先確定動作、運鏡、環境反應和結束畫面，再讓靜態圖片變成完整鏡頭。
作者：Sonya，MkAnime 內容貢獻者 · 發布於 2026 年 8 月 8 日
說明：我參與 MkAnime 的內容工作，本文會介紹其 GPT Image2 to Video 工具。文章借助 AI 完成整理與編輯，並由我依據 2026 年 8 月 8 日的實際產品流程核對。
把一張動漫圖片轉成影片，首先要回答：這個鏡頭裡究竟要發生什麼變化？ 靜態圖片已經定義了人物外觀和畫面構圖；影片還需要時間、動作、鏡頭、環境回饋以及明確的結束狀態。
可以先寫出這五項：
身份錨點 + 連貫動作 + 鏡頭職責 + 環境回饋 + 結束畫面
缺少其中一項，生成系統就需要自行補全。畫面可能依然好看，但更容易出現臉部漂移、隨意運鏡、服裝亂動，或結尾無法銜接下一鏡的問題。
看源圖準備如何影響最終成片
在增加更多動作前，先對照視覺方案與成片。這張原創冰淇淋分鏡把角色、產品、場景、五個鏡頭、鏡頭語言、聲音提示和結尾都集中在一張圖中。
源圖讓影片生成前的視覺與時間設計變得可檢查。
成片沿著已確認的順序，從場景揭示推進到角色動作和產品結尾。
先判斷圖片是否適合承載動作
完成度高的插畫不一定適合直接動畫化。先把它當作製作素材檢查。
主體是否清晰
人物、道具或產品需要有易讀的輪廓。手與衣服粘連、頭髮融入背景、臉部已經嚴重模糊，都會減少影片可以穩定繼承的資訊。
寫動作前，記錄三個可見的身份錨點。例如：
- 銀色短髮，左側有紅色發夾；
- 鐵鏽紅短夾克，內搭深色立領；
- 黑色肩帶從右肩斜跨到左胯。
這些細節能形成明確的驗收標準。“保持人物一致”很難判斷；“發夾始終在左側，肩帶方向不變”可以逐幀檢查。
畫面是否留有運動空間
動作需要空間。腳已經被裁掉時，很難完成全身跳躍；臉部鋪滿畫面時，推進鏡頭也不會帶來多少新資訊。
| 目標動作 | 更合適的源圖構圖 |
|---|---|
| 表情變化或對白表演 | 臉和肩部清晰的中近景 |
| 手與道具互動 | 雙手可見的中景 |
| 行走、轉身或身體動作 | 能看到地面接觸的全身或四分之三身 |
| 鏡頭穿過環境推進 | 前景、主體、背景層次明確 |
| 動態海報或循環 | 主次居中，留白可控 |
景深關係是否明確
檢查哪些元素屬於前景、中景和背景。如果層次邊界含混，先固定鏡頭，只做一個主體動作。複雜運鏡會把原圖里輕微的空間矛盾放大。
重要文字是否在畫面內
標誌、字幕、招牌和對話框在運動中容易變形。重要文案盡量在後製階段加入。必須保留時，應使用穩定構圖和極小形變，並逐幀檢查。
分鏡可以預先確定人物、環境和鏡頭順序；動作說明仍需交代這些畫面如何連成一段影片。
寫出一條看得見的動作鏈
很多提示詞只堆疊氛圍，沒有說明事件。
較弱的寫法：
電影感、情緒強烈、動態豐富的高品質動漫場景。
更有效的寫法：
快遞員看到站台燈閃爍，回頭看向左側，用左手拉緊包帶，朝站台邊緣邁出一步；列車燈進入背景後，人物停下。
第二種寫法包含順序、方向、觸發原因和終點。短影片中優先安排一個主要動作，最多再配兩個輔助動作。人物、鏡頭、衣物、粒子、背景和光線同時大幅變化，會迅速增加失控概率。
只給鏡頭一個職責
運鏡應該幫助觀眾讀懂動作。常用職責包括：
- **固定：**保護構圖，讓人物完成表演；
- **推進：**強調表情、道具或決定；
- **拉遠：**揭示尺度或新資訊；
- **跟隨：**伴隨主體穿過空間；
- **搖攝或俯仰：**在畫面內兩個元素之間轉移注意力；
- **短弧線：**圍繞相對穩定的主體展示景深。
不要在一個短鏡頭中同時要求推進、環繞、升降、甩鏡和拉遠。想要固定鏡頭時，直接寫清楚：
三腳架鎖定機位，構圖和地平線固定，不變焦、不搖攝、不環繞。只有人物眼睛、呼吸和夾克下擺輕微運動。
提示詞提供方向，最終結果仍需檢查。
讓環境對動作作出因果反應
小幅環境運動能增強可信度，例如人物轉頭後發梢跟隨、列車駛入後衣擺和紙張受到氣流影響、光源進入後反射改變。
先寫原因，再寫結果：
列車進入後，外套下擺和站台紙張受到氣流影響。
環境運動要服從故事重點。如果這個鏡頭要表現人物發現信號，過量粒子和強風反而會遮住表演。
明確最後一幀
沒有終點的動作容易持續到最後一幀，讓鏡頭看起來沒有落穩。把結尾寫成靜態構圖：
結束在穩定的中近景。快遞員面向隧道，左側紅色發夾清晰可見，手停在包帶上，接近的列車燈從右肩後方形成暖色輪廓光，並短暫停留。
這個結束畫面可以為標題留出空間、匹配下一鏡姿勢，或回應開場提出的問題。
可直接套用的動漫圖片轉影片模板
Create a [DURATION]-second original anime shot using the approved visual design.
