motion-assets
一个动画的质量取决于其内容。无论缓动做得多么出色,只有三个形状和一个字体,那终究只是一个模板。
整个技能的黄金法则:任何素材在进入编辑环节前,都必须调整其颜色、比例和纹理。 每个资产都要经过适配。未经过适配的库存素材是让画面看起来像是拼凑而非设计的捷径。
1. 在获取任何素材前,先采样调色板
首先执行此步骤。后续的每个决策都依赖于它。
- 从A-roll中提取3-5张静帧 (
ffmpeg -ss <t> -i in.mp4 -frames:v 1 out.png)。 - 找出最强且非肤色、非中性的色调——比如现场灯光、墙面色彩、夹克、产品、布景。
- 该色调即为强调色。根据
motion-design的规则,从该色调构建地面/表面/强调色。 - 编写
04-design/tokens.css和palette.json。所有下游流程都会读取这些文件。
如果没有现成镜头(纯动态设计作品),则从品牌套件或最有力的参考图像中提取调色板——同样需要采样,切勿凭空编造。
2. 在生成任何内容前,先收集参考
参考是整个流程中投入产出比最高的环节。两三张图片胜过任何长篇大论的描述。
向用户索要参考。如果他们手头没有,就去寻找:根据名称搜索目标风格(例如“苹果风格产品动画”、“社论数据纪录片”、“复古终端UI”),从风格匹配的视频中提取帧,截图竞争对手的网站。
将每个参考保存到 03-assets/refs/ 中,以其所教授的内容命名:
refs/
glass-transparency.png ← 面板应具有的透明度
type-pairing.png ← 展示/正文的关系
grain-and-vignette.png ← 纹理处理效果
camera-move.mp4 ← 运镜的节奏
这样命名至关重要:在设计时,你可以直接引用能回答当前问题的那个参考,而不是丢出五张图片寄希望于良机。
当生成结果错误时,附上参考并明确指出具体差异。 “让它更好看”会导致方向漂移。而“参考-1中的玻璃更透明,并且有明显的边缘高光;请匹配这个效果”则能解决问题。
3. 获取具体资产
对于每个镜头,plan.json 中的 assets[] 列表必须解析为实际文件。类别及其来源——完整链接目录见附录A。
| 需要 | 获取渠道 |
|---|---|
| 品牌Logo | 向客户索取,SVG格式。切勿从PNG描摹,切勿让模型重绘Logo。 |
| 真实产品/公司Logo | 官方品牌/新闻资料包。模型会绘制过时或错误的Logo——这是一个常见且明显的错误。 |
| 图标 | 仅使用一个图标集,并与字重匹配。混用不同图标集一眼就能看出。 |
| UI截图 | 捕获真实界面 (Playwright MCP, 或手动录屏)。与产品不一致的模拟UI比没有UI更糟糕。 |
| 3D模型 | Sketchfab, Poly Haven, NASA模型库, 或生成 (Meshy, Hunyuan3D, Rodin) |
| PBR纹理 / HDRI | Poly Haven, Adobe Substance 3D assets |
| 矢量动画 | LottieFiles (.json / .lottie) |
| 地图 / 地球仪 | Mapbox (需要token), 或者在Three.js中使用3D地球仪 |
| 图表 | 真实数据。如果数字显示在屏幕上,它必须是真实数字——验证它,并在 NOTES.md 中注明来源。 |
| 照片级静帧 | Midjourney / Nano Banana / GPT Image / Freepik-Magnific, 始终使用风格参考 |
| 照片级动态B-roll | 图像到视频 (Seedance, Veo, Kling, Luma Ray, Runway) |
| 一致性的重复角色/产品 | 训练LoRA (见附录A) —— 仅靠参考图像在不同角度下会漂移 |
| 旁白 | ElevenLabs 或克隆的语音;输入比感觉上更多的源音频 |
| 音效 | 合适的素材库,或生成。使用要稀疏,混音要低。 |
| 音乐 | 有版权的素材库。在交付给客户前确认许可。 |
| 字体 | 有版权并且自托管。确认许可允许视频内嵌。 |
生成看起来不像“生成”的静帧
- 附加风格参考并保持提示词简短。没有参考的长提示词会产生模型的平均审美;而有强力参考的简短提示词则体现你的审美。
- 从一张锚定图像生成整套画面,而不是独立提示每个画面——独立提示是导致镜头间调色板漂移的原因。
- 对于任何重复出现的主题,制作一个参考图集(同一主题的多角度视图),并以此为基础进行生成。
- 在合成之前而非之后进行放大。
- 检查每张生成的图像是否有文字。 出现乱码的字体是最易识别的生成痕迹。裁剪掉、用真实字体覆盖或重新生成。
生成看起来不像“生成”的B-roll
- 首选一个较长的连续镜头,而不是拼接短片段。拼接的首帧/尾帧连接会在每个接缝处产生可见的卡顿。
- 如果必须拼接,使用真实尾帧作为下一个的首帧,然后在接缝处删除一个重复帧。
- 匹配你真实镜头的摄影机语言——如果主镜头是固定的,就不要使用一个漂移的环绕镜头。
- 保持生成的片段短小且适合切换镜头使用。生成镜头持续时间越长,观众审视的目光就越多。
4. 适配——这是没人做的步骤
每个资产,无一例外,在进入场景前:
- 重新调色到调色板。 对库存和生成的图像进行色调偏移、双色调处理或叠加色调,使其趋近
tokens.css。一张保持原始色温的库存照片会与画面格格不入。 - 匹配黑电平和对比度到主导画面。
