阳光回响——我们的制作历程
May 2026
关于这部两部曲AI短片制作历程的笔记。
在任何一次制作过程中，都会有这样一个时刻——你不再问"我们能做到这个吗？"，而是开始问"我们该怎么做到？"在阳光回响这部片子里，这个转变发生得很早。问题从来不是AI能否生成这些画面，而是我们能否做出一部真正成立的电影——拥有扎实的结构、真实的情感逻辑，以及一套足够克制的视觉语言，能够支撑四十多个镜头而不失焦。
以下就是我们的实现过程。
一切的起点
这个项目源自我和联合导演兼编剧 Anh 的一次对话。他随身带着一本笔记本，里面写满了几十个尚未成型、静静等待的点子。这一个从那堆想法中浮现出来，感觉立刻就不一样——完整到足以立即开始。故事的前提一出现就已经很完整：一名孤独的战士穿越异星沙漠，发现一个垂死的男孩，带着他深入一座被埋没的洞穴，唤醒了某种古老的存在。这是一个伪装成生存故事的神话起源故事，有着干净利落的下沉式结构。结尾的画面足够有力，能够承载前面所有的铺陈——古老的守卫在巨人苏醒的密室中静立不动，不是为了攻击，而是为了回应。
当时我们还不知道，这部电影最终会变成完全不同的东西。这个转变的一部分来自于交流——把早期成果分享给其他常驻创作者，让外部的眼光来审视我们正在构建的东西。这种"摩擦"在AI创作流程中常常被低估，因为你很容易一头扎进生成循环里连续几天都不浮出水面。随着我们不断打磨视觉语言，第二层叙事逐渐浮现：这名战士其实是一个陷入昏迷、正在做梦的女孩。这个动画世界就是她的梦境。她带着的男孩是年轻时的父亲。这部以奇幻开场的电影，最终落在一间医院病房里，在雨中，一位父亲读着故事给女儿听，直到她醒来。同一个故事，被折射成了两种模样。
这个结构性的决定，改变了整个制作的一切。我们现在需要同时制作两部电影——一部动漫风格，一部照片写实风格——而它们必须感觉像是同一件事的两半。
技术栈
在生成第一帧画面之前，我们必须先确定实际要用哪些工具，以及它们该如何协同工作。
以 Flick 作为核心枢纽——所有生成工作都在这里完成。
其中：Nano Banana 2（Gemini 3.1 Flash）用于静态画面生成，采用基于文字描述的提示词。Nano Banana Pro（Gemini 3 Pro）用于需要模型进行推理、而非单纯执行的意图驱动型创意方向把控。Kling 3.0 用于所有写实风格的医院镜头——它支持通过 @element 语法传入 Character Reference。Seedance 2.0 用于动画/混合漫画风格的部分——它支持通过 @image 语法传入参考，并且在墨迹运动与环境的物理一致性上表现更强。
此外：ElevenLabs 用于配音。Nano Banana 同样也用于书籍封面设计——那本名为"阳光回响"的精装漫画在两个世界中都有出现，是连接两半故事的实体物件。
贯穿每一款工具、每一次会话的一条铁律是：每个平台都需要一种结构上截然不同的提示词格式。不是语气上的调整，而是结构上的。Seedance 里行得通的方法，放到 Kling 里就会失效。Nano Banana Pro 所偏好的——意图、创作方向、留给模型自行推理的空间——和 Seedance 所需要的完全是两回事。我们为每个模型都构建了一套专属的提示词架构，并且从不混用。
寻找视觉语言——第一部分：动画
这一部分花的时间比其他任何环节都长。
我们很清楚自己想要漫画风格。我们很清楚自己想要手绘质感，而不是 CGI。但“漫画”这个范畴极其宽泛，一旦调性选错，整部影片就会显得平庸。于是我们把资源库翻了个遍。
黑白版《剑风传奇》（Berserk noir et blanc）是我们测试的第一个方向。三浦建太郎的线条极其出色——沉稳精准的墨线、密集的交叉排线，还有那些承载着真实分量的大块黑色。但黑白画面带来了一个明显的问题：影片需要呈现两个截然不同的世界，而没有色彩就无法体现这种区别。于是我们放弃了这个方向。
彩色版《剑风传奇》（Berserk colorisé）——同样的画面结构，但在墨线之上叠加了一层半写实的数字绘画。这个方向更接近我们想要的效果，其色板也自然地契合我们的需求：赤陶赭红、锡灰、漂白骨色。但这种半写实风格与梦境般的基调相悖，显得过于写实、过于扎实。
我们最终确定的是一种混合风格：漫画/水墨绘画动画。这并非某个能干净对应到现实中的参照对象——而这正是关键所在。核心原则是：画面中不能有任何静止的东西。每一根墨线都必须是“活”的。笔触要持续流动。阴影要有呼吸感。墨渍要在移动。沙漠本身也要处于不断的运动之中。
