脚本批量处理也能在生成效果不理想时快速定位问题版本。4. 角色设定与一致性控制方案无论你用什么模型角色一致性都是 OC 动画成败的第一道关。很多人在第一步就走错了他们直接用一段“银发少女站在咖啡馆门口”这样的描述去生成结果每个镜头都是新的角色。正确的做法是先建立“角色卡”把角色的外貌、服装、性格、说话风格全部结构化记录下来再基于角色卡生成参考图和提示词模板。角色卡可以包含以下字段角色名用于区分不同人物。基础外貌发型、发色、眼睛颜色、脸型、身高、体型。服装特征上半身、下半身、鞋子、配饰写清楚材质和颜色。性格关键词这会影响对话台词的生成风格。固定要素比如标志性的伤疤、纹身、耳环这些是角色辨识度的核心。禁止要素不希望出现的特征比如“不要改变发色”“不要穿现代服装”。有了角色卡之后生成角色参考图时提示词就不需要每次重新写而是从角色卡中抽取固定字段组成基础提示词。下面是一个角色设定 JSON 的示例实际使用时可以按自己的世界观众调整{ name: Luna, base_description: 1girl, silver long hair, blue eyes, pale skin, black ribbon, white blouse, black pleated skirt, black boots, negative_prompt: blurry, lowres, extra fingers, deformed hands, multiple people, watermark, text, fixed_elements: [ silver long hair, blue eyes, black ribbon on collar ], personality: quiet, curious, slightly shy, style_tags: [ anime style, soft lighting, high detail ] }这个 JSON 的价值在于可复用。你可以用脚本读取它自动拼接出每一条生成提示词而不需要每次手动复制。比如生成角色站姿图时只需在base_description后面追加动作描述生成不同表情时只需要替换表情关键词。这样做最大的好处是角色的核心特征始终来自同一份设定文件不会因为人工修改出现偏差。除了固定提示词还有三层常用的一致性保障手段固定随机种子Seed同一角色、同一场景使用相同 Seed能显著减少随机变化。角色参考图在生成视频时直接提供角色参考图让模型“照着这个角色画”。LoRA 训练如果角色出现频率很高可以训练一个专属 LoRA 模型把角色特征固化到模型权重中。建议新手先做第一层和第二层等角色足够固定、镜头数量变多之后再考虑 LoRA。注意所有一致性方案都不是 100% 有效生成后逐镜头抽帧检查仍然必不可少。5. 分镜脚本与镜头表设计动画制作中分镜脚本是连接剧本和画面的桥梁。AI 视频生成天然是“逐条生产”的所以分镜脚本尤为重要它决定了你要生成多少个镜头、每个镜头里发生了什么、角色在画面中的位置、摄像机怎么运动、时长多少、有没有台词和音效。没有分镜你只是在生成一堆漂亮的碎片有了分镜你才有机会把它们拼成一个完整故事。镜头表建议包含这些字段序号镜头编号便于管理和排序。景别远景、全景、中景、近景、特写。镜头运动固定、推、拉、摇、移。画面内容这个镜头里发生了什么角色动作和表情是什么。场景这个镜头发生在哪里。台词如果有配音写明台词内容。时长预估镜头时长AI 生成时作为参考。音效环境音、脚步声、风声等提示。用一个 JSON 文件来管理镜头表既方便阅读也方便脚本处理。下面是一个最小示例{ project: my_oc_animation_ep2_part1, shots: [ { id: shot_001, scene: indoor_cafe, shot_size: medium, camera_movement: static, content: Luna walks into the cafe, looks around, smiles slightly, dialogue: Its been a long time., duration_seconds: 4, sound: cafe ambience, soft music }, { id: shot_002, scene: indoor_cafe, shot_size: closeup, camera_movement: slow push in, content: Luna sits down, hands on the table, gaze toward window, dialogue: , duration_seconds: 5, sound: cup clinking } ] }镜头表的价值不止在于生成视频它也直接驱动后续的批量脚本、素材命名和剪辑顺序。