AI 動畫片怎麼做？Higgsfield 團隊拆解：素材優先、Blender 預演，與 AI 做不好的那一秒

多數 AI 影片教學停在「一句提示詞生出一段片」。出身傳統動畫的 Higgsfield 內部團隊，公開了一支完整的製作拆解：決定成片品質的第一關是素材，提示詞排在後面；動作複雜的鏡頭，他們寧可先在 Blender 自己做一遍。而 AI 反而卡住的，不是爆炸追車，是角色愣住的那一秒。

這支影片是 AI 影片平台 Higgsfield 官方頻道在 2026 年 9 月 23 日發布的製作拆解，全長 28 分鐘，由團隊成員 Amina 主講。拆解的是製作中的 5 分鐘動作喜劇短片《Passport Rush》：女孩到了機場才發現護照忘在城市另一頭，只好搭上一台開法瘋狂的計程車趕回去。影片聚焦其中的追車段落，共 18 個場景，團隊用 3 天製作。

先說明一點：這是工具廠商的官方教學，示範用的模型都是 Higgsfield 平台上的服務。不過影片裡的製作方法，例如素材優先、預演、提示詞分區、測試關，用其他影片生成工具時多半也可以參考，這也是本文整理的重點。

一、團隊怎麼分工：沒有專職提示詞工程師

這個團隊出身傳統動畫，加入 Higgsfield 之前沒用過 AI。製作架構和傳統動畫差不多，但人少，每個人身兼多職。值得注意的是，他們沒有專職的提示詞工程師：負責角色、場景、動畫的美術人員，各自為自己負責的部分寫提示詞。寫提示詞時主要請 Claude 協助，但美術人員會檢查細節是否符合設計，不符合就改。

這一點對想導入 AI 的團隊值得參考：由懂內容的人自己寫提示詞，需求比較不會在轉手時失真。

二、分鏡上先決定：哪些鏡頭要自己做

團隊在分鏡上把部分鏡頭標成橘色，橘色代表要先進 Blender 做預演，空白的則直接用文字生成影片。判斷標準很務實：動作或運鏡很特定、用文字向模型解釋要花很久的鏡頭，就自己先做一遍；簡單的鏡頭直接生成。

另一個觀念是：分鏡只是指引，不是定案。影片生成本來就難以預測，所以他們抓住故事節拍與主要場景，刻意不把每個鏡頭都規劃死，保留隨機應變的空間。

三、整條管線的基礎：素材優先

圖片參考的品質，決定了整部片的品質。

這是團隊口中整條管線建立的唯一規則，他們稱為「素材優先」（asset-first）。這裡的素材指角色設定圖、道具設定圖、背景等要附給模型的圖片參考。只要這些圖不清楚、不一致，成片就會粗糙。團隊因此設了「素材管理者」這個角色，確保角色、道具、背景看起來屬於同一個世界，工作性質就像美術指導。

但他們不會替每樣東西都做設定圖，只做會跨鏡頭重複出現、必須保持一致的東西。例如三台在好幾個鏡頭都會出現的卡車有自己的設定圖；只出現一下的東西，直接用文字生成就好。

角色的做法是先生成、再手工精修：請 Claude 把簡短需求擴寫成完整的設定圖提示詞，一次生成四張，挑出最接近的方向，再混搭其他版本的優點（例如沿用第一版的帽 T 和球鞋）。最後在 Photoshop 調高亮度與飽和度，並在角色輪廓周圍加上手繪筆觸，做出 3D 與手繪混搭的效果。

四、兩個美術教訓：光線，還有紋理不能疊

全片風格定為風格化 3D 角色＋水彩背景，這個組合一開始並不順利。

場景的教訓是光線。純水彩場景在測試時看起來髒、沒有靈魂，團隊一度認真討論要不要整部片改走 3D。最後發現問題出在時間：正午的光讓畫面扁平。改成傍晚、在提示詞加入低角度暖光與長陰影之後，畫面有了體積和深度。這個做法後來成為全片的視覺公式：場景用水彩風格生成，再在提示詞裡加上黃金時刻的光線。

計程車的教訓是紋理密度。他們原本給車身厚重的水彩質感，一動起來卻像「一張 PNG 硬貼在 3D 模型上」，很廉價。團隊的解釋是：厚重的水彩紋理對模型來說資訊量很大，水彩道具又疊在水彩背景上，等於兩層高密度紋理在每一格互相干擾。解法是把車子改成乾淨的 3D，水彩只留給周圍環境。

五、影片提示詞：五個區塊，最重要的放前面

團隊的影片提示詞很長，一個 4 秒的鏡頭也可能寫成一篇短文。理由是：沒寫到的細節，模型都會自己決定，而它很不會猜。他們也發現順序很重要：模型從上往下讀，越往後遵循度越低，所以前 20% 特別重要。提示詞固定分成五個區塊：

