加入好友

Layered Motion Graphics 實戰：一張 AI 插畫為什麼不夠？

上一篇第 18 篇，我整理了自己從 PPT Animation 走到 Illustrated Storytelling 的過程。

我開始不再只問：「標題要從哪裡飛進來？」而是改問：「這一段內容，畫面到底應該發生什麼事？」也就是先有 Visual Event，再有 Story Frame。

做到這裡之後，我原本以為影片應該會好看很多了。

結果新的問題馬上出現：Story Frame 很漂亮，可是它還是一張圖。

人物、桌子、窗戶、背景、手機、文件、咖啡杯、光線，全部已經被 AI 畫在同一張 PNG 裡。

這時候 HyperFrames 能做什麼？整張放大、整張縮小、往左移、往右移、Fade In、Fade Out。

做久了我才發現：插畫有故事，不代表這張插畫本身已經適合做 Motion Graphics。

這就是我開始研究 Layered Motion Graphics 的原因。

先講結論：一張 AI 插畫最大的問題，就是「所有東西黏在一起」

假設我有一張很好看的 AI 圖。

畫面裡有一位女生坐在辦公桌前，桌上有筆電、手機、文件、咖啡，後面是窗戶和城市景。

如果這整張就是：scene-01.png

那 HyperFrames 看到的其實不是：人物、桌子、手機、城市、窗戶。

而只是：一個 1920×1080 或 1080×1920 的矩形圖片。

也就是說，我如果把人物放大，背景也一起放大；手機往上飛，桌子也跟著飛；想讓窗外城市慢慢推近，也做不到。因為它們根本沒有被分開。

這就是「漂亮靜態圖」和「可動畫素材」最大的差別

漂亮 AI 插畫 Layered Motion 素材
重點是整張圖好不好看 重點是元素能不能獨立控制
人物、背景、物件已經合成 人物、背景、物件分成不同 Layer
適合當 Story Frame 適合做時間軸動畫
主要靠 Zoom／Pan 可以做 Parallax、遮罩、獨立位移
畫面是一張平面 畫面開始有前後景與深度

所以我現在會把流程拆成兩件事。

    • 第一件事：先做漂亮的 Story Frame。
    • 第二件事：再把 Story Frame 拆成能動的 Layer。

那一個 Scene 到底要拆幾層？

一開始我也會很貪心。

人物頭髮拆一層、眼睛一層、手一層、咖啡一層、筆一層，結果還沒做動畫，檔案已經多到自己都搞不清楚。

後來我覺得，知識短片其實沒有必要拆到動畫電影那麼細。

最實用的是先抓：「這個東西未來會不會需要和其他東西用不同速度、方向或時間移動？」

如果答案是會，就值得獨立一層。

我現在最基本會先想五大 Layer

Layer 主要內容
Background 天空、牆壁、窗外、遠景、環境
Midground 桌子、家具、建築、主要空間物件
Character 人物、講師、角色
Foreground 咖啡杯、葉子、文件、靠近鏡頭的遮擋物
Overlay / FX 字幕、Key Phrase、通知、光影、粒子、箭頭

光是這五層，就已經可以讓原本一張完全平面的 AI 插畫，開始有很多變化。

例如咖啡店畫面，分層之後會發生什麼？

上一篇我提過：前景、中景、背景。

這個概念其實就是 Layered Motion Graphics 很重要的基礎。

假設咖啡店 Scene 拆成：

bg-city.png
bg-cafe.png
character.png
table.png
foreground-cup.png
foreground-plant.png
text-keyphrase.png

