motion-assets
一部動畫的優劣,完全取決於裡面放了什麼。三個形狀加一種字體,無論緩動做得再好,終究只是個模板。
統治這項技能的規則:任何素材都不該以它原本的顏色、比例或紋理直接進入編輯。 每個素材都必須經過調色一致化處理。未經調色一致化的庫存素材,是讓畫面看起來像拼湊而非設計的最快途徑。
1. 在擷取任何素材前,先取色樣
這步要最先做。之後的每個決定都仰賴於此。
- 從 A-roll 中擷取 3–5 張靜態幀 (
ffmpeg -ss <t> -i in.mp4 -frames:v 1 out.png)。 - 找出最強烈的非膚色、非中性色調——實際光源、牆面洗光、夾克、產品、場景布置。
- 該色調即為強調色。根據
motion-design,從它衍生出底色/表面色/強調色的結構。 - 寫入
04-design/tokens.css和palette.json。下游所有流程都會讀取這些檔案。
如果沒有任何影片素材(純動態圖形作品),則從品牌規範中取色,或從最強的單一參考圖像中取色——依然是要取樣,而非憑空發明。
2. 在生成任何素材前,先收集參考
參考是整個管線中槓桿率最高的輸入。兩三張圖片勝過任何數量的文字描述。
向使用者索取參考。如果對方沒有,就自己去尋找:以名稱搜尋視覺風格(「Apple 風格的產品動畫」、「編輯型數據紀錄片」、「復古終端 UI」),從相符的影片中擷取幀數,截圖競爭對手網站。
將每張參考存到 03-assets/refs/,用它所教導的重點來命名:
refs/
glass-transparency.png ← 面板該有多透明
type-pairing.png ← 顯示字體與正文字體的關係
grain-and-vignette.png ← 紋理處理方式
camera-move.mp4 ← 推鏡的速度
這樣命名很重要:在設計階段時,你可以附上能回答當前問題的那張參考,而不是一次丟出五張圖片然後期待對方自己領悟。
當生成的結果不對時,附上參考並具體說明差異所在。「讓它更好看」只會導致偏離目標。「參考圖 1 中的玻璃更透明且具有可見的邊緣高光;請比照辦理」才能解決問題。
3. 擷取具體素材
對於每個鏡頭,plan.json 中的 assets[] 清單必須解析為真實檔案。類別與來源如下——完整連結目錄請見附錄 A。
| 需求 | 從哪裡取得 |
|---|---|
| 品牌標誌 | 客戶,需為 SVG 格式。絕不描摹 PNG,絕不讓模型重繪標誌。 |
| 真實產品/公司標誌 | 官方品牌/新聞素材套件。模型繪製的標誌不是過時就是錯誤——這是常見且明顯的錯誤。 |
| 圖標 | 僅使用一個圖標集,並與字體粗細匹配。混用不同圖標集會立刻被識破。 |
| UI 螢幕截圖 | 捕捉真實畫面(Playwright MCP,或手動螢幕錄製)。與產品不符的模擬 UI 比沒有 UI 更糟。 |
| 3D 模型 | Sketchfab、Poly Haven、NASA 模型庫,或自行生成(Meshy、Hunyuan3D、Rodin) |
| PBR 紋理 / HDRI | Poly Haven、Adobe Substance 3D 素材 |
| 向量動畫 | LottieFiles (.json / .lottie) |
| 地圖 / 地球儀 | Mapbox(需要 Token),或使用 Three.js 的 3D 地球儀 |
| 圖表 | 真實數據。如果畫面中出現數字,它必須是真實數字——驗證它,並在 NOTES.md 中引用來源。 |
| 寫實靜態影像 | Midjourney / Nano Banana / GPT Image / Freepik-Magnific,始終附上風格參考 |
| 寫實動態 B-roll | 圖生影片(Seedance、Veo、Kling、Luma Ray、Runway) |
| 一致性的角色/產品 | 訓練 LoRA(見附錄 A)——僅靠參考圖像在不同角度下會產生偏差 |
| 旁白 | ElevenLabs 或克隆人聲;餵入比感覺所需更多的音訊素材 |
| 音效 | 使用正規音效庫,或自行生成。數量要少,混音要低。 |
| 音樂 | 使用已授權的音樂庫。在交付客戶前的渲染版本前,務必確認授權條款。 |