IDENTITY: Preserve [THREE VISIBLE IDENTITY ANCHORS]. Keep the same face, body proportions, outfit construction, palette, and side-specific details.
START: Begin from [OPENING COMPOSITION AND CHARACTER STATE].
ACTION: [PRIMARY ACTION], then [SUPPORTING ACTION], caused by [VISIBLE TRIGGER]. Keep the action readable and physically connected.
CAMERA: [ONE CAMERA ROLE]. Keep [HORIZON / FRAMING / SUBJECT POSITION] stable.
ENVIRONMENT: [ONE OR TWO SECONDARY RESPONSES] after the primary action.
END: Finish on [SHOT SIZE, POSE, PROP POSITION, BACKGROUND RELATIONSHIP, AND HOLD].
VISUAL FINISH: [LINEWORK, SHADING, COLOR, LIGHT, AND MOTION TREATMENT].
AVOID: [UNWANTED CAMERA MOVES, EXTRA SUBJECTS, TEXT DEFORMATION, IDENTITY CHANGES, OR SPECIFIC ARTIFACTS].
英文結構詞有助於把資訊分塊，方括號內容可按項目替換。完整示例和更多場景可以繼續查看動漫圖片轉影片提示詞模板。
實例：安靜的車站演出
Create a 10-second original 2D cel-shaded anime shot. Preserve the adult courier’s angular face, short silver hair with a small red clip on the left, cropped rust jacket, dark collar, and black shoulder strap crossing from right shoulder to left hip.
Begin in a steady medium shot on an elevated station before sunrise. A distant platform light flickers twice. The courier looks toward it, takes one quiet breath, tightens the bag strap with the left hand, and shifts one step toward the warning line. A train light appears in the tunnel and the courier stops.
Camera: one slow stable push from medium shot to medium close-up. No orbit, no pan, no sudden zoom, no cut. Environment: the jacket hem moves slightly after the train enters; one paper ticket slides along the floor; the warm tunnel light grows across the right side of the face.
End in a steady medium close-up with the courier facing the tunnel, red clip still visible on the left, left hand resting on the strap, and warm light behind the right shoulder. Clean linework, simple cel shadows, restrained motion, cool blue dawn palette with warm amber contrast. No subtitles, logos, extra people, duplicated accessories, face drift, or unreadable signs.
這段提示詞設定了清楚的觸發事件、簡短的動作鏈、一次運鏡、兩處環境反應和明確的結束畫面。如果第一次生成時人物臉部或肩帶發生變化，先簡化動作，再增加氛圍效果。
分五輪檢查結果
| 檢查輪次 | 核心問題 |
|---|---|
| 人物身份 | 臉、髮型、服裝、色彩、配飾和左右細節是否保留？ |
| 動作 | 因果是否清楚？手與道具的接觸是否可信？ |
| 鏡頭 | 運鏡是否幫助理解主體？地平線和構圖是否穩定？ |
| 環境 | 次要運動是否有原因，並且沒有蓋過主體？ |
| 終點 | 最終構圖是否到位、停穩，並能支援後續後製？ |
保留可用版本，每次只改一個變量。身份漂移時，減少身體和鏡頭運動；畫面太靜時，加強一個核心動作；結尾無力時，只重寫結束狀態。
多鏡頭使用同一角色時，可參考AI 動漫角色一致性工作流程，把永久身份資訊與單鏡頭的動作、光線和表情分開。
多個事件需要先做分鏡
一張肖像適合指導一次表演。包含多個事件的片段，更適合先用分鏡確定人物、環境、鏡頭順序和節奏。
腳本轉動漫分鏡指南介紹了如何把故事節點變成可檢查的鏡頭。分鏡確認後，可繼續使用分鏡圖片轉影片工作流程，為每個節拍分配職責、安排轉場並維持連續性。MkAnime 的 GPT Image2 to Video 工具也採用這個順序：輸入短故事、選擇風格、生成寬幅分鏡圖、審核分鏡，再依據整張分鏡製作 15 秒影片。目前公開流程會在工具內生成分鏡，無需先上傳一張完成的外部圖片。
更長的內容可以納入完整的 AI 動漫影片工作流程，統一保留角色、故事、鏡頭目的和連續性決定。
常見問題
所有動漫圖片都能轉成影片嗎？
圖片可以提供視覺方向，但清晰輪廓、可見雙手、明確景深和足夠運動空間會讓結果更容易控制。還應使用你創作或已獲得動畫改編授權的圖片。
應該要求多少運動？
先使用一個主要動作、一個鏡頭職責和一到兩個環境回饋。第一輪能保持人物與構圖後，再增加複雜度。
如何減少意外運鏡？
明確寫出鎖定三腳架、固定地平線和構圖、不變焦、不搖攝、不環繞，同時說明仍需保留的主體動作。生成後仍要檢查。
負面提示詞有用嗎？
使用簡短、可見的衝突項，例如額外人物、重復配飾、臉部漂移、鏡頭環繞、文字變形和裁切手部。正向說明仍應定義目標動作與構圖。
一張圖片和分鏡該怎麼選？
一次表演或單一構圖可用一張圖片；多個連續事件、機位變化或較強連續性要求，更適合用分鏡。
總結
一張動漫圖片具備清晰身份、空間和景深，再補上時間設計，才會成為可用的影片素材。寫清動作鏈，只給鏡頭一個職責，讓環境運動有因果，並在明確構圖上結束。
重點在於每一次變化都能被指導、檢查和用於後製。