# AI动画生成：一个角色，从设定图到配音

> AI动画生成一个晚上就能做完：故事自己来想，模型画角色和场景，再连声音和对白一起做成视频。我们在 AI2Face 做了三场小狐狸邮差短片：角色设定图和画面用 Nano Banana Pro，带声音的视频用 Veo 3.1。下面每一步都附有提示词。

发布于 2026-10-26 · 更新于 2026-10-26
URL: https://ai2face.com/zh/blog/create-cartoon-ai

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](/zh/models/nano-banana-pro) 或 [GPT Image 2.5](/zh/models/gpt-image) | 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](/zh/models/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](/zh/models/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](/zh/blog/nejroseti-dlya-video) 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.
```

![角色设定图：戴蓝帽子、背棕色邮包的小狐狸邮差，正面、四分之三、侧面和背面，外加三个头：高兴、惊讶、难过](https://ai2face.com/_astro/sheet.LhRmrtKF_1lod0i.jpg "Nano Banana Pro：一张图上四个角度和三种表情，后面每场的参考")

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](/zh/blog/sozdat-personazha-nejroset)。

## 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.
```

![第1场：小狐狸在木信箱旁抽出一封红蜡封的信，黎明时分、圆木屋的雪村](https://ai2face.com/_astro/scene-1.-T6asRIk_1FjMMu.jpg "第1场：帽子、邮包和毛色与设定图一致")

![第2场：小狐狸跑过结冰小溪上的积雪绳桥，一只爪子按着帽子](https://ai2face.com/_astro/scene-2.CvfZuW2y_296iD9.jpg "第2场：侧面的动态角度，还是同一个角色")

![第3场：小狐狸把信封递给戴眼镜、围针织围巾的老猫头鹰，圆树洞门前，里面透出暖光](https://ai2face.com/_astro/scene-3.DXiD_UQs_Z2fbrF7.jpg "第3场：新角色猫头鹰，直接用文字写在这场的提示词里")

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.
```

[小狐狸从信箱抽出信，高兴起来，把信塞进邮包，向右跑进雪地](https://ai2face.com/_astro/media/blog/create-cartoon-ai/scene-1.mp4 "Veo 3.1，8秒，有声：小狐狸的对白、踩雪声和音乐")

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.
```

[小狐狸按着帽子跑过摇晃的桥，镜头跟着走，最后跳到雪地上](https://ai2face.com/_astro/media/blog/create-cartoon-ai/scene-2.mp4 "Veo 3.1，8秒：风声、木板吱呀和快节奏音乐")

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.
```

[猫头鹰从小狐狸手里接过信，推了推眼镜道谢，小狐狸高兴地点头](https://ai2face.com/_astro/media/blog/create-cartoon-ai/scene-3.mp4 "Veo 3.1，8秒：猫头鹰的对白、壁炉噼啪声和暖音乐")

- **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。

[短片《狐狸邮差》：小狐狸拿到信，跑过桥，把信交给猫头鹰](https://ai2face.com/_astro/media/blog/create-cartoon-ai/full.mp4 "三段 Veo 3.1 硬切接在一起：24秒，有声")

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](/zh/blog/foto-v-stile-nejroset)。
- **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](/zh/blog/ozhivit-foto)。
- **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](/zh/models/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](/zh/blog/generaciya-video-v-ai2face)。

## 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。

## 常见问题

### 怎样用AI做动画片？

把故事拆成8秒一场，先做角色设定图，再按设定图画出每场的起始画面，然后用带声音的视频模型把画面动起来。做好的场次在任意视频软件里剪到一起。

### 怎样让同一个角色出现在所有场次？

每次生成画面都把角色设定图作为参考，并写上“use the character from the sheet exactly”。在我们的测试里，小狐狸的毛色、帽子和邮包在三场画面和三段视频里都保住了。

### 可以免费用AI做动画片吗？

短片可以。AI2Face 注册后赠送欢迎积分：够做角色设定图和各场画面，视频先用一场试。每次生成的价格在开始前显示。

### AI能为角色配音吗？

能。Veo 3.1 会把对白、音效和音乐跟视频一起生成，在提示词里写清谁说什么即可。我们的测试里对白是俄语。长对话最好自己录音，剪辑时再叠上去。

### AI做的动画片有多长？

看你剪多少场。Veo 3.1 一场最长8秒，我们的三场短片是24秒。一分钟大约是8–10场。

## 资料来源

- https://ai.google.dev/gemini-api/docs/veo
- https://developers.googleblog.com/introducing-veo-3-1-and-new-creative-capabilities-in-the-gemini-api/
- https://blog.google/innovation-and-ai/products/nano-banana-pro/
- https://blog.google/innovation-and-ai/technology/developers-tools/build-with-gemini-omni-1-1-flash/