提示词指南

黏土动画:手艺、质感,以及七条提示词

黏土动画就是定格动画,只不过角色可以随手捏变形。下面这个合成器已经填好了本页开头那份材质简报:宽而钝的高光、一枚指纹、一条接缝,你可以读一遍、改一改,或者直接发出去。

可选

JPG / PNG / WebP

这是 Ottermind 的合成器,不是定格动画的拍摄台。提示词已经填好了;发送是另一件事,会在 Studio 里继续。

2026年11月16日 · 12 分钟阅读

黏土动画,也写作 claymation 或橡皮泥动画,是定格动画的一种,只不过角色能捏变形。 先捏出一个偶,通常围着一副金属丝骨架,放进微缩场景里,拍一张,用手推几毫米,再拍一张。按每秒 24 帧、以一拍二的方式拍,也就是每一个姿势曝光两帧,一秒钟的成片就是十二次手动移位。

你认得出的那种质感,是这套拍摄节奏的副产品,不是给 3D 渲染加的一层滤镜:表面是哑的,有指纹,两块黏土压在一起留下接缝,场景里的灰看得见,镜头也从来不会像机器那样滑得那么顺。大多数在 AI 工具里敲下「黏土动画」的人,要的并不是这套流程。他们要的是那个质感,拿到的是别的东西:一张带塑料光泽的渲染图,一个在镜头之间变形的角色,还有平滑插值而不是一格格跳的运动。提示词几乎总会写材质。几乎从不写这个材质属于哪一套制作。

这道缝就是本文要处理的全部问题。下面依次是:这门手艺到底由什么构成,五条能把黏土片段和黏土滤镜分开的检查,七条各控制一个变量的提示词,以及一句明说: AI 流程交付不了什么。因为一个要定格动画的客户,不会接受一份渲染出来的仿制品,指纹做得再像也不行。

这份指南是怎么准备的: 文中关于定义、帧数和片场实务的内容,来自维基百科的黏土动画和Will Vinton两个条目,核对日期为 2026 年 11 月 16 日:两帧曝光的惯例, 30 分钟与 90 分钟长片对应的 21,600 与 64,800 个定格画面,橡皮泥 1897 年的起源与不会干的性质,长片制作转向硅胶与树脂, Vinton 的 Foamation 工艺,以及 Aardman 的Flushed Away是用 CGI 复刻黏土动画、而不是黏土制作这一事实。这些都属于百科级别的二手资料,不是一手访谈。 Ottermind 的产品说明来自它自家的工具页面,同日读过。本文没有在 Ottermind 里跑过任何生成,所以这里没有任何内容被当作实测输出;凡是依赖未实测运行的说法,文中都注明了。封面与三张配图是为本文用图像模型做的插画,出现处均已标注。帧节奏示意图是按文中的算式画出来的,不是生成的。

这四个词各自指什么

搜索结果里这四个说法基本混着用,指的却不是一回事。花一段话说清楚,后面大半的失望就不会发生。

说法它指的是它不指
黏土动画/claymation一种制作方法:用可捏变形的偶拍定格动画任何特定的表面、颜色或精细程度
橡皮泥动画同一种方法,以材料命名:以油为基底、不会干的塑形黏土你今天一定能在任何市场按这个名字买到的材料
黏土质感 / 黏土纹理一种表面结果:哑光、略带灰、带指纹、不反光它花了多少帧,或者有没有摄影机真的对准过一个偶
CGI 黏土用计算机渲染出来的上述质感的仿制品一部真正拿黏土做出来的片子

这个区分有一个公开的先例,值得知道。 Aardman 的Flushed Away( 2006 )被描述成对黏土动画的 CGI 复刻:一部在电脑里做出来、却要让人看成黏土的作品。观众接受了它,因为质感撑住了。这正是关键:质感可以和手艺分开,所以「观众接受了」并不能证明你手里的是哪一种。

规划镜头时还有两个词有用。热场是正在拍的那个布景,偶停在下一条的确切位置上,谁都不许碰任何东西;拍摄时间一长,湿度会让偶变形、让场景移位,所以一个场景通常一天之内、甚至更短就拍完。Foamation是 Will Vinton 给一种泡沫橡胶工艺起的名字,系列片制作里用它取代了黏土,因为聚合黏土的维护要求在长周期项目上会撞到上限。这两个词对观众都不重要。它们解释的是:为什么黏土素材总带着一些极难刻意做出来的小瑕疵。