那動畫就可以變成：城市背景慢慢推近 2%、咖啡店內部推近 4%、人物推近 7%、前景咖啡杯移動 12%、Key Phrase 最後才浮出來。

所有元素都往同一個方向移，但速度不同。觀眾就會產生一種鏡頭正在穿過空間的感覺。

這就是最基本的 Parallax

Parallax 中文通常會理解成：視差效果。

其實概念沒有那麼神秘。

坐車看窗外就很明顯，很遠的山移動得很慢，附近的電線桿一下子就從眼前飛過。

所以影片裡只要讓：背景慢、中景中等、前景快，畫面就會開始出現「深度」，而不是一張圖片整張滑過去。

為什麼這個效果對 AI 插畫特別重要？

因為 AI 插畫本來就很容易有：漂亮光線、漂亮構圖、漂亮景深。

但是它原本的景深只是：畫出來的。並不是真的有空間。

一旦拆成 Layer，就可以把「畫出來的深度」變成：時間中的深度。

也就是畫面真的會有前後移動。

第一種拆法：先從最重要的角色拆

如果這個 Scene 有人物，Character 通常會是我第一個想到的 Layer。

因為人物很常需要：稍微放大、往前移、左右位移、局部遮罩，或者讓背景在人物後面動。

所以最基本可以有：

background.png
character.png
foreground.png

光是三層，其實就已經可以做出比單圖 Zoom 好很多的效果。

第二種拆法：把會「發生事情」的物件獨立出來

例如上一章那個忙碌辦公室的 Visual Event。

口播在講：訊息一直進來。

如果所有通知都已經畫在背景裡，那它們只能從一開始就存在。

但如果拆成：

notification-email.png
notification-chat.png
notification-calendar.png
notification-boss.png

那就可以：0.8 秒 Email 飛進來、1.2 秒團隊訊息跳出來、1.7 秒會議提醒出現、2.1 秒老闆訊息壓上去，這時「資訊過載」就不是寫在畫面上的一句話。

而是真的：在觀眾眼前發生。

這就是 Layer 和 Visual Event 開始真正接起來的地方

第 18 篇我一直強調：每個 Scene 要有 Visual Event。

到了第 19 篇就會發現：如果沒有 Layer，很多 Visual Event 根本演不出來。

因為「事情發生」代表：某個元素要在某一秒出現、消失、移動、被遮住、被放大、改變狀態，這都需要它可以獨立控制。

第三種拆法：文字一定不要直接畫死在 AI 圖裡

這點我現在會特別注意。

以前生成 AI 圖時，很容易直接要求：

畫面上寫：「資訊過載」、「被打斷」、「真正重要的事」，結果文字真的生成進圖片，但是這對 Motion Graphics 很不方便。

因為後面不能：換字、改位置、分段出現、做 Highlight、配字幕節奏。

所以現在我會更傾向：AI 插畫負責畫面，文字交給 HyperFrames。

也就是 Story Frame 和 Final Frame 不一定一模一樣

Story Frame 可以先拿來決定：人物在哪、物件在哪、背景怎麼構圖、視覺焦點在哪。

但真正要進 HyperFrames 的 Final Assets，可以把文字拿掉。

改成：

character.png
background.png
phone.png
documents.png
keyphrase.html
captions.json

這樣就更容易後續控制。

第四種拆法：前景元素其實非常有用

我以前很容易覺得：前景那片葉子、模糊咖啡杯、桌角，到底有什麼重要？

後來才發現，前景層其實是最便宜的「影片感製造器」之一。

因為只要前景比背景移動速度快，畫面就會立刻有深度。

例如：背景城市慢慢左移、人物只微微推近、前景葉子快速滑過一點點、哪怕角色自己沒有真的做動作，畫面也會比整張 PNG 平移自然很多。

Foreground 還可以拿來做遮擋轉場

例如一大片葉子從鏡頭前經過。

當它遮滿畫面時：Scene 01 換成 Scene 02，等葉子離開，觀眾已經到了下一個場景，或者咖啡杯從畫面前方放大經過，滿版的瞬間換 Scene。

這種轉場其實比：Fade Out、Fade In更自然。因為它看起來像鏡頭裡真的有東西經過。

第五種 Layer：光影和特效也可以獨立控制

例如陽光、光斑、粒子、陰影、Highlight，這些如果直接畫死在背景裡，就永遠不會改變。

但拆成 FX Layer 之後，可以：慢慢變亮、輕微漂移、閃一下，跟著重點文字出現，甚至用來幫觀眾視線聚焦。

我現在會把 Motion 分成三種等級

Motion 類型 用途
Ambient Motion 很小的背景動態，例如光影、粒子、慢推鏡
Focus Motion 引導觀眾注意某個重點，例如 Highlight、放大、通知彈出
Story Motion 真正推進內容，例如文件被抽出、手機跳通知、角色離場

