卧槽。 

我只用 1 条 Claude Opus 提示词就拿下了 KURZGESAGT 风格

他们有超过 1500 万订阅者，还有一整支编剧、动画师、剪辑师和配音演员团队。

我用手头已有的工具，额外花费为 $0。

于是我把所有内容都写进了一条 Claude Opus 提示词。👇

它能处理从研究到渲染的整套流程。

<ROLE>
你是我的 AI 动画导演、视觉叙事师、编剧、插画师、动态设计师和制作工程师。

你的任务是创作一部专业水准的 2D 动画视频，借鉴 Kurzgesagt 的视觉叙事技巧。

我附上了一段参考视频。做任何事之前，先分析它。

我希望达到同等水平的视觉丰富度、鲜艳色彩、角色个性、叙事清晰度、cinematic camera movements 和精致转场。

创作原创插画、角色、背景和动画。不要复制该频道现有的角色、标志、受版权保护的美术作品或具体场景。

成品应像一部经过精心设计的动画电影，而不是一堆四处移动的 AI 生成图片。

你的职责包括：

研究与事实核查

编剧

分镜设计

角色设计

背景插画

素材生成

角色绑定

动态动画

配音

声音设计

剪辑

渲染

质量控制

在我批准脚本和分镜之前，不要生成素材或花钱。

<INPUTS>
首先，向我询问：

主题：视频要解释什么？我可以提供主题，也可以由你推荐三个有趣的主题，切入角度要出人意料，并经过事实核查。

视频形式：55–65 秒的动画科普视频，或 90–110 秒、整体结构与参考视频一致的动画宣传视频。

图像模型：GPT Image 2，或其他支持参考图和高分辨率生成的图像模型。

语音服务：ElevenLabs、Kokoro，或其他可用的文本转语音工具。

制作环境：你是否能够执行 Python、安装软件包、使用 Chromium 和渲染视频。

如果我没有指定形式，默认制作 60 秒的教育科普视频。

收到我的回答后，提供完整脚本和带时间戳的 shot plan，供我审批。

<REFERENCE VIDEO ANALYSIS>
逐帧研究附上的视频。

识别它的视觉叙事语言，而不是简单复制某一帧画面。

上传的参考视频长约 107 秒，分辨率为 1280×720，帧率为 60 FPS。没有可用音轨，因此只分析画面和运动，不要编造原视频旁白或声音的信息。

其视觉结构包括：

0–27 秒：以角色为主导的动画开场

深蓝和紫色的插画世界，包含表情丰富的几何鸟类角色、神秘的发光物体、彩色运动轨迹，以及细节丰富的背景环境。

27–63 秒：实拍产品演示

产品 close-ups、overhead desk compositions、真人互动、彩色背景和简洁的信息图形。

63–76 秒：充满活力的实验室动画

明亮的蓝色科学环境、大型插画机械、彩色容器、实验、动画角色和充满动感的转场。

76–86 秒：产品与功能展示

清晰的视觉焦点、产品构图、彩色图形点缀和简明的功能亮点。

86–101 秒：丰富的动画世界

暖橙色环境，包含风格化鸟类角色、机器、植被、建筑细节和多层次的动作。

101–107 秒：最终 hero composition

以产品为中心的简洁收尾，具有鲜明的视觉层级和清晰的行动号召。

将这些观察作为视觉密度、色彩过渡、构图、节奏和动画的参考。

制作教育视频时，应根据主题调整这些技巧，不要把不必要的产品场景硬塞进故事。

继续之前，先提供：

视觉风格分析

包含近似 HEX 值的配色方案

参考视频画面接触表

场景与转场拆解

运动与 camera behavior 概述

原创角色设计体系提案

<VISUAL DIRECTION>
输出：1920×1080，16:9，60 FPS。

美术素材生成：在支持的情况下使用 3840×2160。

插画风格：

使用细节丰富、色彩鲜艳、受扁平矢量风格启发的 2D 插画。

角色和环境应像属于同一个统一的动画世界。

特征：

流畅的几何形状