五条检查,把黏土片段和黏土滤镜分开

不要用「表面像不像黏土」来判断一条结果。用下面五个属性判断,每一个都能在暂停的一帧上量出来,不需要任何特殊软件。

检查项怎么量过关露馅
材质读数看主体最亮的那一点。有没有一个又尖又圆的高光点?高光又宽又钝,表面把光散开一个生硬的白点和一段平滑的衰减:这是给黏土颜色做的 3D 渲染
手触痕迹找一个指纹、一道工具刮痕、一条接缝、一粒落在镜头看得见的表面上的灰正常尺寸下至少能看到一处无意的痕迹表面完美均匀,或者「黏土质感」像壁纸一样重复
尺度读数把景深和物体尺寸放在一起比。看背景多快脱焦场景读起来像一张桌面:浅景深、近摄镜头、微缩模型尺寸略有出入从前到后全都实焦:场景读起来像一个房间,角色就成了巨人
帧节奏逐帧拖过一秒钟,数经过了多少个不同的姿势24 帧里大约 12 次变化;相同的帧成对出现每一帧都是新位置:平滑插值,不是动画
连贯性比同一角色的第一和最后一个镜头:同样的接缝、同样的磨损、同样的光向这个偶看上去是在一次拍摄里拍完的脸、颜色或光在镜头之间变了
手工橡皮泥偶肩部的微距:哑光黏土上压着一枚指纹,还有一道工具刮痕、一条接合缝、几粒灰,肘部露出一小截灰色金属丝骨架

材质检查,放大来看。一个钝的高光、一枚指纹、一条接缝,加上一截露出来的骨架,这四样东西才说明「这个物件被人手碰过」。为本文做的 AI 图像插画;它示范的是目标表面,不是某部黏土片的画面。

材质这一项是最常被跳过的。黏土表面是哑的,因为橡皮泥软而带灰;它把光散开,而不是聚成一个点反回来。你跟模型要「黏土质感」,经常拿到的是一个颜色,不是一种反射方式。后面四项检查,手痕、尺度、帧节奏、连贯性,才是观众的眼睛在判断「这个镜头是真的」时实际在用的东西,哪怕他们自己说不出来。

AI 从哪一步起不再是手艺

这一节决定这套流程对你的项目能不能用,所以值得说得直白些。

黏土质感做得到。定格动画做不到。 图像或视频模型能做出一个看起来像橡皮泥的角色:有指纹、有柔和的高光、有微缩场景、有灰。它做不到的是那套制作:表面下面没有骨架,曝光之间没有偶被重新摆位,没有一处会被碰坏的热场,也没有任何一帧被手碰过。如果你的交付物是「一条看起来像手工做的片段」,你在能做到的那一半里。如果你的交付物是「一部定格动画」,要拿去投电影节、交给播出方、交给一个请你做实体工艺的客户,那生成出来的片段是另一件东西,管它叫定格动画,就是在它的制作方式上撒谎。

帧节奏有一部分可控,有一部分不可控。 帧的跳步是量得出来的:导出,数一秒里有多少个不同的姿势,答案就有了。某个模型会不会照做「每秒十二次变化」这个要求,本文没法保证,因为没有跑过生成去测。把「一拍二拍摄」当成一个让跳步更可能发生的方向,逐帧去验证,并预期:如果模型把它抹平了,你要在剪辑里补回来。这是对一条未经验证的指令的诚实描述,不是功能承诺。

镜头越多,连贯性越差。 实体制作的连贯性是白送的:第 12 个镜头里的偶和第 1 个镜头里的是同一个,只多了点磨损。生成式制作得一个镜头一个镜头去说服它,片段一长就会漂。按短镜头加明确的身份描述来规划,别用一个长镜头,并且像剪辑师看待样片那样看结果:审生成结果而不是照单全收的做法,见人在环路里的审片。

接缝会露馅,两边都露。 真的黏土镜头会露出一条接缝,是手臂压上去的地方;臀侧一枚拇指印,一丝灰。这些是你手里最好的证据,证明某个镜头是拍出来的;它们同时也是最容易模仿的东西。如果你需要知道眼前是哪一种,去要制作记录,场记单、场景照、那些偶,而不是把表面看得更仔细。

七条提示词,每条只动一个变量

下面每条提示词只改检查表里的一个属性,其他一概不动,这样结果能告诉你哪条指令起了作用。它们默认的是带参考静帧的图生视频流程,这是控制力最强的组合:参考帧定住质感,提示词定住运动。换主体,留结构。

1. 材质:哑的、带灰、有手痕

控制的是:表面的反射方式,也就是「黏土」为什么读起来像黏土,而不是像刷了漆的塑料。

提示词
参考图里的角色是用橡皮泥捏出来的:表面哑光,略带灰,带着手工才会有的不匀。高光要宽、要钝,身体任何位置都不许出现尖锐的白色高光点。在臀侧压一枚指纹,肩上留一道塑形工具刮出的浅痕,手臂接到躯干的地方留一条看得见的接缝,褶皱里落一点灰。颜色保持平、保持粉笔一样的哑,不要光泽,不要金属感。

