手把手從零製作「日文 AI 動畫 MV」完整攻略
- 小步
- 8月24日
- 讀畢需時 14 分鐘
合作揭露：本文與 OiiOii.ai 合作製作，內容包含實際操作心得與製作過程中遇到的問題。
只有一張角色圖，也能製作完整動畫 MV 嗎？
本文以小步主題曲《一歩ずつ、光へ》為例，完整示範如何規劃主題、生成音樂、建立角色與場景、調整 AI 分鏡，最後完成中日文字幕與影片後製。
前言
我替小步製作了第一支個人主題 MV——《一歩ずつ、光へ》。
這支 MV 沒有真人拍攝，也沒有傳統動畫團隊。最初準備的素材，只有小步的角色圖、歌曲概念，以及一個很簡單的故事方向。
這次我想測試的不只是「AI 能不能讓圖片動起來」，而是能不能完成一支具備角色一致性、音樂節奏與故事變化，而且最後真的能進入剪輯軟體完成後製的動畫 MV。
整個流程大致分成以下幾個階段：
這篇文章會把每一個階段的操作方式、提示詞重點，以及我實際踩過的雷全部整理下來。
第一步：先找到角色真正的核心，而不是急著寫分鏡
在製作角色主題 MV 之前，我認為最重要的問題不是畫面要多華麗，而是：
這個角色為什麼存在？
小步這個角色並不是先有造型，才替她尋找故事。
最早出現的，是「每天進步一小步」的概念，也是小步學習頻道一直想傳達的概念。
如果每天都比昨天進步 1%，經過一年持續累積：
1.01³⁶⁵ ≈ 37.8也就是接近原本的 37 倍。
我希望透過頻道提醒自己，也陪著大家每天學習一點點，因此先有了「小步學習」這個名字，後來才從這個理念發展出小步這個角色 IP。
所以，這次替小步製作第一支主題 MV 時，我沒有另外創造一套不相干的世界觀，而是回到她最初誕生的原因：
即使現在還看不到明顯改變，只要依照自己的步伐，每天向前走一小步，時間最後會帶我們走到不同的地方。
這也成為歌曲《一歩ずつ、光へ》的核心：一步一步，走向光。
如果還沒有角色 IP，該怎麼開始？
如果你已經有自己的角色，可以先回答三個問題：
這個角色為什麼存在？
她代表什麼價值或信念？
希望觀眾看完後產生什麼感受？
如果現在還沒有角色，也不必先硬做一個 IP。
可以先替音樂定調，決定歌曲想表達的主題、情緒與曲風，再從歌詞和旋律反過來發展人物與故事。
第二步：準備音樂——先規劃，再生成
音樂是 MV 的時間軸。
歌曲的長度、段落與情緒變化，會直接決定後面的分鏡數量和畫面節奏。
1. 規劃歌曲方向
一開始可以先找幾首自己喜歡的歌曲，整理想參考的是哪些「抽象特徵」。
例如：
整體是溫暖、熱血、療癒，還是帶一點迷惘？
希望是日系動畫片尾曲、流行搖滾，還是輕柔鋼琴？
主歌要克制，副歌要不要明顯拉高情緒？
歌曲預計多長？
MV 要橫式還是直式？
這個階段可以和熟悉的 AI 討論，例如 ChatGPT 或 Gemini。
不過提示詞要清楚說明，目前需要的是「規劃歌曲」，還是「直接生成歌曲」。
我自己測試時，原本只是想和 Gemini 討論方向，但因為沒有說清楚，結果它直接生成了一首歌。
這不一定是壞事，但如果目標只是整理曲風、結構與歌詞，最好一開始就寫明白。
另外，參考歌曲適合用來描述情緒、速度與配器，不建議要求 AI 複製特定歌手、旋律或作品。
Gemini |  |
提示詞：我想製作一首約1分半的日文歌，曲風類似剛剛這首曲子，歌曲的主題是「小步小步向前走」，你依照一首完整歌曲的段落，設計這個歌的歌詞，要中日對照。  | |
ChatGPT |  |
 |
2. 寫出適合 MV 的音樂提示詞
這次我設定的音樂方向是：
語言：自然清楚的日文演唱
長度：約 1 分 30 秒
曲風：溫暖、有希望感的日系動畫／J-Pop 片尾曲