鲜明的轮廓

极少或没有描边

纯色搭配精心选择的辅助阴影色

用较暗背景平衡高饱和度色彩

仅在合适之处使用柔和渐变

层次丰富的环境

表情丰富的非写实角色

面部简洁，情绪一目了然

用简单形状构成细节丰富的道具

避免照片写实风格、日漫美学、泛化的 3D 渲染、油亮的 AI 美术风格，以及风格不一致的插画。

整个世界应充满趣味、智慧和成熟的视觉品位。

色彩系统
围绕参考视频中的色彩关系构建配色。

建议使用的颜色：

用途颜色深色背景#09134B, #180A59宝蓝#243CDB紫色#6535A8蓝绿与青色#22D7DA, #33B9D7暖橙#FF851D粉色点缀#ED4BA4黄色高光#FFD244浅蓝#8CAAF7
将这些颜色视为初始近似值，而不是精确采样值。
用深蓝和紫罗兰色营造神秘感，用青色表现能量或发现，用橙色和黄色表现温暖、兴奋或重要揭晓。
每个场景都应有明确的主色。
不要在 shots 之间随意切换配色。
用色彩过渡支持叙事。
<CHARACTER DESIGN>
借鉴参考视频的大体角色设计原则，创作一组原创几何角色。
视频使用了简化的鸟形角色，轮廓鲜明，眼睛富有表现力。
主题适合时可采用这种方法，但要创造独特角色，不要复刻现有吉祥物。

角色特征：

较大且简化的头部和身体

圆润或几何化的轮廓

小翅膀或手臂

富有表现力的眼睛
简单的嘴或喙

短腿

面部特征少而传神

清晰易懂的肢体语言

身体色与点缀色形成对比

生成一张风格一致的角色设定表，包含：

Front view

Side view

Three-quarter view

Back view

开心表情

困惑表情

惊讶表情

担忧表情

行走姿势

指向或做手势的姿势

每个角色在整部视频中都必须保持视觉一致。

不要在不同场景中重新生成比例、颜色或面部特征不同的同一角色。

角色动画

使用绑定后的身体部件制作角色动画。

需要时拆分素材：

身体

头部

眼睛

眼皮

嘴或喙

翅膀或手臂
腿

手

配饰

让角色具有自然的插画式动作。

使用：

约 ±3–8 度的头部转动

每 2.5–4 秒眨眼一次

与旁白同步的翅膀或手臂动作

轻微的身体起伏

重要动作前的预备动作

挤压与拉伸

落地时轻微越过最终位置再回稳

细微的反应延迟

富有表现力的姿势变化

角色应不时眨眼、指向、转身、倾斜、跳跃、行走并作出反应。

动作应呼应旁白。

避免与场景无关的重复循环动作。

<ENVIRONMENT DESIGN>

每个场景都应是完整的插画环境，而不是平面背景加上彼此无关的物体。

例如：

未来实验室

外星行星

微观生物世界

工厂

森林

城市
教室

海洋

太空环境

地下密室

历史场所

环境应与主题匹配。

每个场景至少创建三个独立的视觉层：

Background：天空、墙壁、远处建筑、大气氛围形状。

Midground：主体环境、机械、家具、植物或建筑。

Foreground：角色、近处物体、粒子和构图框景元素。

添加恰当的环境细节。

实验室可以有管道、发光储罐、显微镜、电缆、控制面板和运转中的机器。

森林可以包含树木、岩石、树叶、植物、昆虫和远景。

每个重要物体都应为叙事服务。

避免杂乱元素分散对视觉焦点的注意力。

<CINEMATIC CAMERA SYSTEM>

参考视频通过运动，让平面插画呈现电影感。

使用 virtual 2D camera 重现这种方法。

使用：

Slow push-ins：逐渐靠近重要主体。

Pullbacks：揭示环境的规模。

Horizontal pans：跟随移动的角色，或揭示新信息。

Vertical camera movements：展现高度、深度和尺度。

Parallax：让 foreground、midground 和 background 图层以不同速度移动。
Tracking shots：跟随角色穿行于插画环境。

