AI动画生成：一个角色，从设定图到配音

AI动画生成是一条流水线：角色 → 场景 → 动画 → 声音 → 剪辑。每一步只要几分钟，主要的工作仍在你这边：想好故事，并盯住角色别一场换一个样子。我们用小狐狸邮差的短片走完了整条路。所有图片和视频都在 AI2Face 的生成器里完成，七次生成都是一次通过。

AI动画生成需要哪些模型

画面和视频用的不是同一个模型。

步骤	模型	原因
角色设定图、分镜画面	Nano Banana Pro 或 GPT Image 2.5	能按参考图稳住同一个角色，也能画任何风格
把场景做成有声视频	Veo 3.1	最长8秒、1080p，对白、音效和音乐跟视频一起出
长镜头、改已做好的视频	Gemini Omni	延长一场，以及用文字修改视频

其他视频模型见 AI视频生成 这篇汇总。

第1步. 剧本：每场8秒

Veo 3.1 生成的片子是4秒、6秒或8秒。所以一开始就把故事切成8秒一场：一场只做一个动作，对白不超过一句。

我们的剧本《狐狸邮差》，三场：

1. 清晨，下雪的森林村子。小狐狸从信箱里抽出一封信，高兴地喊：«Ура, письмо!»
2. 小狐狸拿着信，跑过结冰小溪上的绳索桥。
3. 傍晚，老橡树的树洞。小狐狸把信交给猫头鹰，猫头鹰道谢：«Спасибо, малыш! Заходи на чай».

我们的测试里对白是俄语；提示词里可以把对白写成任何语言。

一分钟的动画片大约是8–10场。剧本也可以交给文本模型来写，但要检查一场里没有同时塞进三个动作：视频模型会把它们挤在一起，或者只做其中一个。

第2步. 角色设定图

角色设定图是一张图，角色从几个角度出现，还带不同表情，也就是转面图（turnaround sheet）。后面每一场都用它做参考。

Character turnaround sheet for an original animated short film: a small red fox
cub mail carrier with big amber eyes, a fluffy white-tipped tail, wearing a tiny
blue postman cap and a brown leather satchel across the body. Stylized 3D animated
feature film look, soft subsurface fur shading. Show the same character in four
views in a row: front, three-quarter, side profile and back, plus three small head
close-ups with happy, surprised and sad expressions. Plain light grey background,
even studio lighting, consistent proportions in every view. No text, no labels.

描述里留3–4个好认的细节（这里是蓝帽子、棕色邮包、尾巴白尖）。靠它们能看出是不是同一个角色，模型也更容易保住。怎样构思和描写角色，见 AI角色生成。

第3步. 同一个角色的分镜画面

每一场都附上角色设定图，生成起始画面。提示词开头用同一句角色说明，后面再写这场戏。

Use the fox cub character from the reference sheet exactly: same face, fur colors,
blue postman cap and brown satchel, same stylized 3D animated feature film look.
Scene: early winter morning in a tiny snowy forest village of round wooden houses
with smoking chimneys, the fox cub stands at a wooden mailbox and happily pulls out
a single envelope sealed with red wax, soft pink sunrise light, gentle falling snow.
Wide cinematic shot, the character in the left third. No text.

风格和光线在这里定，不在视频里定：视频模型延续你给它的那张画面。某一场不满意，只重做这一场，其他的别动。

第4步. 让画面动起来：提示词怎么写

把这场的画面交给视频模型，用图生视频。提示词里只写运动：角色做什么、镜头怎么动、背景发生什么。样子已经在画面上。

Animated feature film style: the fox cub pulls the envelope out of the mailbox,
looks at it with delight, hugs it to its chest and happily says in Russian in a
child's voice: Ура, письмо! Then it hides the letter in the satchel and hops off
to the right. Gentle snowfall, smoke from chimneys. Sound: crunchy snow under paws,
soft cheerful orchestral music, the fox's line. Keep the character design exactly
as in the image. No text, no subtitles.