你可以为每个镜头生成视频文件文件名直接用镜头 ID之后无论剪辑顺序怎么调整都能通过这个 ID 快速找到对应素材。5.1 从镜头表生成提示词有了镜头表下一步就是根据镜头内容生成提示词。这里可以写一个小型 Python 脚本把角色设定 JSON 和镜头表 JSON 拼接起来输出一份“每个镜头对应的提示词文件”。这样做的意义非常大批量生成时不用一个个手动复制后期修改角色设定时也只要改角色卡然后重新跑脚本。# 文件路径tools/make_prompts.py import json with open(characters/heroine.json, r, encodingutf-8) as f: character json.load(f) with open(storyboard/shot_table.json, r, encodingutf-8) as f: storyboard json.load(f) base character[base_description] negative character[negative_prompt] style_tags .join(character.get(style_tags, [])) prompt_lines [] for shot in storyboard[shots]: shot_id shot[id] scene shot[scene] content shot[content] shot_size shot[shot_size] camera_movement shot[camera_movement] prompt f{base}, {content}, {scene}, {shot_size}, {camera_movement}, {style_tags} prompt_lines.append({ id: shot_id, prompt: prompt, negative_prompt: negative }) with open(prompts/generated_prompts.json, w, encodingutf-8) as f: json.dump(prompt_lines, f, ensure_asciiFalse, indent2) print(fGenerated {len(prompt_lines)} prompts.)这个脚本的逻辑很简单读取角色设定读取镜头表逐条拼接提示词写入新的 JSON 文件。运行后你会得到一个类似下面的generated_prompts.json[ { id: shot_001, prompt: 1girl, silver long hair, blue eyes, pale skin, black ribbon, white blouse, black pleated skirt, black boots, Luna walks into the cafe, looks around, smiles slightly, indoor_cafe, medium, static, anime style, soft lighting, high detail, negative_prompt: blurry, lowres, extra fingers, deformed hands, multiple people, watermark, text } ]到了这一步你已经把“角色设定—分镜—提示词”连成了一条可复用的流水线。后续无论生成多少个镜头都是从同一份源数据推导出来的天生具备一致性基础。6. 逐镜头生成与素材管理提示词准备好之后真正的 AI 生成阶段才正式开始。我建议先采用“图生视频”或“首尾帧生成”的方式而不是直接文生视频因为对 OC 动画来说角色形象必须稳定。具体操作路径是先用角色设定和参考图生成静态的关键帧再把关键帧丢给视频生成模型让它动起来。具体流程选择镜头表中第一个镜头根据提示词生成一张静态关键帧。检查关键帧中角色的服装、发色、脸型是否符合角色设定。将关键帧作为输入生成 3 到 5 秒的动态视频片段。抽帧检查动作是否自然角色是否发生明显变形。通过则保存为generated/videos/shot_001_v01.mp4失败则调整提示词或 Seed 重试。这个流程看起来简单但实际操作中很容易踩坑。比如角色挥手动作生成结果可能手部扭曲比如走路镜头模型可能让角色一蹦一跳。此时不要盲目重试先检查是不是“首帧角色特征不明确”或“动作幅度太大”。