這三種如果全部混在一起，畫面會很亂。

所以每一秒最好還是先問：現在是哪一種 Motion 在工作？

不是所有 Layer 都一定要動

這個觀念也非常重要。

一看到「Layered Motion Graphics」，很容易想：既然都拆開了，那全部都給它動一下。

背景動、人物動、桌子動、字動、杯子動、光也動，結果又回到第 18 篇的問題：全部都在動，但不知道要看哪裡。

所以 Layer 的價值不是每個都要動。而是我終於可以選擇「誰現在不要動」。

例如一個 5 秒 Scene，我可能只安排三個動作

假設口播在講：「真正耗掉時間的，往往不是工作本身，而是不斷被打斷。」

我可能安排：

0.0–1.5 秒：
人物與辦公室維持穩定
背景非常輕微推近

1.5–3.5 秒：
Email、聊天、會議提醒依序彈入

3.5–5.0 秒：
其他元素略暗
「被打斷」Key Phrase 出現

就這樣，其實不需要 20 種動畫。因為真正的故事只有：原本在工作 → 干擾越來越多 → 最後看見核心問題。

Layered Motion Graphics 最大的價值，是可以「控制節奏」

單張圖很容易變成：畫面從第一秒到第五秒都已經完整存在，觀眾第一秒其實就看完了，剩下四秒只是聽聲音。

但是拆 Layer 後，可以把資訊安排在時間上。

第 1 秒只看到人物 → 第 2 秒多一個手機 → 第 3 秒出現通知 → 第 4 秒畫面開始壓迫 → 第 5 秒才揭露 Key Phrase。

這才會有：「下一秒還會發生什麼？」的感覺。

那 AI 圖到底要怎麼生，才比較適合之後拆 Layer？

這也是非常實際的問題。

如果一開始生成的構圖就太複雜：頭髮跟背景纏在一起、人物抱著很多東西、手和文件重疊、背景一堆細碎植物，後面要去背會很痛苦。

所以如果我知道這張是：未來要拆 Layer 的 Story Frame。

我會更注意：

    • 人物輪廓清楚
    • 重要物件彼此不要過度重疊
    • 背景不要太花
    • 人物周圍保留一些空間
    • 要動的物件盡量完整露出
    • 不要讓重要文字直接生成在圖片裡

甚至可以一開始就直接分開生成

例如不要先生成一張完整辦公室。

可以分成：背景辦公室、人物透明 PNG、桌子、手機、文件、通知圖示，這樣雖然前面素材準備比較多，但是後面 Motion 的自由度非常高。

我現在會把它分成兩種素材策略

策略 A：先生成完整 Story Frame，再拆

優點是：整體構圖通常比較自然；角色、光線、背景容易一致。

缺點則是：拆 Layer 比較麻煩、有些被遮住的地方甚至根本沒有畫。

策略 B：先規劃 Layer，再分開生成素材

優點是：每個素材可以獨立動畫，非常適合 HyperFrames。

缺點是：後面要重新做構圖，而且不同素材之間可能風格不一致。

所以我目前反而覺得：Story Frame 先用來定構圖，再依照它重新準備動畫 Layer，可能是比較穩的做法。

有一個問題非常容易被忽略：被人物擋住的背景去哪了？

例如完整插畫裡：人物坐在桌前、人物背後有一扇窗，如果我直接把人物去背，人物拿掉後，原本人物遮住的那一塊窗戶其實是：空的。因為 AI 根本沒畫過。

所以後面想讓人物往右移時，就會露出一個洞。

這時就需要：背景修補、Inpainting，或者另外生成一張：完整無人物背景。

所以比較乾淨的素材包，可能會長這樣

scene-01/
├── background-clean.png
├── character.png
├── desk.png
├── phone.png
├── documents.png
├── foreground-plant.png
├── fx-light.png
└── scene-notes.md