最后这个认知，是我们花了最长时间才领悟到的：AI 视频工具不会为你自动生成任何你没有明确描述过的动作。你不能假设画面会自己动起来。你必须把它写进提示词里，让它“存在”——每一笔笔触、每一粒微粒、每一次阴影的变化——否则画面就会像一幅假装是影片的静止画作那样僵住。
锁定风格的提示词开头段落如下：
混合漫画/水墨绘画动画风格——墨线始终清晰可见且充满生命力。赤陶赭色的笔触随风持续流动。画面中没有任何东西是静止的。全程保持手绘墨线质感。
从那时起，每一条动画提示词都以这段话开头。一致性并非来自某一张完美的图像，而是来自反复运用这套规范所带来的自律。
角色设定
一共四个角色。每一个都需要经过独立的“锁定”流程——生成角色小样图集，确定哪些特征必须在数十个镜头中保持一致，然后将这些特征以极其精确的措辞写入每一条提示词中。
女战士是整个动画世界的核心。骨白色斗篷、锁子甲、深色发辫、脸上的符文疤痕、浅绿色眼睛。她的剑：细长的剑身、不对称的几何护手、琥珀色的符文光泽。除非镜头明确另有说明，否则剑始终握在右手。这种细致并非可有可无的装饰——一旦剑出现在错误的手上，就会破坏画面方位的连贯性，从而不得不重新生成。
男孩：蓬乱的黑发、苍白的皮肤、破损的束腰外衣、简朴的凉鞋。这个角色最关键的设定是，他必须给人一种比实际年龄更成熟的观感。而当他被人抱起时——必须是软塌无力的状态，如同死物般的重量。如果你不明确写出这种physical状态，模型就会生成弹跳感、僵硬感——让一个孩子看起来像是被当作包裹搬运，而不是一具已经放弃挣扎、彻底松弛下来的躯体。
女病人：蜂蜜棕的脏辫，左腿戴着伊利扎洛夫外固定架。这个固定架是连接两个世界的视觉桥梁——她的真实伤势在梦中回响为男孩无法行走。我们很早就学到要精确命名这个装置。笼统的措辞只会得到笼统的结果。"伊利扎洛夫外固定架"（Ilizarov external fixator）生成了正确的医疗器械，而这正是这部影片需要的真实感。
父亲是男孩长大后的模样。相同的骨骼结构，相同的静止质感。只是尺度不同。选角的逻辑内在于影片的隐喻：女孩梦见自己是背着年轻父亲的战士。她救了他。而现实中，他每晚都在她床边为她读书。同一个人，不同的时间。
世界观：第一部分（沙漠）
要让外部世界稳定下来，需要一整套环境提示词系统。没有它，每次生成都会漂移——天空色温不同，岩石构造不同，雾霭也不一致。有了它，世界才立住了。
通用环境模块：
外星沙漠景观，平坦的锈橙色赤陶质沙地，散布着深灰锡色的岩石构造，被岩石和沙土部分掩埋的古代金属结构，表面刻有符文几何雕纹，浓重的大气雾霭中可见地平线上巨大的行星弧。调色：暖色调低饱和度的赤陶地面，冷色调的灰色岩石与金属，被漂白的暖灰色天空，浓密的沙尘雾霭消融远景，柔和无方向性的漫射光，极低饱和度，地面到天空的冷暖分割，细腻的沙尘颗粒感。
一轮低垂、被漂白的太阳。没有蓝天，也没有撒哈拉式的沙。具体的用词选择至关重要——"锈橙赤陶色"（rust-terracotta）产生的结果与"红色"不同。"暖灰色天空"产生的结果与"灰色"不同。这套词汇是经过校准的，而不仅仅是描述性的。
每一个外景提示词都以这个模块开头，然后加上该镜头特定的动作。环境由此成为一个容器，而不是每次从零重建的描述。
世界观：第二部分（医院）
极低的饱和度。冷色调的蓝绿色环境光——正是医院夜晚真实的那种光。唯一的暖光源是床头的一盏暖琥珀色台灯。是一盏灯，不是两盏。在提示词里把这一点弄错，会产生完全不同的色彩关系，而这种差异是能被感知到的。
细腻的胶片颗粒感。缓慢如冰川移动的移动车拍摄——是摄影机在空间中的实际物理移动，而不是变焦。绝不是"推近"（push-in）。移动车拍摄（dolly）与光学变焦（zoom）之间的区别是真实存在的，模型对二者的响应也截然不同。
这场14镜头的苏醒戏，在写出第一条提示词之前，就已经完整地做好了分镜：大远景确立镜头、窗上的雨、床边不知所措的父亲、心电图正常心律、桌上的书、地上洒了水的塑料杯、一根手指的移动、心电图加速、嘴唇动出"爸"字的形状、父亲转过身。切。
之后每个镜头都有了自己的提示词。但它们是作为一个序列来写的，而不是孤立的图像——这意味着关于机位高度、角色位置和光线色温的每一个选择，都必须在整个14镜头的弧线中保持一致。
那本书
精装漫画《太阳的回响》（Echoes of the Sun）是这部影片的核心物件。它就摆在病房床头柜上。这是父亲手中正在读的实体书。它的书脊在梦境世界里同样清晰可辨。正是这件道具，让两个世界同时成立为真实。
