AI Fruits:如何做出撐得過一支影片的水果角色

AI fruits 是長著臉孔、有聲音、有行動理由的水果角色。單支影片是生成問題,連續劇集是連貫性問題。先固定一張角色圖,再為每支影片只寫一個動作。

選填

JPG / PNG / WebP

這是 Ottermind 的輸入框。簡述和參考圖都先留在草稿裡,按圓形箭頭才交給 Studio 審核。

2026年11月14日 · 約 13 分鐘

AI Fruits 是有臉、有聲音、還帶著一點點行動理由的水果造型角色,影片短到能在手機上看完。 這個格式在大概十八個月裡,從水果 ASMR、加字幕的迷因、會說話的農產品,一路走到連續劇式的水果劇,而現在它已經變成一種搜尋結果裡全是生成器、每個都帶著模板等你去改的關鍵字。

你今天就能做出一支這樣的影片。但第一次做,你沒辦法讓第六支看起來跟第一支一樣:同樣的表皮、同樣的籽排法、同樣的臉、同樣的世界。這正是模板頁面略過的部分,也是這篇指南從頭到尾圍繞的重點。一支影片是生成問題,一集節目是連貫性問題。

這篇指南怎麼做出來的: 公開頁面在 2026 年 11 月 14 日查閱:Media.io 的 AI Fruit Story 專區頁、Designkit 的 AI fruits 說明文(2026 年 8 月 13 日發布),以及 Ottermind 的 Image to Video、Photo to Video 與 AI Reel Maker 頁面。趨勢歷史依照這些頁面的描述呈現,包括它們歸給 Know Your Meme 的日期;某競爭者引用的觀看次數屬於行銷說法,這裡不當成事實重複。這是一篇工作流程指南,不是速度或品質的基準測試。本文沒有生成任何影片,因此不把任何片段當成成果展示。封面與三張圖是為本文以 Image 2.5 系列模型(GPT Image 2.5)生成,並標示為概念插畫;合成器截圖則是這個頁面的真實截圖。

大家實際上在做什麼

這個趨勢走了一年半,長出幾種差異很大的格式,一旦你決定發超過一則,差別就會立刻顯現。時間軸最常被引用的那篇趨勢整理把它拆成五個彼此重疊的階段:2025 年的水果 ASMR、大約 2025 年 7 月起有臉的水果吃同類、同年 8 月加字幕的水果迷因、2025 到 26 年會說話的水果,以及 2026 年的連續劇式水果劇。同一篇整理也提到,一齣全部由 AI Fruits 擔綱的戀愛實境節目惡搞劇在 2026 年 3 月於 TikTok 爆紅——那是這個格式不再只是單一玩笑、開始變成一齣節目的時刻。

這段歷史有一個很實際的意義:你在時間軸上走得越後面,每一支影片就越依賴前一支。自我進食的草莓是一個十五秒的點子。一個性格固定、會一再回來的水果,則是一份製作工作,需要卡司、需要定裝,還需要一套留下來可查的紀錄。

格式畫面上發生什麼事撐起影片的是什麼重複製作的成本
水果吃自己一顆水果被餵下同類的一小塊,咬一口、有反應那一口、那一聲脆響、那種詭異的落差低——換一顆水果就是一支新影片
嬰兒臉水果圓潤的五官、超大眼睛、一個誇張的反應可愛撞上某種說不出的不對勁低,直到你想讓同一張嬰兒臉出現第二次
會說話的水果角色對著鏡頭講一句台詞或一個笑話節奏,以及清楚的嘴型動作中——聲音和臉必須對得上
水果 ASMR切片、剝皮、擠壓,靠聲音撐起整支影片表面質感與乾淨的音訊低,但觀眾群很窄
短篇水果故事一兩個角色走到一個笑點或一個決定在影片內就能收束的衝突中——第二個角色需要一套設計
連續劇式水果劇固定班底、分集、懸而未決的張力外觀、性格與世界觀的連貫高——多數人的嘗試都敗在這裡
米白紙上的六格樣張,依序是草莓咬草莓、嬰兒臉橘子、會說話的柳橙、正在被切片的奇異果、站在冰箱門前的櫻桃,以及三個水果角色圍坐桌邊