這樣 Codex 或 HyperFrames 後面才知道：每一個東西到底是什麼。

檔名也開始變得很重要

如果全部叫：

image1.png
image2.png
image3.png
final.png
final2.png

做到 30 支影片時，大概會瘋掉。

所以我現在反而會建議：

s01-bg.png
s01-character.png
s01-desk.png
s01-phone.png
s01-fg-plant.png
s01-fx-light.png

一看就知道：Scene 01。

背景、人物、前景、特效。

這也讓 Codex 比較容易自動讀取素材

因為如果檔名有規則，未來就可以讓程式知道：

    • bg = Background。
    • character = Character。
    • fg = Foreground。
    • fx = Effect。

這時 Layered Motion Graphics 就開始有機會真的變成：可批次執行的 Workflow。

Layer 本身也可以有自己的 Motion DNA

這是我覺得做到這裡很有意思的一點。

例如可以預先定義：

Layer 預設 Motion
Background 慢速 Pan / Scale
Character 小幅 Scale / Drift
Foreground 較快位移，製造 Parallax
Key Phrase 依節奏淡入／放大
Notification 快速 Pop In
FX Light 緩慢閃爍／漂移

當這些規則固定之後，以後換一個 Scene，就不用每一次重新設計所有動畫。

但這裡又要非常小心：不要讓 Motion DNA 變成新的模板感

如果每支影片：背景永遠從右往左、人物永遠放大 5%、Key Phrase 永遠彈一下、通知永遠從右邊飛進來，做久之後，觀眾一樣會看膩。

所以比較好的方式是：有預設，但允許 Scene 根據故事改變。

就像前面做銷售頁 Variant 一樣，規則不是用來限制創意，是用來減少每次都從零開始。

Layered Motion Graphics 也不是 2.5D 越重越好

看到分層，很容易開始追求：大幅 Parallax、鏡頭衝進去、人物一直浮動、背景一直晃。

但知識影片真正重要的還是：讓人看懂。

如果動畫太強，觀眾反而會一直注意：「這張圖在動。」而不是內容。

所以我的方向會比較偏：Motion 要讓畫面活，而不是讓觀眾察覺「我在做 Motion」。

手機短片尤其要小心 Safe Zone

因為我們現在很多知識片是直式。

    • 上面可能有：標題。
    • 中間有：Story Scene。
    • 左下還可能有：AI Presenter。
    • 最底下又固定：字幕。

這時 Layer 動來動去，很容易突然：人物壓到字幕、Key Phrase 跑到平台 UI、前景把 Presenter 擋住。

所以每一個 Motion 其實都要尊重：Safe Area。

Layer 動畫最好不要只看起始位置，也要看整段路徑

例如一個通知從右邊飛進來，開始位置沒有擋人、結束位置也沒擋人，可是飛進來的途中，剛好穿過 AI Presenter 的臉，這還是很怪。

所以我現在會覺得 QA 不能只看：第一幀和最後一幀。還要看：動畫中間到底經過哪裡。

我現在的 Layered Motion Graphics QA，大概會看這幾件事情

    • 人物去背邊緣是否乾淨
    • 背景被人物遮住的位置是否補完整
    • 不同 Layer 的光線是否一致
    • Parallax 有沒有太誇張
    • 前景是否不小心擋住重點
    • 字幕與 Presenter 是否仍在 Safe Zone
    • 文字是否獨立而不是畫死在圖裡
    • 移動過程是否穿過不該經過的區域
    • Scene 結束時是否能自然接下一幕