检查主体上最亮的那一个像素。如果它是一个小而硬的白点,反射那句就输了:模型给你的是塑料材质上的黏土颜色。把这句关于高光的话挪到提示词最前面,重跑一次。

2. 尺度:是微缩场景,不是一个房间

控制的是:让观众看出这个场景只有 40 厘米宽的那些纵深线索。

提示词
把这张图拍成一张桌面微缩场景,而不是一个原尺寸的房间。用近摄镜头和浅景深,让背景在很近的距离内就脱焦。场景按模型比例搭建:地砖每块只有几厘米宽,门口比角色张开手掌的高度还要矮,场景边缘的墙看得出很薄。在画框边上放一件普通物件,一支真铅笔,或者一卷黏土,让它明显和场景不成比例。

景深是最便宜的尺度线索,也是 AI 最常搞错的一项,因为全实焦读起来就是一个大房间。如果从角色的鼻尖到后墙全都清锐,微缩那句就被忽略了。

木工桌上的黏土微缩街景,场景里是一个小小的橡皮泥偶,旁边放着一只普通陶瓷马克杯和一卷灰色黏土,两样东西都远大于场景

尺度读数,用实体对比说出来。马克杯和那卷黏土就是尺子:它们是普通物件,摆在场景旁边大得离谱。为本文做的 AI 图像插画,示范的是该去要求的纵深线索;不是真实拍摄现场的照片。

3. 帧节奏:一拍二

控制的是:每秒出现多少个不同的姿势,也就是观众读成定格动画的那个东西。

提示词
按一拍二的方式把这张图做成定格动画:在每秒 24 帧里,角色每个姿势保持两帧,所以运动每秒只前进十二个可见的步,不是连续流动。两个姿势之间是身体被重新摆过,不是插值:每一次角度都略有不同,带着手工带来的那点细小的对不齐。不要动态模糊,不要平滑缓入缓出,不要中间帧。

数步子。导出一秒素材,逐帧走一遍,数有多少帧是新位置。十二或者接近十二,说明指令生效了;二十四,说明你拿到的是加了抖动滤镜的插值,读起来像出错,不像动画。

一秒内手臂运动的示意图:上排是十二个不同姿势,每个曝光两帧;下排是二十四个略有差别的连续插值位置

两种帧节奏,按算式画出来,不是生成的:十二个姿势各曝光两次,对比二十四个插值位置。只有上排是定格动画的拍摄节奏。示意图为本文绘制;图中人形只是示意,帧数是上文说的那个惯例。

4. 重量:接触与挤压

控制的是:角色看上去有没有质量,这决定片段读起来是动画,还是一张被拖动的图。

提示词
做一个单次起跳。角色离地之前,腿先压缩,身体微微挤扁,脚掌在蹬地那一帧之前一直贴住场景。腾空时身体拉长,手臂拖在后面。落地时脚先接触,身体再挤一次,用两三个姿势稳住。不许滑动:脚在地上时不能漂移,影子留在角色下面。

看脚,不要看身体。脚底打滑,说明模型动的是一个剪影,不是一个有重量的角色:这是最常见的标志,也最常被一句挤压拉伸修好。

奶油色背景上一排四只一样的橡皮泥小生物,把一次起跳分成四步:下蹲、蹬地、腾空并拉长身体、落地

一个动作,四个姿势:动画师在任何中间帧出现之前会先摆下的关键帧。如果你说不出自己片段里的这几个姿势,你判断的就只是质感,不是动画。为本文做的 AI 图像插画;它展示的是可以照着描述的姿势逻辑,不是实测的生成结果。

5. 连贯性:把身份写下来

控制的是:同一个角色能不能活到下一个镜头。

提示词
让角色和参考图完全一致:同样的身体比例,同样平的陶土色,左肩同一条接缝,同一只缺口的耳朵,胸口同样的落灰分布。背后的场景不变:同样的墙面质感,同样三件道具在同样的位置,光同样从左上打来。不要给角色换风格,不要给脸加细节,不要动背景里的任何东西。

把身份写下来一次,写成一份能贴进每个镜头的清单,而不是每次凭记忆重新描述角色。连贯性出问题,通常是规格没写清:两条提示词各自听起来都合理,描述的却是两个略有差别的角色。更长的序列需要更严格的版本:同样的问题在跨片段的角色一致性里也出现过。

6. 摄影机:固定不动,而且有理由

控制的是:画框里允许多少东西在动,这决定模型要凭空造多少。

提示词
把摄影机固定在三脚架上,机位在桌面高度,构图和参考图一样。不要推近,不要视差,不要手持漂移。如果摄影机确实要动,就在姿势之间动一个整步,像是有人在两次曝光之间用手推了一下机架,绝不连续滑动。

