陳志信：讓圖片動起來之前，你所需要了解的前置步驟

1. 一句話總結

AI動畫不是把一張圖弄動就叫動畫，真正決定動起來好不好看、有沒有靈魂的，是產圖之前的構圖設計；他把這套方法濃縮成幾個能套用在任何軟體上的通用觀念。

2. 重點筆記

為什麼要先講前置步驟

他強調一個觀念要通用所有軟體，因為單一軟體的操作技巧可能明天就被淘汰，但構圖與敘事的觀念可以貫通所有動畫工具。他引用Meta的數據，說每個貼文平均只能留住觀眾1.7秒的目光，短影音要在極短時間內抓住注意力，關鍵不在生成工具本身，而在生成之前有沒有把畫面設計成一張「會動的分鏡圖」，而不是一張漂亮的完成圖、海報或設計稿。

他也提到現在的AI影片生成已經進展到讓AI演員自己產生表演與台詞，不完全照著下的指令走，甚至會自己即興發揮出創作者沒有要求的動作，這讓創作者的角色從單純下提詞，變成要像導演一樣去溝通、引導這些有自己想法的AI演員演戲。

技巧一：荷蘭角，用傾斜的構圖創造動態感

他分享的第一個技巧是刻意破壞畫面水平的斜角構圖，這種手法在攝影與電影裡有專有名稱，源頭是1920年代一部德國表現主義恐怖片，他提到這部片得過不少獎，甚至後來還有專門拍攝這種斜角的機器（經查，這部片對應到的應是《卡里加利博士的小屋》，1920年上映的德國表現主義恐怖片，見第七節）。他指出希區考克、提姆波頓都是愛用這種斜角構圖來表達不安情緒的代表性導演，也提到這種構圖手法在動作片裡常被拿來鋪陳觀眾即將進入緊張橋段的訊號。

他現場示範同一張構圖，只要把畫面故意畫成傾斜的角度，生成出來的動態效果就會自然擺動，飛行、奔跑類的動畫尤其明顯；同樣的提詞、同樣的畫面，只是把重心改成斜的，動起來的自然度差異非常大。他也提醒，斜角雖然好用，但用太多也會被批評濫用，最好的時機是畫面即將從平靜轉向緊張的那個轉折點；相對地，他也提到某部知名電影大量運用垂直分割構圖，來呈現貧富兩端的空間對比（經查，這部片對應到的應是《寄生上流》，導演奉俊昊，2019年上映，見第七節）。

不同的生成模型對同樣的提詞反應力道也不一樣，他提醒同一句「快速」的指令，換一個軟體效果可能差很多，需要自己動手多方嘗試才能抓到每個工具的脾氣。

技巧二：用參考點解決AI分不清前後左右的問題

他點出一個核心盲點：AI其實不理解「前後左右」的相對關係，就像實際拍攝現場，導演說「舉起你的右手」，也常常會卡在「是你的右邊還是鏡頭前的右邊」這種認知落差。他示範了好幾次直接下「吃右邊那盤麵」的指令都失敗、AI夾錯邊的過程，後來改用參考點解法：在畫面上標記一個顏色記號（例如綠色的點），提詞改成「夾綠點那邊的麵」，AI就能準確執行，事後再用後製把顏色記號去除即可。同樣的邏輯也用在教AI狗演員辨別方向與物件（把要牠摸的那隻貓的頭塗成橘色、要牠看的東西換成一顆鳳梨），他形容這個過程很像自己臨時變成訓犬師，需要反覆試錯才能抓到AI真正在意的線索。

技巧三：借位合成

他分享了一個實拍烤肉店服務案例：他先實際走訪店家、拍下服務流程與場景，再把畫面中的人物替換成事先準備好的貓狗AI演員，光線、顏色都對齊後直接借位合成，讓整間店的角色都換成貓狗卻不會顯得違和。他也提到特效同樣可以用借位的方式做，原本沒有煙霧的畫面，加上局部效果就能生成一大片煙。

產圖前還要檢查的細節

他提醒在下指令生成動畫之前，除了構圖角度，還要檢查景深是否判讀正確（例如翅膀前後的深度關係），因為算圖的成本並不便宜，如果原始素材的深度圖判讀有誤，生成結果會不準確，等於白花算圖的錢。

3. 關鍵數據與案例

• 依他引用的Meta數據，一則貼文平均只能留住觀眾1.7秒的注意力（講者自述，出處未進一步說明）。
• 他分享的動物動畫作品曾創下連續兩個月流量破億的成績（講者自述，查無可供外部佐證的公開連結，標記為講者自述）。
• 他過去參與的一支動畫作品曾在台北車站站內大型廣告露出（他提到的是一支狗主題廣告，經查，比較接近的是「果然是你」App在台北捷運推出的裸視4D主題展演，見第七節，惟未能百分之百確認是同一支）。

4. 金句

• 「你今天學了prompt，明天就沒用了；但是觀念卻可以貫通所有的動畫軟體。」
• 「你圖畫好之後要稍微看一下景深……不然如果連深度圖都判讀不正確，你幾十元就真的是丟進水裡了。」
• 「牠雖然臉很不甘願，非常的不甘願，但牠夾對了。」

5. 提到的工具與名詞

• 荷蘭角（Dutch Angle）：刻意傾斜攝影機或畫面構圖以製造不安、緊張感的手法，常見於德國表現主義電影與希區考克、提姆波頓的作品。
• 參考點技巧：用顏色標記取代方向詞彙（左右前後）來引導AI生成動作的做法。
• 借位合成：結合實拍場景與AI生成角色，替換畫面中人物但保留光線與環境細節的技巧。
• AI影片生成模型的即興表演：他提到目前的AI影片工具已能讓虛擬演員根據情境自行發揮台詞與動作，不完全受限於下達的指令（他指的是Google最新一代的影片生成模型，惟未能確認對應到哪一支版本，標記為待查證）。

6. 延伸觀察

這場最值得記下來的地方，是把「AI動畫」拉回到傳統影像製作的老派功夫：分鏡、構圖、燈光、色彩，這些從底片時代就存在的技術語言，一樣可以直接套用在生成式工具上，而且往往是決定成敗的關鍵。用顏色標記取代方向詞彙去跟AI溝通那段，本質上跟前面幾場「非工程師怎麼跟AI精準溝通」的心法完全呼應——AI越聰明，人越需要學會把抽象的意圖翻譯成它聽得懂的具體訊號。

7. 資料來源