六種格式一張看完:咬一口、嬰兒臉、對嘴說話、ASMR 切片、單一故事節拍,以及圍坐桌邊的固定班底。本文以 Image 2.5 系列模型生成的概念插畫;不是截圖,不是已發布的範例,也不是推薦的成果。

最右邊那一欄值得讀兩次。生成器頁面會很樂意賣你左邊那一欄,因為一個能生出一支好笑影片的模板,本身就算是完整的產品。但如果你打算做系列,你要買的是最下面那一列,而最下面那一列取決於你在兩次工作之間留下了什麼,不是你選了哪個模型。

為什麼第六支影片看起來像換了一顆水果

每一次生成都從你交給它的圖片或文字開始。你給它一段文字,它就每次重新發明那顆草莓:新的籽密度、新的葉片角度、新的眼睛位置,還有一張悄悄變寬或變窄的嘴。這些差異單看都不明顯。疊上五次,整個卡司就等於被換掉了。

解法不是換一個更好的模型。解法是給模型一個可以回頭參照的參考圖,再加一段寫清楚「哪些部分固定不變」的指示。Designkit 的指南在建議固定角色改用圖生影、而不是文生影時,把話講得很白:參考圖能改善連貫性,但不保證連貫。這句話就是誠實的界線,值得你順著它設計流程,而不是跟它爭。

三個習慣就能撐起大部分工作:

  • 一張定稿圖,多支影片。 角色圖只生成一次、檢查過,然後把那個檔案重複當成這一輪每支影片的視覺參考。
  • 一支影片一個動作。 一份需求裡放兩個動作,就是給臉兩次跑掉的機會,因為模型得同時把兩件事都解決掉。
  • 一段寫下來的角色身分區塊。 一小段文字,貼進每一個動作提示詞裡,明確點出絕對不能變的東西:表皮紅暈、籽的排列、葉冠、眼距、嘴寬。
米白底色上的角色三視圖表:同一顆光亮草莓的六個視角——正面、四分之三側、側面、葉冠背面、驚訝表情與難過表情

三視圖不是美術指導,而是一個你要留著的檔案。同一個草莓角色的六個視角,全在同一片米白背景上,全在同一個距離。其中任何一個視角都可以當成影片的參考。本文生成的概念插畫,不是 Ottermind 的輸出。

九個步驟的實作流程

下面的順序是刻意的。需求寫在角色之前,因為你該先弄清楚這個點子好不好笑,再決定要不要投資一組卡司。第二步之後的每一個步驟,都是為了保護你在第二步做出來的那個角色。

步驟 1:寫一支影片,不要寫一季

從一支你真的會發出去的直式影片開始。把主體、那一個動作、鏡頭、光線和結尾都寫出來。如果你沒辦法用一句話講完結尾,那這支影片就還沒有結尾。

這一段控制什麼: 動作、鏡頭行為、模型必須處理的變化量,以及這支影片能不能自己收尾。

提示詞
製作一段 8 秒的直式影片。一顆光亮的紅草莓,表皮上嵌著兩隻小小的深色眼睛,嘴巴是緊閉的一小條,擺在溫暖的木質檯面上。一隻手把一支銀湯匙推過來,匙上放著一片草莓切片。草莓向前傾,咬一小口,咀嚼兩下,眼睛驚訝地睜大。固定不動的平視特寫,不推鏡、不切鏡。柔和的晨光從左方來。維持形狀、籽的排列與葉冠不變。畫面上不加文字,不放標誌。

那段需求會填入本頁最上方的合成器。填入不等於送出:文字和你附加的參考圖都會停在草稿狀態,直到你按下圓形箭頭。如果你已經有角色定稿圖,送出前先附上;參考圖會引導生成,而不是把結果鎖成完全一樣的複本。