如果首帧角色都不对就不要浪费时间生成视频直接回到静态图阶段重新生成关键帧。6.1 用 FFmpeg 抽帧快速检查生成视频后建议第一时间抽帧检查。把每个视频拆成几帧静态图放在同一个预览目录里快速浏览角色是否一致、动作是否连贯。FFmpeg 命令模板如下mkdir -p generated/preview ffmpeg -i generated/videos/shot_001_v01.mp4 -vf fps1 generated/preview/shot_001_frame_%02d.png这条命令会把shot_001_v01.mp4按每秒 1 帧的节奏导出成连续图片。你只需要扫一遍图片就能发现角色是不是突然变形、场景是不是跳变。如果抽帧结果不稳定就不要进入下一步剪辑先重新生成或调整该镜头。6.2 批量生成脚本示例当镜头数量较多时可以写一个简单的 Shell 循环把提示词文件里的内容逐条喂给生成工具。这里不绑定具体模型 API只是演示批量处理的思路while read -r shot_id read -r prompt; do echo Generating $shot_id ... # 这里替换为你实际使用的生成命令 run_video_generation --prompt $prompt --output generated/videos/${shot_id}_v01.mp4 done prompts/prompt_list.txt真正的生成命令取决于你使用哪种工具、本地部署还是在线服务。重点是把“读提示词、调模型、保存文件”做成循环而不是每个镜头手动操作一遍。批量处理能显著提高效率也能让文件名统一后续不容易乱。6.3 素材命名与版本管理AI 生成过程本质上是反复试错所以素材版本管理特别重要。同一镜头生成多次建议保留多个版本不要直接覆盖shot_001_v01.mp4第一版未修改。shot_001_v02.mp4第二版换了提示词或 Seed。shot_001_final.mp4最终选中版本。为什么这么做因为 AI 生成有随机性第一版可能动作好但画面糊第二版画面清晰但构图差。最终剪辑时你可能会想混合两个版本的优点这时保留历史版本就能提供回旋余地。7. AI 配音、音效与剪辑合成当所有镜头都生成完毕就进入了整合阶段。这一步最容易被初学者忽略但它是作品“像不像一部动画”的分水岭。没有配音、音效和合理剪辑的视频再精致也只是素材展示有了声音和节奏才算一个完整的叙事作品。7.1 配音与声音设计角色的声音建议保持稳定。你可以选择一个固定的 TTS 音色或者录制自己的声音做变调处理。角色说话的语气要和性格设定一致比如“安静好奇”的角色语速不能太快音量不能太大。配音生成后导出为独立的音频文件比如audio/voice/shot_001_voice.wav。音效和背景音乐同理分开保留方便在剪辑软件里调整音量平衡。如果你的角色有大量对话可以提前把所有台词按镜头顺序录好放入同一时间轴。这里容易踩坑的地方是“给 AI 角色配音”和“普通旁白配音”的语速差异生成 AI 视频片段时画面时长往往会和台词时长不匹配。解决办法是先确定每条台词的时间长度再回头调整镜头时长或者在剪辑软件里对视频做轻微变速。7.2 剪辑流程剪辑时我推荐先铺时间轴再调细节。具体顺序是按照镜头表顺序把视频片段拖入时间轴。为每个有台词的镜头放置对应的配音文件。加入背景音乐和环境音效。根据台词时长微调视频长度。添加字幕、转场和片头片尾。用剪辑软件操作当然最直观但如果希望批量合成FFmpeg 也能胜任。下面是一个简单的合并命令示例假设你已经把所有镜头按顺序拼接成concat_list.txtffmpeg -f concat -safe 0 -i concat_list.txt -c copy generated/output/all_shots.mp4注意concat_list.txt的格式是这样的file generated/videos/shot_001_final.mp4 file generated/videos/shot_002_final.mp4 file generated/videos/shot_003_final.mp4如果只是简单拼接-c copy可以避免重新编码速度快很多。如果需要把配音和背景音乐合到视频上可以用下面的命令ffmpeg -i generated/output/all_shots.mp4 -i audio/voice_all.m4a -i audio/music_bg.mp3 \ -filter_complex [1:a]volume1.0[voice];[2:a]volume0.3[music];[voice][music]amixinputs2:durationfirst[mix] \ -map 0:v -map [mix] -c:v copy -c:a aac generated/output/final_video.mp4这里做的是把配音和背景音乐混合背景音乐音量压低到 0.3避免盖过台词。