GPT Images 2.6 GIF 实测：从参考图到逐帧编辑的动图工作流

本文根据程序员鱼皮发布的公众号文章《刚刚 GPT Images 2.6 发布，一键生成 GIF 动图，表情包自由的时代来了！》整理。文中的 7 个动图案例、耗时、画面尺寸和失败现象属于作者在 ChatGPT 产品界面的实测记录；它们不等同于 GPT88 的价格、额度、API 能力或服务 SLA。

GPT Images 2.6 这次最容易被普通用户感知的变化，是图片生成开始直接进入短动图工作流：输入一句动作描述，上传一张参考图或草图，就能得到一段循环播放的 GIF。它还提供精灵图、播放速度和逐帧编辑入口，让动图不再只是一次性生成后下载的文件。

这项能力适合表情包、产品演示、聊天记录梗图和简单故事板。它目前仍有明显边界：真人脸部还原不如静态图稳定，许多成品分辨率偏小，审核可能误伤，参考照片偶尔读取失败。因此正确的使用方式是把它当成快速创作和修改工具，而不是无需验收的动画生产线。

先说结论

任务	推荐做法	主要验收点
固定角色表情包	上传参考图，再描述动作和循环	角色发型、服装、配色和脸部特征是否跨帧稳定
真人反应动图	上传多张同一人物照片，减少动作复杂度	人脸、眼镜、衣服和身体比例是否漂移
中文聊天记录	先让模型生成，再检查每一帧文字	中文是否准确、消息顺序是否正确、最后一帧是否停留
草图动画	先画主体和关键道具，再写动作分镜	草图中的线条、眼镜和主体关系是否保留
修改已有 GIF	切到精灵图，在目标帧添加评论	未标记的帧和区域是否保持不变
反复使用固定角色	保存为参考照片并在提示词中点名	首次调用是否成功、每次生成是否真的读取了角色

如果只想做一张能发到群里的表情包，直接从参考图加短动作开始；如果要做产品演示或品牌内容，则应先生成低分辨率草稿，再检查帧间一致性、文字和文件体积。

一、GIF 动图的基本流程

在 ChatGPT 的图像入口中选择“创建图像”，然后在提示词里明确写出三件事：

1. 输出格式是 GIF 动图，而不是静态图片。
2. 哪些对象需要运动，以及运动的先后顺序。
3. 最后如何回到开始姿势，形成循环。

一个可复用的提示词结构是：

参考我上传的[角色或产品]，做一张 GIF 动图：
[开始姿势] → [动作 1] → [动作 2] → [结束动作] → 回到开始姿势，循环播放。
保持[角色特征、产品外形、背景和画面比例]不变，使用[视觉风格]。

动作越具体，越容易判断结果是否符合预期。只写“让它动起来”通常不够；应写清楚谁动、怎么动、动几步、最后停在哪里。

二、参考图决定角色一致性

公众号实测的第一个案例是“吃白饭的蓝色大肥鱼”。第一次没有上传参考图，只在提示词里描述“蓝色的大肥鲸鱼”，模型生成了一条可爱的蓝色鲸鱼，但并不是读者熟悉的固定角色。

第二次加入角色参考图，并明确补充蓝色长发、鲸鱼耳朵、鲸鱼尾巴、女仆装等特征，结果才接近目标形象。这个案例说明：

• 角色名称不是稳定的视觉身份；
• 参考图应与文字描述一起提供；
• 提示词要列出必须保留的外观特征；
• 循环动作要尽量围绕角色原本的姿势设计。

作者还观察到，生成结果可以在 GIF 和“精灵图”之间切换。精灵图把多个画面排在同一张大图中，再按顺序播放。所有帧在同一张图中共同生成，可能是角色一致性较好的一个原因，但这只是基于案例的推测，不是官方对内部实现的确认。

