不会画画、不会剪辑：用 Opus5.5 做一部 7 分钟手绘动画
本文整理自 Hailey 的 X 帖子 和其中引用的 X Article。原文作者分享了自己如何用 Opus5.5 制作一部 7 分钟手绘水彩动画绘本，并接入豆包语音。下文保留原文的工具链和操作思路，同时把经验拆成可以复用的工作流。
原文还开源了制作 Skill：hand-drawn-storybook-animation-skill。本文不把作者的个人体验改写成统一的产品保证，也不把“前后只花了 1 天”当作所有项目都能达到的交付时间。
先说结论：AI 把制作链拆开了
这次实践的关键不是让一个模型凭空生成一条视频，而是把一部动态绘本拆成几个可检查的阶段：
GPT → 故事、角色、场景、台词
↓
GPT → 批判剧本、补冲突、调节奏、生成分镜
↓
Opus5.5 + Skill → 场景、镜头、手绘水彩动画、转场
↓
豆包语音 → 旁白、角色声音、时长同步
↓
人工检查 → 节奏、字幕、画面、声音、原创性
作者的角色也随之变化：不必亲手完成每个绘画和剪辑步骤，但必须负责创意方向、审美判断和每一轮验收。模型负责大量制作劳动，人负责决定故事讲什么、哪里需要重做，以及成片是否真的值得发布。
一、先把故事想明白，再开始做动画
作者没有拿到 GPT 的第一版剧本就直接制作，而是分三轮处理。
第一轮：先有一个完整故事
提示词可以先保持简单：
我要设计一个创意手绘画，请你设计一个剧本，要求治愈，有吸引力，有传播价值。
让模型补齐故事、场景、角色动作和台词。此时的目标不是文学成稿，而是得到一个可以继续审查的完整版本。
第二轮：让模型自己挑刺
接着要求模型站在挑剔的观众和动画导演角度，指出平淡、不合理和缺少传播动力的地方，再给出修改版本：
站在挑剔的观众和动画导演的角度，批判一下这个剧本，哪里平淡、哪里不合理、哪里不够让人想转发，然后给我改好的版本。
这一步解决的是“文字看起来完整，但做成视频后没有继续看下去的理由”。可以特别检查冲突是否出现得太晚、场景是否只是换背景、角色是否缺少目标，以及结尾是否真的完成了情绪回收。
第三轮：用分镜图预演
对修改后的剧本生成分镜图：
根据改好的剧本生成一张分镜图，每个镜头一格，标上远景、中景还是特写，写上画面内容和台词，铅笔线稿加淡水彩的风格。
分镜图的价值是把故事从文字变成可检查的镜头序列。正式制作前，先看镜头之间是否连得上、人物动作是否有连续性、台词长度是否配得上画面，以及转场是否有必要。
二、把剧本和分镜交给 Opus5.5
作者使用自己开源的 hand-drawn-storybook-animation skill，把剧本和分镜图一起交给 Opus5.5：
用 hand-drawn-storybook-animation 这个 skill，按这个剧本和分镜做一部手绘水彩动画。
这个 Skill 预先整理了镜头拆分、画面处理和动画制作步骤。模型可以根据剧本拆镜头、生成场景，再加入铅笔线出现、水彩晕染、翻页或湿笔刷等转场效果。
第一版应该被当作可评审样片，而不是最终成片。作者给出的反馈很具体：
- 节奏有点慢；
- 颜色鲜艳一点；
- 转场不好看；
- 背景音乐太吵，需要更治愈一些。
这种反馈比重新写一篇很长的提示词更适合迭代。每一轮只指出真正不满意的地方，让模型继续修改，更接近导演和制作团队之间的工作方式。
三、用豆包语音补上角色和情绪
画面完成后，作者接入火山引擎的豆包语音。原文建议从语音合成 2.0 开始试用，再根据角色设置不同的声音和语气：
- 旁白使用温柔的讲故事语气；
- 小狐狸使用更活泼的少女音；
- 其他角色根据性格设计声音；
- 不要让所有角色共用同一种语气。
接入步骤是先在火山引擎控制台开通语音合成服务、创建 API Key，再按项目说明把 Key 配置到 .env 文件中。原文特别提醒：.env 不要发给 AI，也不要上传到公开仓库。