1. 場景脈絡與風格：用白話說這個鏡頭發生什麼，加上風格規則與這個世界的物理。
2. 啟用參考：像拍片的通告單一樣，逐一說明每張附圖、附影片是什麼。這裡可以寫個性與品質，但不寫外觀描述，外觀交給圖片；再加一句「角色、場景、道具 100% 符合參考」來維持一致。
3. 鏡頭結構：以硬切分段，逐拍寫動作與秒數，等於用文字寫分鏡。
4. 鎖定與限制：模型很愛自己加戲，這裡放必須遵守的規則。他們一律寫「不要音樂，只要音效」，方便後製。
5. 動畫原則：把動畫十二原則（擠壓與伸展、預備動作、跟隨動作等）寫進去。模型不一定每條都做到，但確實更接近想要的動態。

他們不會每次都手打這些。團隊把這套結構寫成 Claude 的 skill（團隊稱之為系統提示詞），設定一次之後，每個提示詞都自動套用，並在團隊內共享，讓大家的寫法大致一致。

六、預演鏡頭怎麼做：以計程車擠過兩台卡車為例

1. 分鏡：計程車逼近卡車間的縫隙，側傾成兩輪著地擠過去，通過後再落回四輪。
2. Blender 預演：動畫師調整何時開始傾斜、兩輪行駛多久、落地怎麼收，鏡頭跟著動作走；車輪加上少許擠壓與伸展，去掉僵硬感。
3. 匯出灰模預覽：沒有顏色、沒有材質，只有灰色模型、動作與鏡頭。
4. 附上參考生成：把預覽當影片參考，再附上計程車、兩台卡車、角色、道路與光線的圖片參考。影片負責動作與運鏡，圖片負責外觀；提示詞另外交代角色要坐好、等車完全通過卡車才落地，否則畫面會崩。
5. 對照檢查：生成後和預演比對時間、鏡頭，以及車子和角色是否仍符合設計。

團隊的說法很直白：他們是視覺藝術家，已經知道要怎麼動的東西，自己動一遍比用文字解釋每個細節快。

七、正式製作前，先過一道測試關

在前製與正式製作之間，團隊先把剛做好的素材直接丟進影片生成測試。後來的專案規則，大多來自這一關的三個教訓：

• 車子的質感要留多少，在這裡定案，並寫進提示詞，避免水彩畫面中突然出現寫實的車。
• 空車會冒出路人：角色設定圖還沒好時，車上沒人，畫面就莫名其妙出現參考和提示詞裡都沒有的路人；放入角色後就消失了。
• 傍晚光線：一位成員隨手在提示詞加了傍晚光線，畫面變得更溫暖、更有深度，從此成為全片的光線方向。

這相當於傳統動畫前製的動畫測試，差別是這條管線也能一起測背景，因為在 AI 生成裡，背景會影響整個畫面的表現。

八、三個難搞的鏡頭，三個教訓

參考看不懂，就把鏡頭拉遠。有一個鏡頭已經在 Blender 做好預演，生成結果卻一直不對。原因是預演的鏡頭太近：團隊自己知道每塊灰色是什麼，但對模型來說，沒有材質與五官的畫面只剩幾塊大灰色形狀，看不出位置關係。把鏡頭拉遠、讓周遭多入鏡之後，就生成成功了。

參考圖之間不能互相矛盾。女孩扣上兩條安全帶的鏡頭，換成定稿角色重新生成時，鏡頭角度每次都跑掉。團隊改用理想鏡位的截圖當參考，角度穩了，耳機卻不見了。原來那張截圖裡本來就沒有耳機，和角色設定圖互相矛盾。他們在 Photoshop 把耳機畫回截圖，下一次生成就正確了。

細膩表演是 AI 的弱項。主講者最喜歡的一個小笑點至今還沒做出來：女孩慌張抓住車頂把手，把手斷掉，她愣一下，再去抓另一個，結果又斷。那個「愣一下」是笑點的關鍵，光靠文字提示詞卻抓不到。改用 Blender 預演也不行：灰模的表情和手部動作不夠清楚，加上細節之後，模型又開始照抄灰模的外形，不照角色設計。團隊把這稱為「表演落差」（performance gap）。

原本以為大場面動作最難，結果 AI 反而卡在細膩的角色表演。

可以帶走的五個做法

本文從這支拆解歸納出五個做法，用其他影片生成工具時也可以參考：

1. 先把美術方向和素材定下來，只替重複出現的角色、道具、場景做設定圖，並指定一個人負責一致性。
2. 在分鏡上標出哪些鏡頭要自己預演：動作或運鏡越精準，越值得先用 3D 軟體或簡單動畫做一遍。
3. 把提示詞結構寫成 AI 助理的系統提示詞，全團隊共用，重要資訊放最前面。
4. 正式製作前安排測試關，把學到的事寫成專案規則。
5. 生成失敗時依序檢查：參考模型看不看得懂、參考之間有沒有矛盾、紋理是否過度疊加。