| 字型 | 已授權並自行託管。確認授權許可影片嵌入使用。 |
生成看起來不像人工生成的靜態影像
- 附上風格參考,並保持提示詞簡短。沒有參考的長提示詞會產生模型的平均品味;有強力參考的短提示詞則會產生你的品味。
- 從一個錨定圖像生成整批素材,而不是為每個素材獨立下提示詞——獨立提示詞正是導致不同鏡頭間色調漂移的原因。
- 對於任何會重複出現的主體,建立一個參考表(同一個角色的多個角度),並以此為基礎進行生成。
- 在合成前進行升頻,而不是之後。
- 檢查每個生成圖像中的文字。 扭曲錯亂的字型是最容易被識別的人工偽影。將其裁切掉、用真實字型覆蓋,或重新生成。
生成看起來不像人工生成的 B-roll
- 偏好一個較長的連續鏡頭,勝過拼接多個短片。拼接頭尾幀會在每個接縫處產生明顯的卡頓。
- 如果必須拼接,請使用前一段的真實最後一幀作為下一段的第一幀,然後在接縫處刪除一個重複的幀。
- 符合你真實素材的鏡頭語言——如果 A-roll 是固定機位,就不要回傳一個漂浮的環繞鏡頭。
- 保持生成的片段簡短且如切入鏡般大小。生成的鏡頭持續越久,觀眾就越會仔細檢查它。
4. 調色一致化——沒人做的工序
每個素材,無一例外,在進入場景前都必須:
- 重新調色以符合色票。 將庫存和生成的圖像透過色相偏移、雙色調或疊加色調,使其趨向
tokens.css。一張保持原始色溫的庫存照片,遠遠就能被認出來。 - 匹配黑階與對比度至參考畫面。
- 加上與編輯中其他部分相同的顆粒/紋理。
- 標準化縮放——圖標使用統一的視覺大小,標誌遵循統一的留白規則。
- 去除背景以使其融入場景(u2net /
hyperframes remove-background/ Runway),然後加上接觸陰影。 - 清理邊緣——沒有因去背不佳而產生的白色光暈,沒有標誌上的 JPEG 雜訊。
- 3D:以場景的光源方向進行渲染,並使陰影方向與其他部分一致。
- 音訊:標準化音量、剪掉空白開頭,並在對話時進行閃避處理。
將任何非顯而易見的調色一致化步驟記錄在 NOTES.md 中,以便重新渲染時可以重現。
5. 儲存以便後續代理能找到
03-assets/
brand/ logo.svg, fonts/, brand.json (十六進位色碼、留白規則、禁止事項)
refs/ 以它所教導的重點命名.png
gen/ image.png + 旁邊放 prompt.txt (模型、種子、風格參考)
3d/ model.glb + renders/
lottie/ name.json
sfx/ impact-01.wav
每個生成檔案旁放 prompt.txt 是不可妥協的。沒有它,你就無法在三週後重新生成一個匹配的變體,整個素材集就會開始漂移。
6. 授權
在任何素材送達客戶交付物之前,請確認:字型已授權用於影片、音樂已授權給該平台與地區、庫存素材已授權用於商業用途、3D 模型授權允許在渲染中重新分發,且未在未經許可的情況下生成任何真實人物的肖像。將這些記錄在 NOTES.md 中。這是面向客戶的風險,而非技術細節。
當素材就是問題所在時
如果一個畫面設計良好、動畫流暢,但看起來仍像人工生成,那問題幾乎總是以下其中之一:
- 純色平塗背景——沒有漸層、沒有紋理、沒有深度層。
- 圖標系列與字體風格不匹配。
- 庫存或生成的圖像保留了原始顏色。
- 標誌是模型繪製的,而非真實的 SVG。
- 所有素材都以相同比例居中在對稱的網格上。
在調整動畫之前,先修正素材。
附錄 A · 素材來源目錄
請在來源網站確認價格與授權條款——兩者都可能變動。連結為官方首頁;標記 ~ 的是搜尋目標,而非可完全信任的固定網址。
3D 模型與場景
| 來源 | 網址 | 備註 |
|---|---|---|
| Sketchfab | https://sketchfab.com | 龐大的模型庫;篩選「可下載 + 免費授權」。請逐一檢查每個模型的授權條款。 |
| Poly Haven | https://polyhaven.com | CC0 授權的模型、HDRI、PBR 紋理。無需標註來源。最佳預設選擇。 |
| NASA 3D Resources | https://science.nasa.gov/3d-resources/ | 免費的太空船、地形、任務素材。通常分為多個零件——在動畫前需將它們歸類到一個空物件下。 |