交给 Opus5.5 的示例指令是：
用豆包语音给这部动画配音，旁白用温柔讲睡前故事的语气，小狐狸是活泼的小女孩，小墨怪只发萌萌的叫声，字幕跟声音对上。
生成配音后，还要根据实际语音时长调整时间轴。某句台词变长，后面的镜头、字幕和转场可能都需要顺延。自动对齐只是起点，最终仍要从头观看，检查台词、字幕和画面是否真的对应。
四、这套流程可以做什么
作者提到的应用方向，可以按内容目标分成几类：
| 方向 | 适合的内容 | 关键要求 |
|---|---|---|
| 知识科普 | 科学原理、历史事件 | 剧情要服务理解，不要只把文字配上画面 |
| 技能教学 | 软件操作、编程入门、AI 工具教程 | 镜头要清楚展示步骤和结果 |
| 儿童内容 | 睡前故事、英语启蒙、安全教育 | 声音、节奏和角色稳定性更重要 |
| 动态绘本 | 中国神话、童话、原创故事 | 画风、角色和字幕需要持续一致 |
| 产品营销 | 产品功能、使用场景、品牌故事 | 用故事解释价值，避免只罗列功能 |
| 品牌 IP | 固定角色和连续剧情 | 角色设定、版权和长期更新能力要先想清楚 |
作者还提到《追星星的小狐狸》《清明上河图》《万圣节之夜》和《女娲补天》等不同题材。底层制作思路可以复用，但题材、画面和氛围可以完全变化。对创作者来说，这意味着一次工作流可以逐步变成作品集，而不是只服务于一条视频。
五、作者踩出来的三个经验
1. 不要急着让模型开始制作
故事质量会直接影响成片。先让 GPT 批判剧本，再决定是否进入分镜和动画阶段，可以减少后面昂贵的返工。
2. 音乐不必从头铺到尾
持续的背景音乐不一定更有氛围。保留安静段落、环境声和短暂留白，往往更能托住绘本的情绪。音乐应该服务画面，而不是遮住旁白和角色声音。
3. 模型说“做完了”不等于可以发布
发布前至少完整看一遍，重点检查：
- 节奏是否在中段变慢；
- 转场是否抢走了故事注意力；
- 旁白、角色声音和字幕是否对齐；
- 角色、画风和场景是否前后一致；
- 是否出现不属于故事的文字、标识或素材；
- 角色和故事是否具有足够的原创性。
AI 能减少重复劳动，但最后的审美和判断仍然要由创作者负责。
六、变现想法与现实边界
作者认为，单个动画文件本身未必是最有价值的资产，长期价值更可能来自流量、持续制作能力和可延展的角色体系。原文给出的方向包括：
- 做账号，围绕睡前故事、神话新编或儿童科普长期更新；
- 接定制，为品牌介绍、课件动画、新书宣传或生日祝福制作内容；
- 做系列，把二十四节气、成语故事等整理成可重复销售的内容包；
- 做 IP，让一个原创角色持续出现在多集故事、绘本、周边和授权中。
这些是创作者的方向判断，不是收入保证。真正能否变现，还取决于故事质量、平台分发、受众、版权、配音和交付成本。尤其是儿童内容和品牌内容，角色、音乐、字体、图片和声音都需要逐项确认授权边界。
七、最短可复用工作流
如果只想先做一个小样，可以按下面的顺序推进：
- 用 GPT 写出一个 2 到 3 分钟的短故事；
- 让 GPT 批判剧本并给出修改稿；
- 生成带景别、台词和动作的分镜图；
- 安装并阅读 hand-drawn-storybook-animation-skill；
- 让 Opus5.5 先完成无配音样片；
- 用短反馈逐轮修正节奏、色彩和转场；
- 配置豆包语音，分别设计旁白和角色声音；
- 根据语音时长重新检查字幕和画面时间轴；
- 完整观看并修正，再决定是否发布。
先做短片的好处是能更快发现剧本、角色一致性和时间轴问题。等流程稳定后，再扩大到 7 分钟或连续剧集。
来源与边界
本文根据公开 X 帖子和 X Article 的文字内容整理。原文中的演示视频、图片和嵌入帖没有在本文仓库中重新托管；读者应以原始 X 页面和开源 Skill 仓库的当前内容为准。文中关于工具能力、免费额度、平台接口和发布时间的描述不构成持续有效的服务承诺。