封面上的作者署名：安·布莱克史密斯（Ann Blacksmith）。Ann 取自 Anh，我的联合导演。Blacksmith 对应 Faure——在法语里意为forgeron（铁匠）。一个藏在虚构书籍里的小小私人暗号，藏在一部真实的影片之中。
要做到位，花了好几轮尝试。片名的设计在 Nano Banana 中反复迭代——烫金效果太装饰性，局部 UV 黑漆更接近了，但都没有完全落在我想要的地方。最终我在 Affinity Designer 里完成了片名设计，把 AI 生成的元素与传统工具结合起来。事实证明，这才是处理任何脑海中已有精确画面时的正确方法：AI 能帮你完成 80% 的路程，剩下的差距要靠传统工具来补齐。想通过提示词硬凑齐最后 20%，只会白白耗费大量时间。
旁白
这个声音是父亲的声音。一个大约 40 岁的男人，正朗读一本书。不是表演，也不是史诗般的叙述——只是朗读。就像一个人在读给一个也许再也听不见自己的人听，却依然抱着希望。
这个限定塑造了文本的每一句话。任何一句都不能听起来像是"写"出来的。一切都必须听起来像是"说"出来的，鲜活、现场，带着真实话语才有的那种些许不完美。
在泰坦俯身的那一刻——动画段落的高潮——我们需要一种超越英语的东西。一句用虚构古语写成的短语。我们最终确定的是："Sol'varath... anaï kaïm." 短到像是被刻出来的，而不是被写出来的。在音韵上陌生异样，却又莫名让人读出一种"命令"的意味。是那种会被镌刻在石头上的声音。
旁白覆盖了大约 2 分 30 秒——也就是整个第一部分。几乎没有留白。这个声音将动画世界维系在一起，正如音乐维系一部影片一样：始终存在，略低于表面之下，让你始终停留在那个基调里。
我们学到的东西
有几件事，永久性地改变了我们的工作方式。
只描述尚未可见的内容。如果角色参考图里已经有剑，除非这一镜头里剑有什么不同，否则不要再重复描述它。冗余的描述并不会加强效果——只会引入噪音。
动作必须明确写出。没有被明确描述为"在动"的东西，就不会动起来。笔触、水、布料、粒子——把动态写出来，否则画面就会静止不动。
物理规律需要明确描述。一个被抬着的身体是有重量的，是有阻力的。是"瘫软"，而不是某种姿势。如果你不描述物理规律，得到的就会是另一种物理规律——通常是错的。
风格参考图携带的信息比文字更多。尽早锁定一张母版图像并将其作为风格锚点，在长篇制作中维持视觉一致性方面，比纯文字提示词更可靠。
知道何时该"剪掉"的直觉，是你能带来的最有价值的东西。AI 不知道画面何时开始崩坏。它感觉不到战士的脸何时从可信滑向虚假，泰坦的比例何时突破了画框，医院的灯光何时偏离了影片所需要的那种感觉。那种直觉——知道"虚假"从哪里开始——依然完全是属于人类的。这是整个流程中，任何工具都无法取代的部分。
目前的进展
影片已经完成。
两个部分。一个是动画,一个是真实写照。一个女儿的梦境与她的苏醒。混合了漫画风格与冷峻的医院场景。一位背着男孩穿越被掩埋世界的战士,和一位读故事给尚无法回应的女孩听的父亲。
剪辑、调色与特效整合是最后完成的部分——老实说,这才是一切真正发生的地方。生成产出的是素材,而剪辑造就的是一部影片。情感逻辑在这里被建立,也可能在这里被破坏——一个错误帧位置的剪切能毁掉一场戏,而恰到好处的一刀则能让你感受到无法预料的东西。特效层——墨水飞溅、粒子系统、心电图脉冲——这些在生成阶段都不存在。它们是在后期制作中,一帧一帧地放进去的,和其他任何制作流程一样。AI不懂节奏,也不知道观众带着怎样的情绪进入一个转场。那种知识是25年经验积累的结果,它属于剪辑,而不属于提示词。
制作名单
Echoes of the Sun
- 导演:Arno Faure & Nguyen-Anh Nguyen
- 创意来源:Nguyen-Anh Nguyen
- 剧本改编:Arno Faure
- 创意指导 / AI生成 · 剪辑 · 音效设计:Arno Faure
- 音乐:Quinten Coblentz · Rotem Moav · Eleven Tales
- AI平台:Flick(Nano Banana 2, Nano Banana Pro, Kling 3.0, Seedance 2.0) 配音:ElevenLabs
- 导演们特别感谢:Zoey Zhang、Ray Wang、Katherine Zhao、Hannah Lim,以及Spring 26项目的全体学员。