一張 AI 圖最大的限制，其實不是畫質

以前我可能會一直想：這張圖解析度夠不夠高？人物漂不漂亮？手有沒有畫錯？當然這些都重要。

但是做到影片之後，我開始覺得另一件事更重要：這張圖有沒有「可以被控制的結構」？

如果整張圖再漂亮，都只能整張一起動，它的影片彈性其實很低。但如果素材被拆成幾個乾淨 Layer，即使每一個元素單獨看沒有那麼華麗，最後組起來反而更有影片感。

這也是我從「AI 生圖」走到「AI 影片素材設計」的一個轉變

以前我的 Prompt 可能只會寫：幫我生成一張漂亮的辦公室插畫。

現在如果是影片，我開始會想：人物未來要不要去背？手機要不要獨立動？窗外要不要做 Parallax？前景要不要有遮擋？文字是不是另外做？

這已經不是：「我要一張圖。」而是：「我要一組可以組成影片的視覺資產。」

這時 image generation 也開始變成 Workflow 的一部分

例如未來 Codex 可以根據 Scene Spec，自動判斷：

這一幕需要：

1 × Background
1 × Character
2 × Interactive Objects
1 × Foreground
3 × Notification Overlays

再把需求交給生圖工具，產完之後依照命名規則放進對應資料夾。

HyperFrames 再自動抓取。這時整條流程就開始變成：

Script
↓
Visual Event
↓
Story Frame
↓
Layer Plan
↓
Asset Generation
↓
Layer Assembly
↓
Motion
↓
Preview
↓
QA
↓
Render

這其實比「一句話生一支影片」複雜很多

但是我現在反而覺得：複雜沒有關係，只要它是可以被重複的複雜。因為第一次建立很累。

可是當：Layer 命名固定、資料夾固定、Motion 規則固定、Safe Zone 固定、輸出流程固定，下一次就不是從零開始。

而且不是每支影片都一定要做完整 Layered Motion

這一點我也覺得很重要。

有些 15 秒影片，只要：一張插畫、兩個文字、一點 Zoom就夠了，如果每一支都拆十層，反而浪費時間。

所以我現在會比較想做：Motion Budget。也就是先決定這支影片值得做到哪一級。

等級 做法
Level 1 單圖＋字幕＋基本 Zoom／Pan
Level 2 背景＋人物＋文字三層
Level 3 前中後景＋互動物件＋Visual Event
Level 4 完整 Layered Motion＋Presenter＋多 Scene 敘事

這樣比較符合真正大量生產影片的需求。

因為最終目標不是做一支神級影片，而是建立可以大量使用的品質標準

這件事我現在越來越有感。

如果一支影片花 8 小時做到超漂亮，但下一支又重新 8 小時，那其實不叫自動化。

我現在更在意的是：能不能把 70～80 分的品質穩定重複。然後真的重要的影片，再往 90 分修。

這樣才比較符合我想做的：10 支、30 支、甚至未來 Batch Mode。

Tina學姐這次最大的體會：不是把一張圖做動，而是把一個場景拆成可以動的結構

我覺得這就是 Layered Motion Graphics 最核心的一句話。

如果只有一張圖，我是在：移動圖片。

如果有 Layer，我開始可以：控制場景。

背景怎麼走、人物什麼時候出現、通知哪一秒進來、前景什麼時候遮住鏡頭、Key Phrase 哪一秒出現、光線怎麼變。

這時影片才真正從「一張會移動的 AI 圖」變成「一個會發生事情的場景。」

寫在最後：Story Frame 是起點，Layer 才是 Motion 的真正材料

做到第 19 篇，我現在會把整套流程看得更清楚。

第 18 篇解決的是：畫面要說什麼故事？

第 19 篇解決的是：這個故事要拆成哪些東西，才有辦法真正動起來？

所以：

    • Story Frame 負責構圖。
    • Layer Plan 負責結構。
    • HyperFrames 負責時間。
    • Motion 負責讓故事在時間裡發生。

一張 AI 插畫可以讓人看到一個故事，但 Layered Motion Graphics 才能讓這個故事開始發生。