| Adobe Substance 3D Assets | https://substance3d.adobe.com/assets | 材質;有大量的免費層級。可直接用於 After Effects 的 3D 圖層。 |
| Meshy | https://meshy.ai | 文字轉 3D 與圖片轉 3D,附帶紋理與人形/四足骨架綁定及內建動作庫。 |
| Hunyuan3D (騰訊) | https://huggingface.co/tencent | 開源權重的圖片轉 3D。幾何形狀表現良好;紋理是弱項。 |
| Hyper3D / Rodin | https://hyper3d.ai | 文字/圖片轉 3D,可作為 Blender 整合中的 MCP 使用。 |
| Mesh-to-Motion | ~ 搜尋 "mesh to motion rig" | 為人形綁定師不願處理的非人形網格(鳥類、生物)提供綁定。 |
多視圖技巧: 單一正面圖像會產生錯誤的背面。先生成主體的 90°/180° 旋轉視圖,然後餵給模型 3–4 個視角。這是獲得可用素材與只能從單一角度拍攝的素材之間的差異。
紋理、HDRI、背景
- Poly Haven — https://polyhaven.com (CC0 HDRI + PBR)
- ambientCG — https://ambientcg.com (CC0 材質)
- Unsplash / Pexels — https://unsplash.com , https://pexels.com (免費照片;仍需重新調色)
向量動畫
- LottieFiles — https://lottiefiles.com (瀏覽), https://app.lottiefiles.com (編輯器)
- Remotion Lottie 支援:
npx remotion lottie/@remotion/lottie - HyperFrames:
lottie適配技能涵蓋確定性尋軌
Lottie 檔案小、解析度無關,且可重新上色——將它們重新著色以符合 tokens.css,而不是使用它們出廠時的顏色。
圖標與字型
| 來源 | 網址 |
|---|---|
| Google Fonts | https://fonts.google.com |
| Fontshare | https://fontshare.com (免費商業使用) |
| Lucide icons | https://lucide.dev |
| Phosphor icons | https://phosphoricons.com |
| Simple Icons (品牌標記) | https://simpleicons.org |
每個專案使用一個圖標家族,並與字體粗細匹配。對於真實的公司標誌,請使用該公司自己的品牌素材包——絕不使用模型的重繪版本。
AI 圖片
| 工具 | 網址 | 最擅長 |
|---|---|---|
| Midjourney | https://midjourney.com | 美學品質;風格參考是其強項 (--sref) |
| Google AI Studio / Gemini image | https://aistudio.google.com | 強烈的提示詞遵循度、角色/主體一致性、編輯能力 |
| Freepik + Magnific | https://freepik.com , https://magnific.ai | 並排使用多個模型、升頻、攝影機角度更改、空間/節點畫布 |
| Higgsfield | https://higgsfield.ai | 多模型圖片與影片、與代理的 MCP 整合 |
| Replicate | https://replicate.com | 存取大多數開放模型的 API |
| fal.ai | https://fal.ai | 快速的無伺服器推論;也支援 LoRA 訓練 |
| ComfyUI | https://comfy.org , https://github.com/comfyanonymous/ComfyUI | 本機、免費、基於節點、完全控制;可執行你自己的 LoRA |