实际使用时请根据你的音频文件名调整路径。如果你在剪辑软件里手动调整更舒服不一定要用这条命令但在批处理场景下FFmpeg 的可重复性会让“改一版设置再导出”变得非常轻松。7.3 导出与验证导出之后建议完整观看一遍验证三个点角色是否从头到尾保持一致。每段台词是否和口型、画面内容匹配。整体节奏是否拖沓转场是否自然。如果发现问题回到对应镜头重新生成不要试图在剪辑阶段“硬修”。因为 AI 素材一旦角色不一致剪辑层面很难修正强行补帧往往更假。8. 常见问题与排查思路下面这张表整理了我做 AI 动画时遇到的高频问题以及对应排查方式问题现象可能原因排查方式解决方案角色面貌不一致提示词没有固定基础特征或 Seed 不固定抽帧检查首帧对比角色设定 JSON使用统一角色参考图固定 Seed手动核对基础提示词画面运动幅度过大导致变形图生视频输入的是静态图但给模型描述了太激烈的动作查看生成视频前几帧和后几帧把动作拆成小段分段生成并拼接台词跟画面长度不匹配先配音后生成画面或没有核对时长对比语音时长与视频时长按台词预估时长再生成画面剪辑阶段轻微变速批量生成时脚本中断某个镜头提示词有特殊字符或文件路径不存在查看脚本日志定位中断位置增加异常捕获生成前校验路径和 JSON 格式视频文件太大或格式不支持编码格式不统一使用 ffprobe 查看编码信息统一转码为 H.264 AAC显存不足或本地生成卡住单条视频生成耗用显存过高查看任务管理器或 GPU 监控降低分辨率缩小视频时长或改用在线服务生成结果包含水印或文字提示词触发或底模本身问题检查负向提示词在 negative_prompt 中加入 watermark, text, logo这里真正容易踩坑的地方是第一项很多人以为角色不一致是模型问题其实多半是提示词问题。AI 模型很擅长把“银发、蓝眼、黑发带”这些关键词组合起来但如果你每一条提示词的动作描述太长模型就会优先执行动作忽略外貌特征。所以固定基础提示词必须放在动作描述之前并且尽量不要在动作描述里重复修改外貌关键词。9. 最佳实践与工程建议如果现在重新做一遍这部 OC 动画我会把下面这些原则提前固化到流程里而不是一边踩坑一边补救。第一先定角色再写剧本。剧本要围绕角色能力、性格和视觉辨识度展开。AI 生成时代角色设定越清晰后续所有环节的返工率越低。第二镜头短一点动作少一点。单条视频生成时长一般在几秒内与其让模型做一个复杂的长镜头不如把长镜头拆成多个短镜头。每个镜头只表达一个核心动作生成成功率会高很多。第三把重复工作变成脚本。角色卡、镜头表、提示词拼接、素材命名、抽帧检查这些工作都应该脚本化。哪怕最开始只是一个小小的 Python 脚本只要跑通一次后面每一次新项目都能复用。第四素材库和命名规范要前置。建议在项目开始的第一天就建好目录、确定命名规则。素材数量几十个时可能觉得无所谓但当数量超过两百个时一个好的文件结构能节约大量时间。第五养成“抽帧检查”的习惯。不要只看生成出来的短视频很流畅就进入下一步一定要抽帧确认关键帧是否稳定。很多动画成品的问题都是在抽帧检查阶段被发现的。第六注意内容合规。使用 AI 生成角色、声音、场景时请确认你使用的素材和工具符合服务条款避免使用未经授权的真人肖像、原创画作或商业素材。公开发布时也应标注 AI 生成内容尊重平台规则和他人版权。10. 总结与后续学习方向回到开头那个判断AI 动画真正的门槛不在生成而在流程设计。这篇文章拆解了一条从角色设定、镜头表、提示词工程、批量生成到配音合成的完整路径并提供了一份可以直接复用的项目结构和脚本模板。后续如果要继续做第二部分的后续作品我会把精力放在三个方向一是多角色交互场景让两个角色之间的对话和动作配合更自然二是角色声音模型让配音不再依赖单一 TTS 音色而是拥有稳定可复用的角色声线三是更复杂的镜头调度比如推拉摇移和转场设计让动画在叙事层面更有电影感。另外如果你对多角色 AI 交互叙事感兴趣可以参考我之前整理的练习项目 my_ai_town它是把“多角色交互 脚本生成”应用到项目中的一次尝试值得作为 AI 动画之外的另一条探索路线。AI 动画工具还会继续迭代但无论工具怎么变分镜意识、角色管理、素材规范、音画对齐这些工程化基本功都会一直发挥作用。把这套流程跑通一次之后你会发现自己不再是“碰运气式生成”而是真正在“制作”一部作品。收藏这份流程下次打开生成工具之前先花十分钟把角色卡和镜头表写好你会在导出成片时感谢自己。