- 添加与编辑其余部分相同的颗粒/纹理。
- 标准化比例 —— 图标统一光学尺寸,Logo统一边距规则。
- 去除背景以便它在场景中正确放置 (u2net /
hyperframes remove-background/ Runway),然后添加接触阴影。 - 清理边缘 —— 去除低质量抠像导致的白边,Logo上的JPEG伪影。
- 3D: 使用场景的光照方向进行渲染,匹配其他地方使用的阴影方向。
- 音频: 标准化音量,剪辑头部空白,并确保其不干扰对话。
在 NOTES.md 中记录任何非显而易见的适配操作,以便重新渲染时可以复现。
5. 按照规范存储,方便后续代理查找
03-assets/
brand/ logo.svg, fonts/, brand.json (色值, 留白规则, 禁止事项)
refs/ 以其所教授的内容命名.png
gen/ image.png + 旁边的 prompt.txt (包含模型, 种子, 风格参考)
3d/ model.glb + renders/
lottie/ name.json
sfx/ impact-01.wav
每个生成文件旁的 prompt.txt 是必须的。没有它,你无法在三周后生成匹配的变体,整套画面就会漂移。
6. 许可
在将任何素材交付给客户前,确认:字体的视频使用许可、音乐的平台和地区使用许可、库存素材的商业使用许可、3D模型许可允许在渲染中重新分发,以及没有在未经许可下使用任何真实人物的肖像。在 NOTES.md 中记录。这是面向客户的风险,而非技术细节。
当资产本身就是问题时
如果一个画面设计精良、动画流畅,但看起来仍然像是生成的,那么问题几乎总是以下之一:
- 纯色扁平背景——没有渐变、没有纹理、没有景深图层。
- 来自与字体不同系列的图标。
- 保留原始颜色的库存或生成图像。
- 模型绘制的Logo,而非真实的SVG。
- 每个资产都以相同比例居中在对称网格上。
在调整动画之前,先解决资产问题。
附录A · 资产来源目录
请在来源处验证价格和许可——两者都可能变化。链接是官方网站首页;标记为 ~ 的是搜索目标,而非需要信任的URL。
3D模型和场景
| 来源 | URL | 备注 |
|---|---|---|
| Sketchfab | https://sketchfab.com | 海量库;筛选 可下载 + 免费许可。每个模型检查许可。 |
| Poly Haven | https://polyhaven.com | CC0 模型、HDRI、PBR纹理。无需署名。最佳默认选择。 |
| NASA 3D Resources | https://science.nasa.gov/3d-resources/ | 免费的航天器、地形、任务资产。通常分为多个部分——在动画前将它们统一到一个父级下。 |
| Adobe Substance 3D Assets | https://substance3d.adobe.com/assets | 材质;大量免费层级。可直接放入After Effects的3D图层。 |
| Meshy | https://meshy.ai | 文本到3D和图像到3D,外加纹理和人类/四足角色绑定,附带库存动画库。 |
| Hunyuan3D (腾讯) | https://huggingface.co/tencent | 开源权重图像到3D。几何形状不错;纹理是弱点。 |
| Hyper3D / Rodin | https://hyper3d.ai | 文本/图像到3D,作为Blender集成内的MCP可用。 |
| Mesh-to-Motion | ~ 搜索 "mesh to motion rig" | 为非人类网格(鸟类、生物)提供绑定,这些是人类绑定师不愿碰的。 |
多视角技巧: 单张正面图像会产生错误的背面。先生成主题90°/180°的旋转视图,然后向模型输入3-4个视角。这是区分可用资产和只能从一个角度拍摄的资产的关键。
纹理、HDRI、背景
- Poly Haven — https://polyhaven.com (CC0 HDRI + PBR)
- ambientCG — https://ambientcg.com (CC0 材质)
- Unsplash / Pexels — https://unsplash.com , https://pexels.com (免费照片;仍需重新调色)
矢量动画
- LottieFiles — https://lottiefiles.com (浏览), https://app.lottiefiles.com (编辑器)
- Remotion Lottie支持:
npx remotion lottie/@remotion/lottie - HyperFrames:
lottie适配器技能涵盖确定性查找
Lottie文件体积小、分辨率无关、可重新着色——将它们重新着色为 tokens.css 的颜色,而不是直接使用原始颜色。
图标和字体
| 来源 | URL |
|---|---|
| Google Fonts | https://fonts.google.com |
| Fontshare | https://fontshare.com (商业免费使用) |
| Lucide icons | https://lucide.dev |
| Phosphor icons | https://phosphoricons.com |
| Simple Icons (品牌标识) | https://simpleicons.org |