本文頁面上的 Ottermind 合成器已填入草莓影片需求,畫面顯示選填的參考圖區塊、提示詞欄位與圓形送出控制

套用需求後的本文合成器:參考圖區塊是選填的,文字停在草稿,箭頭會把請求交給 Studio。這是本頁的真實截圖,示範的是請求準備,不是生成出來的影片。

步驟 2:生成角色定稿圖,然後停手

點子成立之後,把角色好好設計一次,然後定住。要求中性姿勢、乾淨背景、臉完整可見,然後把那個檔案留下來。這就是後面每一支影片都依賴的素材。

這一段控制什麼: 表皮質感、臉的構成方式、光線方向,以及之後每支影片都會繼承的鏡頭距離。

提示詞
一張寫實的草莓角色靜態圖,單一主體,置中於溫暖的米白紙質背景上。臉融入表皮之中:兩隻小小的深色眼睛微微陷進表面,一張緊閉的小嘴,沒有描邊、沒有卡通陰影、沒有貼紙般的邊緣。整顆莓果都可見籽的排列,帶天然光澤與幾滴水珠,綠色葉冠挺立。柔和的窗光從左方進來,右側留一點淡影,50mm 鏡頭平視拍攝,淺景深。角色約占畫面高度的六成。不要文字、不要道具、不要手、不要第二個物件。

步驟 3:把角色寫成一段身分區塊

文字比重新生成便宜。打開定稿圖,列出五個陌生人一眼就會注意到的細節,把它們寫成一段文字,之後附加在每個動作提示詞後面。清單只放觀眾一看就知道變了的東西。

這一段控制什麼: 固定不變的細節,以及當動作指令和這些細節衝突時,模型會依循的優先順序。

提示詞
角色必須與參考圖完全一致:同樣的莓果形狀,寬肩、尖底;同樣排列成整齊行列的籽;同樣挺立、帶五片葉子的綠色葉冠;同樣兩隻微微陷進表皮的小深色眼睛,中間間隔約一個眼寬;同樣窄而緊閉的嘴。不要加牙齒、眉毛、頭髮或衣物。不要改變表皮光澤或光線方向。如果動作不改變臉就做不完,請保留臉,把動作簡化。

最後那一句才是關鍵。它給模型一條保住角色的出路,而不是一條靠改掉主角來交差的路。

步驟 4:一支影片一個動作,分成三個節拍

一支看得懂的影片有預備、動作和反應。三個節拍塞得進一支直式短影音,五個就塞不進去。把每個節拍寫成獨立句子,弱的那個才好刪。

這一段控制什麼: 節奏、模型得同時處理幾件事,以及這支影片看起來像一個瞬間,還是一段摘要。

三格分鏡條:同一顆草莓先向湯匙傾身,再閉眼咬下一口,最後睜大驚訝的眼睛咀嚼

第一拍、第二拍、第三拍——同一個角色、同一張檯面、同一顆鏡頭。寫成三句,它就是一個提示詞。寫成一句,它就是三個互相打架的指令。本文生成的概念插畫。

提示詞
第一拍,預備:草莓向湯匙傾身,眼睛睜大,嘴微微張開。第二拍,動作:咬下一小口,眼睛用力閉起,掉下一粒碎屑。第三拍,反應:咀嚼兩下,眼睛睜得很大,一片葉子像被嚇到一樣抬起來。連續鏡頭,節拍之間不切鏡,每個節拍約兩秒。莓果形狀、籽的排列與葉冠維持不變。檯面邊緣在整個過程中都保持在畫面同一個位置。

步驟 5:給影片一個能當剪點的結尾

大多數生成出來的影片都是慢慢淡掉,因為需求裡沒說最後一格該長什麼樣。把最後的畫面寫出來。那一格也是你之後拿來當縮圖的畫面,而在系列裡,它就是下一支影片接上去的那一格。

這一段控制什麼: 最後一格、剪接點,以及交棒給下一集的接點。

提示詞
草莓咀嚼完,吞下去,直視鏡頭眨一次眼。停留在那個眼神一秒,然後影片結束。最後一秒時湯匙已經離開畫面。表皮、籽的排列、眼睛與葉冠都和參考圖相同,鏡頭與光線也與第一拍保持一致。

步驟 6:水果要開口,先寫台詞再寫嘴型

會說話的水果有一種很典型的失敗方式:嘴巴動得像傀儡,因為根本沒有台詞、也沒有時間節奏可以對。先把那句話寫出來,再描述嘴巴怎麼走完它。台詞要短到能在你手上的秒數裡講完。