固定机位是制作选择,不是限制:在真实场景里,动摄影机意味着挪机架、重新布光,所以很多黏土作品都从一个机位拍。如果你想要一个运镜,把它当成单独一个镜头来预算;至于一次有意的倾斜会给画框带来什么,见荷兰角,前提是它被选中,而不是漂过去的。

7. 反渲染清单

控制的是:什么都不指定时,模型默认会犯的那个错。

提示词
不要光亮塑料感,不要潮湿或橡胶般的光泽,不要铬,角色身上不要玻璃反射。不要形状之间变形,不要边缘溶解,不要液体式转场。不要每秒 60 帧那种顺滑运动,不要动态模糊,不要景深推移。不要文字,不要字幕,不要标志,不要加道具。如果某个选择会让画面看起来更贵、更不像手工,选更像手工的那个。

负向清单是钝器,值得放在最后一行,不值得在开头堆五行。最后一句比整张清单更有用:它给了模型一条规则,去处理你没列出来的情况。

在 Ottermind 里试试第 1 条提示词。 本页顶部的合成器已经填好了这份材质简报。如果你改过,下面的按钮会重新填回去;发送是另一件事,会在 Studio 里继续。

这些提示词背后的镜头计划

提示词只在计划里才起作用。下面这个顺序能让一条片段变得可判断。

  1. 一个动作、三秒、一个机位。 把动作写成一句话,有开头有结尾(「狐狸跳一下,落地,稳住」)。黏土镜头每一秒都贵;生成镜头每一秒都会漂。三秒够读出一个风格,也短到能检查。
  2. 先把第一帧做成静帧。 第 1 、 2 条提示词属于这一步。这张静帧就是视频环节要去动的参考,所以趁任何运动都还不存在,先把材质、尺度和光定住。
  3. 用一条帧节奏指令、一条重量规则和一张负向清单去动这张静帧。 第 3 、 4 、 5 、 7 条。不要把整份质感再复述一遍:参考已经带着它了,重复它只会邀请模型重画角色。
  4. 先数姿势,再判断质量。 每秒十二步;做不到,就说明你已经决定做的是黏土质感的片段,不是定格动画片段。
  5. 对着参考审,不要对着记忆里的参考审。 把静帧和片段第一帧并排放;漂移几秒钟就看得出,单独看却看不出来。

如果你不止做一条镜头,这就变成一个小型的剪辑循环:生成、和参考比、改一个从句、重生成。这个循环更像审生成出来的成品,而不是写提示词。

反复出现的几种失败

你看到的实际发生了什么能修它的那句
角色像刷了漆的塑料从来没指定反射方式;模型给了带硬高光的黏土颜色「高光宽而钝,不要尖锐的高光点」
纹理像壁纸一样重复模型模仿的是一张纹理贴图,不是一只手点名一处痕迹,臀侧一枚指纹,肩上一道刮痕,而不是「黏土质感」
场景读起来像原尺寸的房间一切都在焦内;没有微缩的纵深线索「近摄镜头、浅景深,背景很快脱焦」
运动像一段放慢的视频插值,不是跳步「每个姿势保持两帧;重新摆位,不做插值」
迈步时脚在滑剪影动画:没有接触约束「脚一直贴住地面,直到蹬地那一帧」
角色在镜头之间变了两份描述,两个略有差别的角色把一份写好的身份清单贴进每个镜头,而不是重新写一段描述
边缘融化或漂移片段太长,模型撑不住镜头更短,动的元素更少,一次生成只做一个动作

其中两条比其他几条更值得注意。边缘融化和身份漂移,都是长度问题穿了一身风格的外衣:片段越长,模型要在没有参考的情况下凭空造出的帧就越多。修法在剪辑台上,不在措辞上:剪短这个镜头,或者剪掉那个一直在变的东西。

这套流程在 Ottermind 里的位置

上面这套流程有两个入口,两个都不是定格动画的拍摄台。

图像特效是静帧那一半:拿一张你有权使用的照片,说清一处想改的地方,主体和构图都别动。黏土处理就该放在这一步:一次只给一个方向,这样你能先看清表面是不是哑的,再往上加别的东西。

图生视频是运动那一半:把静帧作为参考挂上去,然后描述主体运动、环境运动、摄影机行为和节奏。它就是为本文推荐的这种组合设计的,一张固定的参考帧,加上写下来的指令;它返回的是给你审、给你改的几条结果,不是一条保证好的成片。

它不会给你什么:一份帧准到每秒十二个姿势的保证,一副实体骨架,逐帧的手工摆位,或者一份能让你把结果称作定格动画的制作记录。时长、分辨率、能跑几条结果,取决于你的账户和你选的模型,这些限制在 Studio 里看得见,不在本文里承诺。本文的提示词没有在 Ottermind 里跑过生成,所以请把它们当成有依据的方向,而不是验证过的配方。

相关阅读

下载桌面端与移动端 App

随时随地访问 Ottermind。

电脑