情緒：從夜晚的迷惘，慢慢走向清晨與希望
人聲：清晰、溫柔但有力量的女聲
結構：短前奏、主歌、預副歌、副歌、最終副歌與短尾奏
限制：不要第二段主歌、不要重複副歌、不要英文口白或 Rap
提示詞裡最容易漏掉的是「歌曲結構」。
只寫「請生成一首 90 秒的歌」，AI 仍可能做出兩三分鐘的完整歌曲。
如果片長有明確限制，就要連前奏、重複次數與尾奏長度一起約束。
透過 OiiOii 的音訊生成功能製作歌曲
OiiOii 的工作區也整合了 Suno 音樂生成模型。
因此從零開始製作時，可以直接把語言、曲風、歌曲結構與歌詞交給 Agent，讓它在同一個創作流程裡生成音樂。
提示詞 | 請使用 OiiOii 的音訊生成功能，調用 Suno 模型，製作一首完整的日文歌曲。 歌曲名稱： 《一歩ずつ、光へ》 歌曲用途： 作為「小步」角色 IP 的個人主題曲與動畫 MV 配樂。 歌曲長度： 請控制在約 85～95 秒，最長不要超過 1 分 35 秒。 前奏不超過 4 秒，歌曲只演唱一輪，不重複主歌與副歌，不加入第二段主歌，不安排長篇間奏，最後保留約 5～8 秒純音樂收尾。 曲風： 清新、溫暖、帶有希望感的日系動畫 J-pop，接近動畫片尾曲或角色主題曲的氛圍。 中速，約 105～112 BPM，4/4 拍。 開頭以清澈鋼琴、柔和合成器與輕微環境音營造夜晚感；進入副歌後逐漸加入鼓組、貝斯、明亮電吉他與弦樂，讓情緒從安靜迷惘慢慢走向明亮、堅定與希望。 副歌要有清楚、容易記住的旋律，但不要過度激昂、不要搖滾嘶吼，也不要太幼兒或過度可愛。 演唱設定： 日系年輕女聲，聲音清澈、溫柔、有情感，帶有一點動畫女主角感，但整體自然成熟。 日文發音必須清楚，歌詞密度適中，不要使用過多轉音或拖長音。 歌曲結構： 3～4 秒純音樂前奏 → 主歌 → 短預副歌 → 副歌 → 最終副歌 → 5～8 秒純音樂尾奏 請完整使用以下日文歌詞，不要翻譯、不要改成英文、不要新增英文口白或英文和聲，也不要自行重複任何段落。 [Intro] （3～4秒純音樂，無人聲） [Verse] まだ暗い空の下 小さなくつ音が響く うまくいかない日も 立ち止まりそうな夜も 胸の奥の願いは 消えずにそっと光ってる 遠回りでもいい [Pre-Chorus] きのうより少し前へ [Chorus] 一歩ずつ 光へ 私の歩幅で進んでゆく 涙の跡も 迷った道も あしたの私をつくるから [Final Chorus] 一歩ずつ 夢へ 小さな勇気を抱きしめて 夜が明ける この街で 私は私を信じてゆく ほら 朝焼けが 未来を染めてゆく [Outro] （5～8秒純音樂收尾，無人聲） 生成要求： 1. 全曲只能演唱日文，不得出現英文歌詞、英文口白或無意義英文音節。 2. 不得重複副歌，不得新增第二段主歌。 3. 不要加入 Rap、唸白、長篇哼唱或長間奏。 4. 必須在 95 秒內自然結束，不要直接截斷尾音。 5. 情緒必須從夜晚的迷惘，逐漸走向晨光與希望。 6. 請直接執行音訊生成，不要只提供歌曲規劃或改寫歌詞。 |
歌曲生成後，不要立刻進入動畫階段。
建議先完整聽過並確認：
日文發音是否自然？
實際秒數是否適合預計的 MV 長度？
主歌、副歌和結尾是否有清楚的情緒變化？
結尾是否自然收束，而不是突然被截斷？
如果一次產生兩個版本，可以優先比較：
主歌第一句
副歌高潮
最後 10 秒
通常很快就能判斷哪一版比較適合畫面。
其它音樂生成平台
除了透過 OiiOii 的工作區調用 Suno 模型，目前也有不少 AI 音樂生成平台可以選擇：
Suno：可依照提示詞與自訂歌詞，生成包含主唱、編曲與完整歌曲結構的作品，適合角色主題曲及 MV。
