用AI生成高质量风格化动画的三步实操法

照小红书博主Vincent公开的提示词和代码，用Claude的Opus 5.5试做4种风格的动画短片，再和自己手写提示词做的那三支网球视频对比，招牌特征、画面失控、字压字的问题都暴露得很具体。

前几天在小红书刷到 Vincent 的帖子。他用 Claude 的Opus 5.5模型，一种风格写一段提示词，做出了 15 种风格的动画短片：

提示词和代码他全都公开在GitHub仓库上。这个项目 10 月 2 日才发出来，不到三周就有快 2000 个星。仓库名是Vincentwei1021/mg-styles-15。

我正好想做几支网球科普视频，就照着他的方法试了 4 种风格：

在这之前，我自己写提示词也做过三支网球视频。放在一起一比，差别挺明显。

和我自己写提示词做的比

这是之前那三支：第一节网球课、网球入门五件事、从李娜到郑钦文。

照着他的方法做的这 4 支，好在三个地方：

1. 每种风格都有现成的「招牌特征」可以照着做。拼贴就要剪刀剪出来的白边、报纸纹理、人物大头小身；回形针就要照片做成贴纸、一张大画布、镜头一路平移过去。AI 知道要往哪个样子做。

2. 每支都有一个能记住的画面：两只手掌对打、四块「15」拼成一个「60」、花字砸到小人头上、小岛自己一块块搭起来。

3. 短。20 到 40 秒，只讲一件事，每个画面都能抠细。

我自己写的那三支，差在两个地方：

1. 没有指定风格。提示词里只写了「电视网球转播包装」，AI 就做成了最常见的深色数据包装，后两支用的还是同一套。

2. 太长。1 分钟、4 分钟、3 分钟，要讲的知识点多，每个画面能花的心思就少，大部分画面是文字卡片、记分牌和简笔小人。

所以我把他的方法整理出来，分三步。翻车的地方都写在后面，你自己做的时候可以绕开。

方法一：直接用 Vincent 的提示词

在 GitHub 上搜mg-styles-15就能找到。项目里还有一个作品展示页，15 种风格都能直接看片、复制提示词。

他的提示词就三块。

第一块，告诉 AI 它是谁、要做到什么程度。原文开头是这样的：

You are the director, motion designer, engineer and sound designer of ONE 10-second motion-design film. The goal is the most classic, yet most stunning form of this style — award-shortlist / high-end commercial quality. A clean, template-looking result is a fail.

意思是：你是这支 10 秒短片的导演、动效设计师、工程师和音效师，目标是这种风格最经典也最惊艳的样子，要到获奖入围、高端商用的水平，看起来像模板就算失败。

只说「做得好看点」，AI 默认对标的是剪映模板。把标准写到最高，它才会往上够。

第二块是创意种子：这支片子讲什么、用什么配色、有哪几个画面。

第三块是这种风格的招牌特征，比如拼贴风格要有剪刀剪出来的白边、报纸纹理、人物大头小身、嘴巴单独开合。这一段决定了做出来像不像这种风格，不要删。

我用的是Claude Code，模型选 Opus 5.5。

方法二：换成你自己的选题

只改「创意种子」那一段，换成你的选题、文案和配色，招牌特征那段原样留着。

我这 4 支是这么改的：

1. 拼贴剪贴

做成一本虚构的网球杂志，把 1632 年的版画、1877 年的报纸剪下来拼，讲网球从「用手掌打」到第一届温网。

2. 回形针

加了配音，一句话带出一个画面，讲 15、30、40 的三种说法。

3. 综艺花字

底图用我自己拍的球场照片，上面是第一节网球课里那个左手拿拍的小人，演一遍「错」再演一遍「对」。

4. 等距 3D

四个漂浮的小岛，一个岛是一个大满贯，镜头走到哪个岛，哪个岛就自己搭起来。

每支开工前，我都先让它把配音稿和画面写成表格给我看，我确认了再做。这一步省掉了很多返工，比如等距那支，它在稿子里就发现了四大满贯只有三种场地，澳网和美网都是硬地。

方法三：让另一个 AI 挑毛病，改两轮

这是 Vincent 方法里我觉得最有用的一步。

做完一版，交给另一个 AI 来看。这个 AI 不知道片子是怎么做出来的，只看成品，按满分 10 分打分，6 分大概是剪映模板的水平，8 分是广告公司的水平。

打分是为了让它挑毛病：哪一项低于 7.5 分，就照它的意见再改一轮。自己做的东西自己看，总觉得还不错，换一个不知情的 AI 来看，才挑得出问题。Vincent 的 15 支片子改了两轮，最后分数在 7.6 到 8.2 之间。

具体是这样：它会把视频每半秒截一张图，一张张看，再按 7 项打分：风格像不像、惊不惊艳、动效、排版、质感、声音、技术，最后给出该改哪里、怎么改。

我每支都改了两轮，分数是这么变的：

拼贴：5.4 → 6.1 → 7.0

回形针：6.0 → 6.6 → 6.86

等距 3D：6.43 → 6.86

综艺花字：6.0 → 6.36

它能挑出很多我没看出来的问题，下面那些翻车，一大半是它发现的。

拼贴那支，字卡写着「最早的网球，用手掌打」，旁边配的版画里，两个人手里拿着拍子。后来换成两只手掌对打。

回形针那支，片尾上面写着「1435—2026」，下面却直接写「600 年」。一减才知道是 591 年。最后改成先数到 591，再出大字「快 600 年」。

花字那支，片尾的「避坑清单」给 5 个错误都打了绿勾，看起来像在教人犯错。后来改成两栏，左边「别这样」，右边「这样做」。

生图翻车

花字那支要画跑鞋和网球鞋。第一次，网球鞋画成了平底板鞋，和「侧面支撑好」对不上。第二次画对了，可鞋侧面有三道斜条，看着像某个运动品牌的标志，又重画了一次。

后来我的做法是：生图只用在鞋这种小插画上，场景、图表、小人全让 AI 用代码画，反而最稳。

画面翻车

花字第一版，字用白色填充，外面又描了一圈白边，笔画中间的空隙全被糊死，字根本认不出来。改成黄色填充才清楚。

字压字也出现了好几次：爆炸框盖住了标题，「急停」两个字压在字幕上，删除线把「一上来就猛抽」的「一」吞掉了，看着像「士来就猛抽」。

回形针第一版，每一块内容都画了个圆角框，镜头移动又太快，糊成一片，评审说它「不是一张大画布，是一张张卡片硬切」。后来去掉了框，镜头移动时先拉远一点，能看到整张画布。

等距那支，埃菲尔铁塔的塔尖被画面裁掉了，纽约的楼群伸出了小岛边缘，悬在半空，美网的夜景只闪了 1 秒就跳回白天。

我用到的工具

动画是 Claude Code 写代码画出来的，一帧一帧画好再合成视频。其他要用到的东西，都是 AI 自己找的方案：配音它用了微软 Edge 浏览器自带的免费朗读，生成几种声音给我试听，我选了 Xiaoxiao 女声，它再调快了一点、调亮了一点；图片它去Wikimedia上找可以免费使用的老照片和版画，每张都记了作者和授权；音乐和音效它直接用代码合成，不用找版权音乐。

第一次做的话，我的建议是先挑 1 种风格，只做 10 秒，交给另一个 AI 挑毛病，改两轮，再考虑做长。

作者：月鹿造物 公众号：月鹿造物

本文由 @月鹿造物 原创发布于人人都是产品经理。未经作者许可，禁止转载

题图来自 Unsplash，基于CC0协议