AI 影片
| 工具 | 網址 | 備註 |
|---|---|---|
| Runway | https://runwayml.com | 影片轉影片風格轉換、物件替換、背景去除、多鏡頭剪輯 |
| Luma Dream Machine | https://lumalabs.ai/dream-machine | 起始幀 + 結束幀插值 |
| Kling | https://klingai.com | 圖片轉影片 |
| Google Veo | 通過 https://aistudio.google.com / https://labs.google | 原生音訊生成 |
| Seedance | 通過 Higgsfield / fal / Replicate | 長單鏡頭拍攝——接縫比拼接片段少 |
始終優先選擇一個長鏡頭而非拼接片段。 每個拼接處都是一個明顯的卡頓。
音訊
| 需求 | 來源 |
|---|---|
| 旁白 / 克隆 | ElevenLabs — https://elevenlabs.io |
| 本機 TTS | npx hyperframes tts (Kokoro),或 Piper |
| 音樂 (已授權) | Epidemic Sound https://epidemicsound.com , Artlist https://artlist.io |
| 音效 (免費) | Freesound https://freesound.org (請逐一檢查每個檔案的授權) |
| 轉錄 | Whisper — https://github.com/openai/whisper , whisper.cpp — https://github.com/ggerganov/whisper.cpp ,或 npx hyperframes transcribe |
數據與網頁擷取
| 需求 | 工具 |
|---|---|
| 即時網站/應用程式的真實螢幕截圖 | Playwright MCP — https://github.com/microsoft/playwright-mcp |
| 地圖、衛星影像、3D 城市飛覽 | Mapbox — https://mapbox.com (免費 Token 層級) |
| 圖表 | 真實的來源數據;使用 Remotion 搭配圖表函式庫或 dataviz 技能來渲染 |
公用程式
| 需求 | 工具 |
|---|---|
| 任何影片相關指令列操作 | FFmpeg — https://ffmpeg.org |
| 背景去除 | u2net / rembg — https://github.com/danielgatis/rembg , npx hyperframes remove-background,或 Runway |
| 升頻 | Topaz — https://topazlabs.com ,或 Magnific |
一致性的主體:訓練 LoRA
當一個臉孔、產品或風格必須在數十個鏡頭間保持一致時,參考圖像是不夠的——一旦角度或光線改變,就會產生偏差。請改為訓練一個小型 LoRA。
工作流程大綱:
- 收集 15–35 張主體的多樣化、高品質圖片(不同角度、光線、距離)。品質與多樣性比數量更重要。
- 選擇一個罕見的觸發詞——絕不要使用像
face或style這樣的常見詞,否則模型會在普通提示詞下觸發。請使用類似mkxr_person這樣的詞。 - 以基礎模型(Flux、SDXL、Qwen-Image 等)進行訓練。對於一個主體,大約 1000 步是一個正常的起點。
- 在租用的 GPU(fal.ai、Replicate)上訓練,而非本機,除非你有相應硬體——只需幾分鐘和幾美元,而非數小時。
- 輸出是一個
.safetensors檔案。將其放入 ComfyUI 的models/loras/目錄,在工作流程中載入它,設定強度約 0.8–1.0,並在提示詞中包含觸發詞。
在何處能發揮最大效益: 包含你自己臉孔的縮圖、客戶產品在整個活動中的呈現、一系列插圖風格、短篇系列中的重複角色。