MiniMax Music：可輸入曲風與歌詞生成完整歌曲，也支援自動撰寫歌詞、純音樂及 Cover 等功能。官方說明
Eleven Music：可生成完整歌曲或純音樂，支援多語言歌詞與人聲，包括日文，並能針對部分段落修改提示詞及歌詞。官方說明
Stable Audio：比較適合製作背景配樂、環境音、音效與純音樂，也支援文字生成音訊及 Audio-to-Audio。官方說明
不同平台對免費方案、商業使用、串流發行及 Content ID 的規定並不相同。若音樂會用在營利影片、品牌合作或正式發行，生成前應先確認當時方案的授權條款，並保留訂閱證明、歌曲生成日期及原始下載檔案。
第三步：把平面角色轉成適合 MV 的 2.5D 角色
原本的小步比較偏平面插畫。
為了讓她進入帶有電影光影的城市場景，我先在 OiiOii 裡將角色轉成較有立體感的 2.5D 動畫風格。
生成角色圖後，不要只把圖片留在工作區。
請在圖片上按滑鼠右鍵，選擇：
存為資產 → 角色把角色正式存進資產庫，後續每一個分鏡才能持續關聯同一個角色，減少髮型、眼鏡、服裝或臉型突然改變的情況。
 |
 |
角色資產的實用提醒
主圖盡量使用清楚的全身正面照。
背景單純，避免其他人物或複雜道具。
把「必須保留」與「可以變化」的細節分開描述。
生成後先確認手腳、服裝和角色年齡，再存入資產庫。
第四步：建立夜晚與清晨兩個核心場景
這支 MV 的故事是從迷惘走向希望，因此我只建立兩個主要場景：
雨後的夜晚城市街道
日出時的晨光天橋
夜晚街道使用深藍夜空、暖黃色路燈、濕潤路面與玻璃店面。
晨光天橋則使用金橙色日出、高樓城市與逐漸明亮的天空。
我沒有建立大量不同背景，因為場景愈多，不一定代表故事愈完整。
這次更重要的是讓光線和色彩本身參與敘事：
夜晚：代表迷惘
星光：代表方向
晨光：代表找到希望
場景圖完成後，同樣按右鍵選擇：
存為資產 → 場景我曾測試過平台的多視角場景生成，但產生的另一個角度和原圖差異較大。
因此這次沒有勉強使用，而是保留單一場景主圖，讓 MV 創作流程自行處理鏡位變化。
 | |
請生成一張16:9橫向的動畫MV場景主圖，作為後續可重複使用的場景資產。整體畫風請與角色資產「小步 Xiaobu｜OiiOii 2.5D MV 定裝角色」一致，但畫面中不要出現小步或任何人物。採用日系2.5D半立體動畫電影質感，具有柔和體積光、細膩材質、自然景深與乾淨輪廓；不要平面插畫，也不要寫實照片。場景是一座現代亞洲城市的安靜夜晚街道。深藍色夜空、暖黃色路燈，搭配藍綠色與少量橘色的城市燈光；微微濕潤的路面呈現柔和倒影。畫面包含寬敞人行道、斑馬線、玻璃店面與遠方城市高樓。構圖需適合角色在畫面中從左向右行走，前景及畫面中央保留充足的角色表演空間。整體氣氛安靜、略孤帶孤，但仍透露溫暖與希望。不要出現人物、文字、可讀招牌、商標、車牌或擁擠車流；不要做成強烈賽博龐克或過度霓虹風格。 | 請生成一張16:9橫向的動畫MV場景主圖，只生成單一畫面，不需要多視角。這是場景資產「小步的城市｜夜晚街道」所屬的同一座城市，請延續原場景的建築語言、城市天際線、玻璃與金屬材質、道路設計、燈光質感及整體渲染程度，讓觀眾能感覺這兩個場景位於同一個世界。場景是一座位於城市高處的寬敞行人天橋與觀景步道。前景有乾淨的步道路面與簡潔金屬欄杆，遠方可以看到與夜晚街道相呼應的現代城市天際線。畫面中央及右側保留足夠空間，方便後續放入角色並進行行走、停下、回頭與眺望城市等動作。時間是夜晚即將結束的清晨。天空由深藍色逐漸轉為淡紫、粉橘與柔和金色，太陽剛從城市建築後方升起；溫暖晨光照亮欄杆、步道與建築邊緣，呈現從迷惘走向希望、重新出發的情緒。維持與夜晚街道相同的日系2.5D半立體動畫電影質感、自然景深、細膩材質與柔和體積光。不要變成寫實照片，也不要變成平面卡通。畫面中不要出現人物、文字、可讀招牌、商標、車牌或擁擠車流。不要夕陽、正午天空、強烈賽博龐克、過度霓虹、奇幻建築或多格畫面。 |