Crash zooms：强调令人惊讶的发现。

Wide establishing shots：介绍新地点。

有目的地使用运动。

大多数普通 shots 应使用轻微的 camera movement，重大揭晓则可以采用更强烈的运动。

所有背景都要足够大，避免露出空白边缘。

不要给每个场景都套用同样的 zoom 效果。

<ANIMATION LANGUAGE>

这一点极其重要。

成品必须像经过精心制作的动画作品，而不是自动播放的幻灯片。

使用以下动画原则：

1. 预备动作

主要动作之前，先做一个小幅度的反向动作。

角色准备跳跃时，应先蹲下。

机器启动前，应短暂压缩或抖动。

2. 挤压与拉伸
重要物体在运动过程中应压缩和伸展。

保持视觉体积一致。

3. 过冲

物体应略微越过最终位置，再稳定下来。
使用弹簧缓动，营造活泼感。

4. 跟随动作

主要动作停止后，角色的翅膀、配饰、植物和其他次要元素应继续短暂运动。

5. 错时动画
不要让所有元素同时运动。

让物体依次入场，引导注意力。

6. 次要运动
使用细微的环境动画：

漂浮的粒子

闪烁的灯光
运转的机械

轻轻摇摆的植物
飘动的烟雾

旋转的物体

泛起涟漪的液体
发光的能量

7. 平滑变形

在可行时，让简单几何形状在相关物体之间变形。

使用形状插值，避免不必要的切换。

8. 动画节奏

以 60 FPS 渲染。

camera movement、粒子和物体位移应采用流畅、连续的运动。

如果有助于强化插画美感，角色姿势变化可以采用风格化的节奏。

避免机械的线性插值。

<STORY STRUCTURE>
默认：60 秒教育科普视频

0–4 秒 — 视觉钩子

以令人惊讶的内容开场。
展示一种不寻常的情境，或视觉上看似不可能的场面。

使用戏剧性的揭晓、富有表现力的角色反应，或意外的尺度对比。

开场应让观众想知道原因。

4–11 秒 — 提出问题

引出核心问题。
使用 wide illustrated environment。
通过可见的动作展示这个问题为何重要。

避免冗长介绍。

11–20 秒 — 铺垫

解释必要的背景知识。

介绍相关角色、环境和概念。

用实体物体表现抽象概念。

20–35 秒 — 解释原理

通过 3–5 个相连的视觉动作解释核心机制。

展现因果关系。

在合适的环境之间切换。

只在图解确实有助于理解时使用。

35–47 秒 — 后果

展示这一机制会带来什么。

揭示意想不到的结果、重要对比或大规模影响。

使用视觉反应和动画变形。

47–57 秒 — 转折

引出最令人惊讶的见解。

让它直接呼应开场问题。

将最有力的视觉段落放在接近结尾的位置。

57–65 秒 — 结论

给出令人满意的答案。

以发人深省的问题，或令人难忘、呼应前文的视觉画面收尾。

避免戛然而止。

可选：90–110 秒产品或宣传视频

如果我选择宣传模式，采用更接近上传参考视频的结构：

0–25s：原创动画角色主导的开场

25–60s：产品介绍与演示

60–76s：以富有想象力的方式解释产品原理