三、真人动图：能做，但要降低预期

第二个案例把两张真人照片交给模型，让人物从工位喝咖啡开始，看到“线上报错 999+”后瞪眼、洒咖啡、从椅子上滑下去。

这个案例可以还原“程序员遇到线上故障”的完整情节，但作者明确反馈：人脸只有几分像，更接近远房亲戚；静态图中的人物一致性通常更好。

真人动图的提示词建议遵循以下原则：

• 上传多张光线和角度不同、但属于同一个人的照片；
• 先让人物做小幅度动作，再尝试大幅度位移或摔倒；
• 只保留一个主要人物，减少多人交互；
• 把发型、眼镜、衣服颜色和拍摄风格列为锁定项；
• 把“动作夸张”与“脸部必须完全一致”分开验收。

对于需要本人出镜的品牌内容，建议把 GIF 当作创意草稿或社交媒体轻量素材。正式发布前应逐帧检查是否出现脸部、手部、眼镜和服装漂移。

四、中文聊天记录是一次有价值的压力测试

第三个案例是让模型生成一段微信聊天记录 GIF：消息逐条出现，老板先说“周末有个小需求，很简单”，最后变成“做一个类似淘宝的 App，周一上线”，程序员回复已经让 AI 写完了，老板只留下“？？？”。

这个案例的难点不在动作，而在大量中文文字必须跨帧稳定。作者记录到，模型思考约 3 分钟后生成了 9 帧动图，并且每一帧的中文都没有写错；随后还通过代码渲染出了 720 × 1280 的高清竖版版本。

做文字密集的动图时，可以把验收拆成四层：

1. 每一帧的文字是否完整、清晰、没有错别字。
2. 消息是否按指定顺序出现，头像和气泡是否对应正确的人。
3. 最后一帧是否停留足够久，方便观众读完。
4. 竖屏尺寸、文件大小和压缩后清晰度是否满足发布平台要求。

不要因为一张预览图文字清晰，就默认所有帧都正确。文字动图应逐帧检查，尤其是需要截图传播或承载产品文案的内容。

五、草图可以直接变成一段小动画

作者在 ChatGPT 绘图板里随手画了一个戴圆眼镜的火柴人，再用提示词写出完整剧情：火柴人低头敲代码，红色 Bug 变成绿色对勾，随后跳舞庆祝，头顶出现“Bug 修好了！”，最后回到敲代码的姿势。

草图动画的价值不在于画得精细，而在于锁定主体、道具和大致动作。开始时只要交代：

• 主体是什么；
• 哪些线条和特征必须保留；
• 画面中有哪些关键道具；
• 动作先后顺序是什么；
• 结尾如何回到起始画面。

对于产品设计或视频分镜，可以先用草图确定运动关系，再用高质量模型重做关键帧。这样比一开始就要求模型生成完整成片更容易发现构图问题。

六、逐帧编辑让动图从“抽卡”变成“可修改文件”

动图生成后，页面底部会出现时间轴。作者实测了两个编辑入口：

• 点击“1×”调整播放速度，速度从 0.25 倍到 2 倍，共有 8 档；
• 切到精灵图，在具体帧上添加评论，要求模型只修改被标记的内容。

例如，作者把最后一帧老板的“？？？”改成“牛啊！那下周把京东也做了”，重新生成后只有最后两帧台词改变，前面的消息和头像保持不变。

这个工作流可以归纳成“先生成、再定位、局部修改、逐帧复核”：

生成初稿
  → 切换精灵图
  → 在目标帧标注修改区域
  → 写清需要替换的文字或对象
  → 重新生成
  → 对比未标记帧是否保持不变

编辑时不要只说“把这段改好看一点”。应写明目标帧、目标区域、新内容，以及必须保留的其他帧和对象。

七、参考照片适合做角色库，但仍要验证调用

文章还介绍了 ChatGPT 中的“参考照片”功能：可以把照片保存为“我”“宠物”“朋友”“空间”或其他角色，之后在提示词里直接点名调用。作者把自己的照片保存为“我”，把蓝色鲸鱼娘保存为“大肥鱼”，再让两者一起完成喂饭动图。