 |  |
第五步：切換到「MV 創作」，上傳完整歌曲
角色和場景準備完成後，將 OiiOii 工作模式切換成「MV 創作」。
這裡有一個很容易踩到的問題：
在一般自由創作模式裡，音訊上傳長度可能受到較短的秒數限制。
如果要使用一分多鐘的完整歌曲，要先切換到 MV 創作流程再上傳。
接著依序完成：
上傳完整歌曲
關聯小步角色資產
關聯夜晚街道與晨光天橋場景
輸入整體故事方向
MV 類型選擇「劇情故事」
畫面比例選擇 16:9
我一開始曾考慮選擇「動感表演」。
但這首歌的重點不是跳舞或對嘴，而是角色從迷惘走向希望的情緒變化，因此最後選擇「劇情故事」。
如果作品本身是舞曲、偶像表演，或以舞台演出為主，再考慮「動感表演」會更合適。
故事提示詞不要只寫畫風
我提供給系統的故事核心大致是：
小步獨自在雨後的夜晚城市裡感到迷惘。她在停下腳步後發現胸前徽章亮起，金色光點逐漸形成道路，引導她穿過黑夜。最後她抵達晨光天橋，在日出中重新找回前進的勇氣。
畫風、服裝和場景固然重要，但提示詞更需要說清楚：
角色遇到什麼事件？前後產生什麼改變？
否則即使每一鏡都很漂亮，整支影片仍可能只是角色在不同背景裡重複同一個動作。
第六步：讓 AI 分析音樂並規劃 13 個分鏡
歌曲與故事設定完成後，OiiOii 會分析：
前奏
主歌
預副歌
副歌
尾奏
接著依照音樂段落拆出分鏡。
這首約 1 分 24 秒的歌曲，最後被拆成 13 鏡。
系統會替每一鏡準備：
分鏡描述
圖片提示詞
影片提示詞
角色與場景資產關聯
音效或環境聲設定
正式生成前，建議先快速檢查所有分鏡，尤其注意：
是否連續太多鏡都使用相同動作？
副歌有沒有出現明顯的視覺變化？
場景由夜晚切換到清晨的時間是否合理？
角色是否突然換裝或改變外貌？
特寫、中景、全景是否有交替？
第七步：檢查第一版成品，最大的問題——小步一直走路
第一版完整生成後，角色一致性與整體畫風其實已經不錯，夜晚走向晨光的方向也成立。
但我很快發現：
小步幾乎整支影片都在走路。
夜街馬靴走路、晨光馬靴走路、全身走路、側面走路……
看到後來，馬靴的戲份差點超過女主角。
(只有小步學伴才看到完整一直走路版的小步MV)
不過這不完全是模型的問題。
回頭檢查原本的故事提示詞，我一直強調「一步一步往前走」，卻沒有替中間安排足夠的事件。
AI 便非常忠實地把「往前走」變成主要動作。
這次經驗讓我確認：
抽象情緒要轉換成具體事件，故事才會真正動起來。
例如「她慢慢找到希望」仍然太抽象。
可以進一步拆成：
她停在斑馬線前，不知道該往哪裡走。
胸前的星形徽章第一次發光。
金色光點沿著道路延伸。
她在掌心接住一顆星光。
她停下腳步，閉眼深呼吸，再望向日出。
這些事件才會讓角色有「發現、選擇與改變」，而不是只有移動。
第八步：局部修改問題分鏡，不必整支 MV 重做
OiiOii 這套流程對我最實用的地方，是可以直接指定問題分鏡，修改動作與鏡位，再單獨重新生成。
我最後重做了第 3、6、7、8、10、11 鏡。
第 3 鏡原本問題：繼續走路 調整後：停在斑馬線前，左右張望並流露猶豫。 | 第 6 鏡原本問題：情緒變化不足 調整後：胸前星形徽章亮起，角色第一次察覺希望。 |
第 7 鏡原本問題：連續走了約 7 秒 調整後：停在原地，光路展開，表情由驚訝轉為微笑。 | 第 8 鏡原本問題：副歌畫面不夠突出 調整後：伸手在掌心接住金色星光。 |