桥上这场只要动作和声音，不用对白：

Animated feature film style: the fox cub runs across the swaying rope bridge from
left to right holding its cap against the wind, a plank creaks and bounces, snow
falls from the ropes, the camera tracks sideways following the fox, at the end the
fox jumps onto the snowy bank and keeps running. Sound: wind whistle, creaking wood,
fast playful pizzicato music. No dialogue, no subtitles.

这次管用的写法：

• 一场一个动作，顺序用 “then”、“at the end” 写出来。
• 镜头运动单独一句：“the camera tracks sideways”、“slowly pushes in”。
• “Keep the character design exactly as in the image”：防止模型把角色重画一遍。
• “No subtitles”：不然模型可能把对白做成字幕。

第5步. 声音和对白

Veo 3.1 的声音和视频一起生成：说话、音效和音乐。要让角色开口，就在提示词里写清谁说、什么嗓音、哪种语言，以及原句。

Animated feature film style: the old owl takes the envelope from the fox cub,
adjusts its round glasses, smiles warmly and says in Russian in an old kind voice:
Спасибо, малыш! Заходи на чай. The fox cub's ears perk up and it nods happily.
Sound: the owl's line, a crackling fireplace inside, soft warm music.

• 一场一两句短对白。 长独白塞不进8秒。
• 用词描写嗓音：“孩子的”、“年长而和气的”、“沙哑的”。
• 长对话自己录音，剪辑时叠上去，视频里写 “no dialogue”。

第6步. 剪辑和成片

按剧本顺序在视频软件里把各场剪到一起。我们把三段硬切接上，一共24秒。

剪辑时可以补这些：

• 一条铺全片的音乐。 每场自带音乐，切点上会断。把各场声音压低，整片铺一条，对白留下。
• 转场。 场与场之间短淡出，换地点会顺一些。
• 字幕条。 片名和“完”在剪辑软件里做，不要在生成里做。
• 检查切点。 如果角色在一场结尾站在右边，下一场开头却在左边，就插一个全景，或者重做画面。

用照片和儿童画做动画片

• 用照片。 上传孩子或宠物的照片，要求画成3D动画片风格，得到的就是角色设定图，后面按第3–6步做。照片换成不同风格的做法见 AI 照片风格转换。
• 用儿童画。 给画拍张照，直接做成视频，角色会保住孩子的画风。例子见 照片变视频。
• 给孩子看。 短场次、亮颜色、清楚的表情、一场一个意思，比复杂情节更合适。

局限

• 一场8秒。 更长的片子靠剪辑，或者把一场延长。
• 角色可能走样。 我们的测试里设定图稳住了每一场的角色，但系列一长，每场都要对照着设定图看。
• 没有设定图的配角会变。 猫头鹰我们只写了文字，再见面就需要它自己的设定图。
• 切点上声音对不上。 每场音乐不同，统一音轨在剪辑时再铺。
• 废片免不了。 一场留出1–2次重做，角色一多更要留。

在哪里做AI动画生成

Nano Banana Pro、GPT Image 2.5、Veo 3.1 和 Gemini Omni 都在 AI2Face 的同一个生成器里：角色设定图、分镜和视频在同一条信息流，任意一张画面都可以一键送进下一次生成。每次生成的费用在开始前显示，可以用银行卡或加密货币支付，套餐积分不会过期。服务里的视频生成怎么运作，见 AI2Face 视频生成。

总结

AI动画生成走的是工作室的同一套步骤，只是每一步只要几分钟：我们的24秒是一张角色设定图、三张画面和三段视频，七次生成都是一次通过。片子能接上，靠的是每场都附上角色设定图，以及一场8秒、只做一个动作。角色和场景用 Nano Banana Pro 来画，带声音的动画用 Veo 3.1，统一的音乐和字幕条留到剪辑。第一部片子做三到四场就够，先从这里开始，再写系列。