把 AI 動畫的分鏡改成「一格一行」，兩天做出 28 集

做一集變輕鬆之後，時間開始花在「要做什麼」上。

10 月 8〜9 日兩天，我做了 7 個系列、每個 4 集的短動畫。總共 28 集，約 26 分鐘。這是把分鏡改成用程式組、也換了畫圖跟配音做法之後的製作紀錄。

頻道叫「異境劇場｜IKYO STORIES」，每集 30 秒〜1 分半左右的直式動畫，放在 YouTube Shorts。

https://www.youtube.com/@ikyostories ↗

之前寫過一開始做的 6 部全部丟掉的事。那之後做法又改了兩次，終於開始做得出量了。不過，28 集雖然都通過了機器檢查，我用耳朵確認的部分還沒全部做完。

# 以前是一格一格手工做

一開始是每個鏡頭各畫一張圖，再用 Canvas 加動態。要揮劍的話，就把舉劍到揮完拆成好幾張，再加速度線。好看是好看，但做一集要花非常多時間。

所以乾脆一口氣決定：「全部改成漫畫頁吧。」分格一個一個飛進來，對話框直接當字幕。手從格子外伸進來、姿勢切換、嘴巴跟著聲音開合，動態也收斂成這幾種。

# 分鏡是「一格一行」

最有效的，是把分鏡改成用程式組。

劇本裡每一格寫「拍到什麼」「誰在說話」「怎麼呈現」。揭曉真面目的場景，就指定那種呈現方式，再加上台詞跟演技指示。我叫它「一格一行」，但不是真的要把行數對齊。只要把一格的資訊寫成一包，頁面怎麼切、對話框放哪，之後都可以用程式改。

剩下的交給程式：切頁、決定圖的大小跟對話框位置。嘴型、對話框尾巴的方向、音效、封面，也都從同一份資料產生。

目標是「分鏡從 2 小時變 30 分鐘」，但還沒有在同樣條件下量過比較。不過寫劇本的時候，完全不用想排版，這一點真的輕鬆很多。

# 新圖用 API，局部重畫用自己的電腦

圖在兩個地方畫：

• 新的圖，透過 API 丟給外部的生圖服務（Image 2.5）。一張大約 16 秒，可以 4 張同時畫。每次都附上角色參考圖，讓臉不要飄
• 嘴巴開合、換背景這種局部重畫，交給自己電腦（RTX 4070）上跑的圖像模型

一開始全部用自己電腦畫，結果招牌上出現奇怪的字、動作畫不出來，廢圖很多。新圖改走 API 之後，一集的新圖大概 2 分鐘就齊了。

畫風也換了。亮晶晶的厚塗、背景模糊、逆光，這些就是「AI 感」的真面目。所以改成像 2010 年代電視動畫截圖那種平塗加硬陰影。

# GPU 有空的話，一句 4 秒

聲音是在自己電腦上跑日文很強的語音合成模型 Irodori。GPU 有空的話，一句大約 4 秒念完。一集 11〜29 句，光配音幾分鐘就結束。

每個角色先做一個聲音樣本，之後每句台詞都用那個聲音念。每一句都可以加「小聲、講很快」這種演技指示。

也有卡關的地方：

• 做不出低沉的男聲。 寫「寡言、冷酷」聲音也不會變低。最後是用大模型做樣本，指定「變聲後低沉渾厚的男性聲音」，才終於到想要的音高
• 寫「身體很小」的神明，聲音變成小孩
• 內向的女生寫「小小聲」，結果變成超高超細的聲音。改成「偏低、沉穩的聲音」就好了

做聲音樣本的時候也會量音高。跟目標偏差超過 1.4 倍，就不用、直接停下來。

# 念太快，短台詞會糊掉

第一版看起來節奏很慢。台詞之間空了 0.85〜1.45 秒，有台詞在響的時間大概只佔整體 7 成。

所以把間隔砍半，語速也調快。模型本來就有「念的長度」設定，調到 0.8 可以在不改音高的情況下大約 1.25 倍速。某一集從 58 秒變 44 秒。

試了能不能再快，0.7 是極限。設到 0.66 以下再加速，像「……這人是誰。」這種短台詞，不管哪個聲音都會糊掉。

有沒有聽得清楚，是把所有台詞丟給語音辨識的 Whisper，再跟劇本比對。人名很容易念錯，所以名字只在台詞裡改用假名寫。

# 自動檢查過了，耳朵確認還是跑不掉

每一集都會跑同一套檢查：

• 對話框有沒有蓋到角色的臉
• 文字有沒有超出畫面
• 每句台詞音量夠不夠
• 語音辨識結果跟劇本對不對得上
• 整支影片的音量有沒有在規定範圍內
• 影片裡埋的隱形浮水印讀不讀得回來

例如《給 24 小時就會失去記憶的我》第 1 集，62.85 秒、27 句台詞。對話框沒有蓋到偵測出來的 21 處臉的任何一處，文字也沒有超出。

但語音辨識跟劇本對上的，27 句裡只有 21 句。剩下 6 句不只是漢字寫法不同，也有被辨識成別的詞的地方，在檢查紀錄裡標成「需確認」。

有錯誤的不會發。但檢查過了不等於完成。只靠檢查音量、比對文字的程式，決定不了台詞的演技跟 BGM 的平衡，那部分要自己聽。28 集的確認還在進行中。

做一集變輕鬆之後，時間開始花在「要做什麼」上。下一篇會寫讓 AI 寫了 155 個企劃，再讓 8 個 AI 評審來選的事。