第 10 鏡原本問題：晨光裡繼續走路 調整後：馬靴停下、手撫徽章、閉眼深呼吸後望向日出。 | 第 11 鏡原本問題：與前後動作過於相似 調整後：張開雙臂，迎接逐漸照亮城市的晨光。 |
修改提示詞時，我會同時寫清楚：
開頭角色的位置與姿勢
這一鏡只能發生的主要事件
鏡頭如何移動
角色表情如何變化
結尾要停在哪個狀態，以便銜接下一鏡
明確的負面限制
例如：
不走路
不奔跑
不跳舞
不對嘴重新生成後，故事便從單純走路，變成：
迷惘 → 發現 → 確認 → 抵達
整個情緒曲線也會完整很多。
第九步：關閉自動字幕，改用剪輯軟體製作中日文字幕
OiiOii 可以依照歌曲產生字幕。
但我在預覽時發現，部分直式排列的字幕會壓在小步的臉上。
因為這支 MV 最後要同時呈現日文歌詞與繁體中文字幕，我選擇先關閉平台字幕，再到剪輯軟體完成：
日文原文字幕
繁體中文翻譯
歌曲名稱與片頭設計
片尾文案
字幕安全區與角色避讓
個別鏡頭的銜接與節奏微調
AI 生成的影片，不是下載後就一定要原封不動使用。
只要角色、場景與主要敘事已經成立，字幕、音量、轉場和資訊設計，仍然很適合交由傳統剪輯工具完成。
最後成果：AI 可以做出完整 MV，但創作者仍然要當導演
完成這次測試後，我會從三個方向評估結果。
1. 角色一致性
使用同一個角色資產後，小步的臉型、眼鏡、髮型和服裝，在不同場景與景別中大致能夠維持一致。
複雜手部動作和近距離特寫仍然需要逐鏡檢查，但發現問題時可以局部修正。
2. 音樂與故事的配合
系統能依照歌曲段落安排畫面節奏，但提示詞不能只有畫風與氛圍。
加入具體事件後，夜晚、星光與晨光的視覺變化，才真正和歌曲的情緒一起前進。
3. 成品是否能實際使用
答案是可以。
但我會把它理解成一套：
能快速建立完整雛形，並允許創作者繼續導演與修改的工作流程。
而不是按一次，就必須完美的魔法按鈕。
第一次生成，讓我快速看見整支 MV。
資產關聯，維持了角色與場景。
逐鏡重新生成，修正了故事節奏。
最後再透過剪輯軟體加入雙語字幕與片頭片尾，才完成現在的版本。
哪些人適合使用這套 AI MV 工作流程？
這套做法不只適合音樂創作者，也適合：
已經有固定角色或吉祥物的自媒體創作者
想替原創歌曲製作動畫 MV 的音樂人
想建立角色世界觀或系列短劇的創作者
需要製作品牌主題曲、活動短片或動畫廣告的團隊
沒有傳統動畫製作經驗，但願意規劃故事與逐鏡調整的人
如果還沒有角色，也可以使用 OiiOii 的演員庫選擇角色，再搭配平台整合的不同生成模型，延伸成 MV、短劇、廣告或其他動畫內容。
我從這次製作中整理出的 8 個重點
先確定角色或歌曲的核心，再開始設計畫面。
音樂提示詞要限制結構，不要只限制總秒數。
參考歌曲應描述情緒、速度與配器，不要要求複製作品。
角色與場景生成後，要正式存成資產。
上傳完整歌曲前，先切換到 MV 創作模式。
抽象情緒要轉換成具體事件，避免角色重複走路。
發現少數鏡頭有問題時，優先局部重生，不必整支推翻。
字幕與片頭片尾可以留到剪輯軟體處理，畫面會更可控。
想把自己的角色或歌曲做成動畫嗎？
如果你也想試著把一張角色圖、一首歌，或一個故事概念做成動畫，可以透過下方連結體驗 OiiOii.ai。
透過我的專屬邀請連結註冊，可獲得額外創作額度，讓你有更多空間測試角色、場景與不同分鏡。
最後也想問問你：
如果可以替自己的角色製作一支動畫 MV，你最想讓她經歷什麼故事？
如果你想下載小步MV音樂或客製化專屬MV，歡迎私訊小步 https://lin.ee/53hhx6G
留言