AI动画工作室最难的部分，是让那根天线一直弯着

生成一帧好看的画面，现在的模型都做得到。让第200帧里还是同一个角色，大多数模型做不到。

问题出在记忆。视频模型没有跨镜头的记忆。上一段里角色的脸、外套颜色、门在哪一侧，下一段生成时全部归零。一个人从想法直接跳到视频提示词，通常得到两条结果：第一条片段很惊艳，第二条里主角变成同名陌生人。单条看不出问题，一集看下来，违和感铺满屏幕。

Movez在X上整理了20个GitHub仓库，声称能把Fable 5.2变成一间动画工作室。清单按制作顺序排：技能、3D、特效、运动、声音、导出。

技能层

LottieFiles的motion-design-skill把迪士尼12条动画原则写成agent能读的规范，一行命令安装：npx skills add LottieFiles/motion-design-skill。有回复说这是清单里最好的一个，理由很朴素，时序和缓动是动画里最像手艺的部分，被写成检查表，就不容易被模型自由发挥。

Motion的ai-kit走另一条路，给CSS弹簧动画生成linear()缓动参数，还能对动画代码做性能打分，等级从S到F。Remotion官方放出了自己的agent skills，命令是npx skills add remotion-dev/skills，覆盖创建、渲染、字幕、地图动画。

场景与3D

scenario-labs的Blender插件通过MCP把一个AI 3D团队塞进Blender。MCP是让agent调用外部工具和模型的协议，Claude Code、Cursor这类工具都能接。Three.js负责3D场景和镜头运动，react-three-rapier补物理，react-postprocessing加景深、辉光和胶片效果，three.quarks做粒子拖尾，Tweakpane用来实时调场景参数。这一组开发者更熟，价值在于可控。

动画与视频

GSAP现在完全免费，时间轴动画的老牌工具。Remotion把视频变成React组件。Manim做公式和图表动效，适合解释类内容。Lottie负责轻量矢量动画播放。

声音与导出

Openverse API提供520万条以上的免费音效、氛围音和音乐。librosa做节拍检测，让画面跟着音乐走。WhisperX给出词级时间戳，方便字幕卡点。FFmpeg收尾，编码和交付。

清单到这里结束。工具只是地表。

那段长文真正的价值在流程机制。

一个导演，七个子agent

Fable 5.2在主会话里当导演，每项工作派给一个子agent。子agent是.claude/agents/目录下的markdown文件，只拿需要的工具，只读指定的文件，只写一个输出。硬规则写在文件里：只有designer、renderer、editor能调用Picsart的MCP工具；reviewer只读，不生成；renderer每次先报价，没批准不渲染1080p，当天花费到预算就停；publisher没批准不发帖。

记忆放在文件夹里

视频模型没有记忆，工作室得替它记住。目录结构就是记忆：

studio/
  bible.md     世界观、引擎、调性、规则
  cast/        每个角色一份档案，文字加参考图
  episodes/    每集一个文件夹：剧本、分镜卡、提示词
  frames/      只放审核通过的静帧
  renders/     原始生成，别处不看这里
  selects/     通过的镜头，剪辑只认这个
  log.md       每次生成：模型、提示词版本、花费、结论

bible里最要紧的一栏叫engine，每一集都会出问题、而且永远解决不了的那件事。有engine，系列才有被重复观看的理由。

角色档案和那根天线

文字描述不是记忆。同一个角色在两段提示词里描述两次，会得到两个不同的人。所以每个角色一份passport：穷举式描述加参考图，一字不改地复制进它出现的每一个提示词。变体另起一份档案，比如"浑身面粉的机器人"是独立资产，不写在正文里。

passport里有个细节值得抄。除了轮廓、比例、材质、色号，还要写一个固定瑕疵。例子里的机器人烘焙师，天线弯了一点。规则是：直天线等于失败镜头。画面漂移一眼就能看出来，不用逐个比对五官。

先出静帧，换一个新会话审核

每个镜头先出静帧。图便宜，视频贵。静帧提示词只描述起始画面：谁、在哪、什么光、一个平静的姿势，情绪留给动作去发展。

审核交给一个全新会话。新会话没有你之前的工作上下文，它只看画面，不看你的意图。它只读，不生成，最后给PASS或FAIL，FAIL就列出具体要改什么。

480p草稿，1080p定稿，16帧抽查

Seedance 2.5的Draft Mode可以480p预览构图和动作，批准后用同一构图渲染1080p。钱花在定稿上，不花在试错上。

成片导出后均匀抽16帧，对照passport查：手指数、道具融化、角色变色、背景在同一个镜头里跳变。只查自己剪辑点之外的帧。

发布后的拆解视频

作者认为最容易被分享的格式是breakdown reel：成品镜头播放，然后拆成制作它的图层，逐个标注，再拼回去。观众为了看明白会复看一遍，还会转给做设计的朋友。对AI工作室来说，图层就是产品本身，passport、静帧、廉价草稿、一个定稿。

规则有三条：每个节点卡在120 BPM的节拍上，一拍0.5秒；没有直线运动，大动作前先反向一点，动作后过冲；最后一帧等于第一帧，无缝循环会被看两遍。

钱的实话

标题里的$1M，是这套流程替代掉的预算，不是承诺的收入。作者列了四条变现路径，顺序是Picsart Earn、接客户、TikTok创作者激励、YouTube。completion rate是唯一值得看的数字，和自己的四周平均值比，不和别人最好的视频比。

清单下面有条评论，来自一个SaaS创始人："20 repos to do what a timeline and some keyframes do, genuinely impressive tho." 吐槽不算错。工具堆得再多，替代不了导演判断。

另一条日语回复说这份清单按制作流程排列，比单纯的工具集更容易选下一步试什么。这个评价更准。仓库会过时，流程会留下来。

那根弯了的天线，比20个仓库更能说明问题。