YTGET

YouTube · Facebook · X · TikTok · Instagram · Threads

用純文字模型寫網頁再逐幀截圖拼成影片的完整開源流程

YouTube 影片筆記

用純文字模型寫網頁再逐幀截圖拼成影片的完整開源流程

原片標題:【经验开源】AI 做动画视频完全指南:原理、技巧、Skill 一次给全

原片說明
Skill 仓库:https://github.com/ConardLi/garden-skills 用法:把上面的链接丢给你的 Agent,说一句「帮我安装 motion-showreel Skill」,然后直接提你的视频需求就可以啦!

我原本以為「用 AI 做影片」就是打一句話等它生出畫面,結果花園老師這支根本是在教你怎麼用純文字模型寫網頁、再一幀一幀截圖拼成 mp4。聽起來很工程,但他把原理拆得滿清楚,還直接把整套流程開源成一個 Skill。看完會想動手試,不是因為炫,是因為他真的把「怎麼跟模型提需求」講到有步驟。

影片其實是一疊連續播放的圖片
影片其實是一疊連續播放的圖片01:02

影片時間軸

  1. 01:02拆解影片本質:15 秒 30 幀就是 450 張圖,模型要寫的是網頁
  2. 02:04說明代碼做影片就是寫網頁,按鈕、卡片背後都是 html
  3. 03:00講 canvas 出場時機,幾千個粒子同時飛就靠它
  4. 03:39帶到著色器,用規則讓顯卡同時算每個像素的顏色
  5. 04:12進到 3D,用 3js 擺物體、打燈、架攝影機
  6. 05:36轉到聲音,說明音效也是代碼算出來的,卡點比剪輯軟體還準
  7. 07:21講提示技巧,用對標取代「高級有設計感」這種空話
  8. 08:50談轉場,好的轉場是從上一個畫面長出來的
  9. 10:33開源 motion showreel Skill,對比舊版節奏由誰掌控
  10. 13:26講實時預覽與最後的檢查流程,一路到片尾
用 3js 做出立體感
用 3js 做出立體感04:12

語言模型不會畫圖,但它會寫網頁

這段是我覺得整支影片最關鍵的觀念轉換。影片說到底就是一疊連續播放的圖片,15 秒 30 幀就是 450 張,模型要做的是寫一個網頁,裡面留一個函式,給它一個時間就畫出那一刻的畫面。剩下的交給兩個工具,一個在後台開看不見的瀏覽器,每次往後播三十分之一秒截一張圖,另一個再把 450 張拼成 mp4。隨機跳到哪一秒都得能直接畫出來,不能依賴上一幀,因為渲染指令碼會同時開好幾個瀏覽器,一個從第 0 秒截、一個直接從第 10 秒截。這也是程式碼做影片最大的好處:哪個鏡頭推太快、哪個數字不對,重新渲染幾秒就行,不用整段重來。

用對標取代空泛的形容
用對標取代空泛的形容07:21

「高級有設計感」是沒用的指令

花園老師說,不加約束的時候模型會一直用同樣的套路,單看一支很炫,刷多了就審美疲勞,現在已經有觀眾能一眼認出是哪個模型做的。所以他拆了一批爆款影片,看它們到底做對了什麼。結論很具體:與其說「高級一點、有設計感」,不如給一個對標,一部電影的片頭、一支廣告、一個設計流派都行,像「布達佩斯大飯店的風格」一句話就把粉嫩配色和對稱構圖交代完。而且對標要說清楚學什麼、不學什麼,學節奏、構圖、配色思路,別照搬角色、鏡頭和旋律。定了對標再讓模型想三種講法,因為它第一個冒出來的想法,往往就是這種風格最常見最俗的那一個。

實時預覽讓你不必盲等
實時預覽讓你不必盲等13:26

最難受的是黑盒,所以它做了即時預覽

用 AI 做影片最難受的地方,是等了幾個小時出來一看效果不對,還要花大力氣重新調教。motion showreel 裡設計了實時預覽,只要一開始跟它說「我想邊做邊看」,就會打開一個類似剪輯軟體的預覽畫面,讓你看到製作的完整過程,哪一步不對勁隨時可以叫停。整個流程只在三個地方停下來等你:需求確認、風格針、導出之前,其餘時間它自己跑。最後的檢查也不能跳,因為模型看不了影片也聽不到聲音,所以會把片子換成它看得懂的圖和數字,看抽幀拼圖和運動報告揪出壞幀,聲音則看波形和響度。

值得下載嗎:值得,尤其你已經在用 AI 做影片卻老是成品不穩的話。它給的不是特效展示,是一套可以重複跑的流程和 43 種風格檔案,留下來當工作手冊比看一次實在。

覺得這篇筆記有幫助嗎?
YTGet 編輯室|看完影片整理的筆記,細節以原片為準。

連線中

影片封面

擷取畫面

輸入時間點,例如 3:20、3.20 或 200

影片皆已含音訊。檔案越大準備時間越久,完成前請保持頁面開啟。