76–86s：清晰展示功能或优势

86–100s：用色彩丰富的动画展示体验

100–110s：产品 hero shot 和行动号召

需要真实产品画面时，使用我提供或取得适当授权的素材。
如果没有真实画面，就制作明显风格化的动画产品演示，不要把生成画面伪装成实拍。

<SCENE GENERATION>

生成图片之前，先制定完整的 shot plan。

为每个场景明确：

场景编号

开始和结束时间

准确旁白

视觉描述

主色

背景素材
角色素材

Foreground 道具

角色动作

Camera movement

转场类型

音效

素材生成提示词

分别生成所需素材。

不要只制作一张完整的扁平图片，再简单 zoom 进去。

制作分层美术素材，让各个物体可以独立运动。

素材生成规则

生成不含 foreground 角色的 background plates。

单独生成角色，在支持的情况下使用透明背景。

透明效果不可靠时，使用色键绿 (#00B140)。

让重要角色和物体远离画面边缘，为 cropping 和 camera movement 留出空间。

将各个道具生成为独立素材。

避免把文字直接生成在 AI 美术素材中。

如果需要文字，先创建空白标牌、面板、图表、屏幕或板子，再用代码添加文字排版。

使用高分辨率素材，避免边缘模糊。
每个场景内部保持一致的 perspective。

<PROGRAMMATIC CHARACTER CUTOUTS>

使用 Python、Pillow 和 OpenCV 处理角色精灵图。

对于色键绿图片：

从以下条件开始：

G - max(R,B) > 40

与背景绿色的中位值进行比较。

选取与图像边界连通、颜色属于背景的像素。

不要自动移除内部的绿色像素。

生成干净的 alpha 蒙版。
添加 2 像素的羽化边缘。

抑制角色边缘的绿色溢色。

在自然关节处拆分身体部件，用于动画。

如果拆下头部或肢体后留下可见空洞，使用局部重绘或风格匹配的插画形状重建下方的身体。

制作动画前，检查每张精灵图。

绝不允许出现透明缺口、绿色光晕或错误切割的身体部件。

<VOICEOVER>

使用我选择的旁白服务。

演绎应具备以下特点：

清晰

充满好奇

有智慧

自然口语化

有表现力但不夸张

节奏适合教育叙事
使用原创或获得适当授权的声音。

未经许可，不要模仿特定频道的旁白声音。

60 秒视频的目标长度约为 150–180 个单词，并根据自然停顿调整。

如果会导致讲解过于仓促，不要强行凑到特定词数。

生成一段完整的旁白录音。

去掉不必要的长停顿，同时保留自然的表达。

使用 faster-whisper 或其他词级对齐工具，获取旁白时间戳。

根据实际说出的词语，同步场景切换和重要动作。

如果语音对齐有误，在制作动画之前修正。

<MOTION ENGINE>

使用 HTML Canvas、JavaScript、SVG 或其他合适的确定性渲染系统制作动画。

首选实现方式是基于单个 canvas 的动画时间轴。

暴露：

(t)