第一次调用时模型提示无法读取“我”的参考照片，回复末尾还出现了没有渲染出来的按钮代码。作者补充说明参考照片已经保存在资料库后，第二次才成功生成。

这个案例说明，参考照片库能减少重复上传，但不能跳过验证：

• 第一次调用要确认模型真的读取了指定角色；
• 结果中要检查角色的关键特征是否保持；
• 失败时重新说明角色名和存储位置，不要直接反复重试；
• 对重要内容仍然保留原始参考图，方便回退。

作者在 9 帧精灵图中发现人物眼镜有两帧消失，说明角色库便利性和逐帧稳定性仍然是两回事。

八、审核误伤与提示词改写

奶龙仰天大笑的案例出现了一次误判：黄色卡通恐龙的提示词包含“拍大腿”“前仰后合”等动作，第一次请求被拒绝。作者补充“这是卡通恐龙，没有任何不良内容”，并把动作改成“捶地”，第二次才顺利通过。

这不是规避安全系统的技巧，而是把含义写得更准确：

• 说明对象是卡通角色；
• 明确内容是普通表情包或动画；
• 删除可能被误解的动作词；
• 保留必要的动作节奏和画面目标。

如果内容本身涉及真实人物、未成年人、敏感场景或他人肖像，应先确认授权和使用边界。改写提示词不能把不应生成的内容变成可接受内容。

九、GPT88 接入时怎么验证 GIF 能力

公众号案例主要来自 ChatGPT 图像界面。GPT88 统一接口是否支持 GIF 输出、精灵图、参考照片或逐帧编辑，要以当前模型列表和实际接口响应为准，不能仅根据 ChatGPT 产品体验推断。

建议先用最小请求确认模型和路由，再逐项验证：

curl https://img.gpt88.cc/v1/models \
  -H "Authorization: Bearer $GPT88_API_KEY"

确认返回的模型 ID 后，再使用图片生成端点测试一张静态图或最短动图任务。记录以下信息：

• 模型 ID、尺寸和质量档位；
• 是否需要参考图或编辑输入；
• 返回的是 GIF、精灵图还是静态图片；
• 生成耗时、失败率、重试次数和文件大小；
• 当前账号是否真的开放相关格式和编辑能力。

如果接口返回成功但没有 GIF 字段，不要把静态图片强行改名为 GIF。应检查当前路由文档、响应结构和 GPT88 控制台能力，再决定是否需要客户端组帧或其他处理流程。

十、推荐的动图生产 SOP

把这篇实测整理成可复用流程，可以按下面 8 步执行：

1. 先定义发布场景：表情包、产品演示、聊天梗图还是故事板。
2. 准备参考图或草图，列出必须保留的角色和产品特征。
3. 写出开始姿势、动作顺序和循环回到起点的方式。
4. 先生成短、低风险的草稿，检查主体是否出现。
5. 切换精灵图逐帧检查文字、人物、产品和背景。
6. 只在目标帧标注需要修改的区域，保留未修改帧作为对照。
7. 调整速度和播放范围，确保最后一帧停留时间足够。
8. 导出前检查尺寸、文件体积、平台兼容性和肖像授权。

对于 GPT88 用户，建议把同一套提示词和验收表分别跑在 gpt-image-2.6-sunburst 与 gpt-image-2.6-flare 上：Flare 适合快速探索动作和构图，Sunburst 适合关键帧和最终精修。实际可用性、价格和 GIF 相关能力仍以 /v1/models、当前 API 响应和用量记录为准。

结论

GPT Images 2.6 的 GIF 能力把“生成一张图”推进到“生成一个短循环”。参考图可以帮助固定角色，草图可以锁定动作关系，精灵图和逐帧评论则让后续修改有了明确入口。公众号的 7 个案例也显示出它的真实边界：真人一致性还不够稳定，分辨率可能偏小，审核会出现误判，参考照片偶尔读取失败。

因此，最适合的工作方式是把它当作一个快速动图工作台：先用简单动作做草稿，再逐帧验收和局部修改；把 GIF 用在表情包、社媒轻量素材、聊天梗图和分镜预览上；对于正式广告、真人品牌内容和高分辨率成片，保留人工复核与后期制作环节。

原文

• 程序员鱼皮：刚刚 GPT Images 2.6 发布，一键生成 GIF 动图，表情包自由的时代来了！