每个项目使用一个图标家族,并与字重匹配。对于真实公司Logo,使用公司自己的品牌套件——绝不要使用模型重绘的版本。
AI图像
| 工具 | URL | 专长 |
|---|---|---|
| Midjourney | https://midjourney.com | 美学质量;风格参考是其超能力 (--sref) |
| Google AI Studio / Gemini image | https://aistudio.google.com | 强大的提示词跟随能力,角色/主题一致性,编辑 |
| Freepik + Magnific | https://freepik.com , https://magnific.ai | 并排使用多种模型,放大,视角变化,空间/节点画布 |
| Higgsfield | https://higgsfield.ai | 多模型图像 + 视频,MCP集成到代理 |
| Replicate | https://replicate.com | 访问大多数开源模型的API |
| fal.ai | https://fal.ai | 快速无服务器推理;也支持LoRA训练 |
| ComfyUI | https://comfy.org , https://github.com/comfyanonymous/ComfyUI | 本地、免费、基于节点、完全控制;运行你自己的LoRA |
AI视频
| 工具 | URL | 备注 |
|---|---|---|
| Runway | https://runwayml.com | 视频到视频风格重绘,对象替换,背景移除,多镜头编辑 |
| Luma Dream Machine | https://lumalabs.ai/dream-machine | 起始帧到结束帧插值 |
| Kling | https://klingai.com | 图像到视频 |
| Google Veo | 通过 https://aistudio.google.com / https://labs.google | 原生音频生成 |
| Seedance | 通过Higgsfield / fal / Replicate | 长单次拍摄镜头——比拼接片段更少的接缝 |
始终优先使用一个长镜头,而非拼接片段。 每个拼接点都是一个可见的瑕疵。
音频
| 需要 | 来源 |
|---|---|
| 旁白 / 克隆 | ElevenLabs — https://elevenlabs.io |
| 本地TTS | npx hyperframes tts (Kokoro), 或 Piper |
| 音乐 (有版权) | Epidemic Sound https://epidemicsound.com , Artlist https://artlist.io |
| 音效 (免费) | Freesound https://freesound.org (检查每个文件的许可) |
| 转录 | Whisper — https://github.com/openai/whisper , whisper.cpp — https://github.com/ggerganov/whisper.cpp , 或 npx hyperframes transcribe |
数据和网页捕获
| 需要 | 工具 |
|---|---|
| 真实网站/应用的截图 | Playwright MCP — https://github.com/microsoft/playwright-mcp |
| 地图、卫星、3D城市飞越 | Mapbox — https://mapbox.com (免费token层级) |
| 图表 | 真实源数据;使用Remotion + 图表库,或 dataviz 技能渲染 |
实用工具
| 需要 | 工具 |
|---|---|
| 命令行处理任何视频 | FFmpeg — https://ffmpeg.org |
| 背景移除 | u2net / rembg — https://github.com/danielgatis/rembg , npx hyperframes remove-background, 或 Runway |
| 放大 | Topaz — https://topazlabs.com , 或 Magnific |
一致性主题:训练LoRA
当一张脸、一个产品或一种风格需要在数十个镜头中保持完全一致时,仅仅依靠参考图像是不够的——一旦角度或光线发生变化,它们就会漂移。此时应该训练一个小型LoRA。
任务概述:
- 收集15-35张主题的多样化、高质量图片(不同角度、光照、距离)。质量和多样性重于数量。
- 选择一个罕见的触发词——切勿使用像
face或style这样的常见词,否则模型会在日常提示词中误触发。使用类似mkxr_person这样的词。 - 基于基础模型训练(Flux, SDXL, Qwen-Image等)。对于一个主题,大约1000步是一个正常的起点。
- 在租用GPU上训练(fal.ai, Replicate),而不是本地运行,除非你有合适的硬件——只需几分钟和几美元,而非几小时。
- 输出是一个
.safetensors文件。将其放入 ComfyUI 的models/loras/目录,在工作流中加载,设置强度约0.8-1.0,并在提示词中包含触发词。
哪里会发挥价值: 包含你肖像的缩略图、客户产品在系列宣传片中的展示、整个系列中统一的插画风格、短剧中的重复角色。