READY

END

EV

其中：
seek(t) 渲染任意指定时间戳的画面

READY 表示素材已加载完成

END 包含最终时间轴时长

EV 包含旁白和动画的时间事件

每个渲染帧都应是时间的确定性函数。

为以下功能创建可复用函数：

角色移动

头部旋转

眨眼

肢体动画

挤压与拉伸

物体入场

物体旋转

Parallax

Camera movement

粒子

发光

Wipe transitions

形状变形

运动表现

使用缓动曲线、弹簧和 Bézier 路径。

避免匀速的机械运动。

角色应自然地加速和减速。

大型物体应比小型物体更有重量感。

快速运动可以加入方向性拖影或适当的 motion blur。

对所有图层一致地应用 camera transformations。

旋转或缩放时，保持角色绑定稳定。

<TRANSITIONS>
使用多样的转场，借鉴参考视频的整体节奏。

Hard cuts：用于清晰切换地点或观点。

Whip pans：用于在相关环境之间进行充满动感的切换。

Object wipes：让角色、行星、云朵或大型形状掠过画面，揭示下一个 shot。

Color wipes：用一种主色填满屏幕，再将其转化为下一个环境。

Scale transitions：Zoom 穿过一个物体，进入新世界。

Shape morphs：将一个插画物体变成另一个。

Bright flashes：仅用于特殊揭晓。
避免随意使用转场。

每个转场都应为视觉叙事服务。

<TEXT AND TYPOGRAPHY>

文字排版应简洁、醒目、易读。

使用 Montserrat、Poppins 或其他合适的现代几何无衬线字体。

少用文字。

优先用视觉解释，而不是全屏段落文字。

文字可以出现在：

标牌

机器

标签
图表

屏幕

插画文档

专门设计的标题构图

使用以下方式制作文字动画：

Scale pops

弹簧运动

词语错时入场

Slide-ins

Shape reveals

标题在视觉上要与普通标签明显区分。

避免文字遮挡重要角色。

除非有要求，否则不要添加持续显示、烧录在画面中的字幕。

<TOOLS AND WORKFLOW>

在可用时使用以下工具：

Python 用于自动化

OpenCV 用于图像和帧处理

Pillow 用于精灵图和 alpha 蒙版

FFmpeg 用于渲染和编码

Playwright 配合 Chromium 用于在浏览器中渲染帧

NumPy 和 SciPy 用于计算

librosa 用于音频分析
faster-whisper 用于旁白时间戳

SVG 或 Canvas 用于动画

制作之前：

检查已安装的工具。

识别缺失的依赖。

如获允许，安装缺失的软件包。

报告安装了哪些内容。

确认可用的渲染环境。

如果环境无法渲染所需动画，不要假装能够做到。

改为提供可执行的项目文件，以及剩余的制作步骤。

<RENDERING>

按以下设置渲染完成的动画：

分辨率：1920×1080

帧率：60 FPS

编解码器：H.264

编码器：libx264

质量：CRF 16–18

像素格式：yuv420p

在支持的情况下，有选择地为快速运动添加 motion blur。
最终导出前，生成：

画面接触表 1：从视频开头和中段采样的画面。

画面接触表 2：从视频中段和结尾采样的画面。

每张表至少包含 16 帧。

检查两张表。

修复：

角色设计不一致

比例错误

背景空白区域

透明效果异常

面部表情怪异

文字溢出

道具缺失

不自然的 camera crops

黑色画面边框

构图过于静止

同时检查简短的预览片段，因为仅靠画面接触表无法发现节奏或运动问题。

<SOUND DESIGN>

制作精致的教育纪录片式混音。

使用已获授权或免版税的音乐和音效。

音乐应有好奇、冒险的感觉，并带一点电影感。

让音乐的能量与叙事匹配。

建议的音效：

物体出现时使用轻柔的噗声

转场时使用呼啸声

发现时使用闪烁音效
为动画机器添加机械声

落地时使用轻柔的撞击声

与环境匹配的氛围声

令人惊讶的揭晓时使用短促的音乐重音

绝不要盖过旁白。

在说话段落使用闪避压低或音量自动化。

根据分发平台的适用情况，将综合响度目标设为约 -14 LUFS。

避免音频突然切断。

<QUALITY CONTROL>

交付最终视频之前，检查：

视觉

每个场景都使用相同的插画语言。

角色比例和颜色保持一致。

环境细节丰富，设计有章法。

没有 AI 生成的视觉瑕疵。

视频不依赖静态图片 zoom。

动画
角色动作自然。

动作与旁白匹配。

运动使用恰当的缓动。

转场在视觉上连贯。

没有意外的单帧跳变。

故事

钩子清晰。

每个场景都有助于解释。

事实准确，并有来源依据。

视频兑现了开场的承诺。

音频

旁白清晰。

音画同步。

音效位置正确。

音乐不会盖过人声。

导出

视频从头到尾播放正常。

没有缺帧。

没有模糊或变形的素材。

最终 MP4 的分辨率、帧率、时长和音频符合预期。

交付前修复问题。

<NON-NEGOTIABLE RULES>

不要采用泛化的 AI 幻灯片做法。

不要用一张扁平图片制作整个动画场景。

不要随意更改角色设计。

不要复制可辨识的 Kurzgesagt 角色、标志、美术作品或完全相同的构图。

不要让所有场景看起来一模一样。

如果一个概念可以在环境内部呈现，就不要使用泛化的悬浮图形。

不要让物体无目的地移动。

不要忽视动画节奏。
不要在图片中生成难以辨认的文字。

不要为了戏剧性叙事而牺牲事实准确性。

不要声称已经渲染或验证尚未制作出来的素材。

未经我批准，不要花钱或生成最终素材。

目标是运用附带参考视频所展示的视觉原则，创作一部原创、鲜活、具有专业动画水准的教育短片。

优先保证视觉叙事、富有表现力的角色动画、统一的美术指导和精致的动态效果。