這一段控制什麼: 對白長度、嘴巴的行為,以及這段演出讀起來是說話,還是單純的動作。

提示詞
草莓看向鏡頭略偏左,說一句簡短的台詞:「你帶了我的一塊來野餐。」嘴型動作:一開始閉著,講到「帶了」時張開一次,逗號處閉上,講到「野餐」時再張開,最後收成一個小小的閉嘴微笑。結尾加一片抬起的葉子當標點。不要把字幕壓進畫面。臉、眼睛與表皮質感都和參考圖完全一致。

十個字、兩次嘴型動作、結尾一個表情變化。這就是一個你可以好好檢查的鏡頭。同樣八秒裡塞一整段對白,就是一個你註定要重做的鏡頭。

步驟 7:用同一張定稿圖做第二集

第二支影片就是系列成形、或默默重來的分水嶺。重複使用同一張參考圖,用延續上一支結尾的一格開場,而且只改一個變數:一個新道具、一個新角色、一個新房間。一次改兩件事,觀眾就會覺得這是另一齣戲。

這一段控制什麼: 角色與世界的連貫,以及你要求觀眾接受多少新東西。

提示詞
用同一個草莓角色再拍第二支 8 秒影片。開場是空湯匙擱在同樣的木質檯面上,草莓的位置與上一支影片最後一格相同。一顆小小的藍莓角色從右邊慢慢滾進畫面,停在它旁邊。草莓只轉動眼睛、不轉身體,低頭看它,然後面無表情地看回鏡頭。鏡頭與光線不變。草莓的臉、籽的排列與葉冠和參考圖完全相同。藍莓是圓的,深藍色、表面帶一層霧白果霜,兩隻小眼睛,沒有嘴。

步驟 8:文案和揭露聲明一次寫完

文案是這個格式的一部分,不是事後補的:笑點在這裡收尾,觀眾也在這裡知道自己在看什麼。這件事可以交給文字助理或在 Studio 裡做,揭露聲明用一句白話講完就好,不要寫成一整段術語。

這一段控制什麼: 跟著影片一起發布的文字、你希望收到的回覆,以及合成媒體標示有沒有在別人開口問之前就放上去。

提示詞
為一支直式影片寫三個文案選項,內容是草莓角色咬了一口草莓、露出驚訝的表情。每個選項在 90 個字以內,前兩個不要放主題標籤,第三個必須以一個邀請回覆的問句結尾。接著再用白話寫一行、100 個字以內,說明這支影片是 AI 生成,不要術語,也不要道歉。

步驟 9:拿定稿圖對照,不要靠記憶

把新影片和角色定稿圖並排放,照這個順序檢查四件事:臉、表皮、光線、結尾。再檢查你打算拿來當封面的那一格——那通常是整支影片裡最不好看的一格。如果臉跑掉了,就用同一張參考圖重新生成,而不是一直改提示詞改到看起來差不多。

常見失敗,以及真的有效的解法

症狀通常是什麼造成的解法
臉在不同影片之間變形用文字重新生成,沒有附上定稿圖附上同一張定稿圖,並重複貼上身分區塊
水果看起來像貼在照片上的貼紙用了「可愛卡通」或「kawaii」這類字眼,或把臉描述成疊上去的圖層要求臉嵌進表皮、寫實質感、不要描邊、不要貼紙邊緣
八秒裡什麼都沒發生一份需求塞三個動作,每個都只做一半刪到一個動作、三個節拍,重新生成
影片沒有結尾需求從頭到尾沒寫最後一格寫出最後的畫面,並停留一秒
手變形融化,或湯匙彎掉快速動作加上手,再加上會反光的道具拿掉手、讓道具靜止不動,或把動作縮短
聲音和嘴型對不上台詞根本沒寫,模型只能自己編動作先寫台詞,再描述嘴型的開始、中間和結尾
每支影片都像同一支爆紅影片你是從模板開始,而不是從角色開始改一個結構性變數:物種、尺度,或它所在的世界
聲音像事後硬貼上去的影片是靜音生成的,音樂是後來才加的把聲音和動作一起規劃:咬、嚼、吞,然後在台詞前留白
貼文被平臺限制或標記合成媒體揭露聲明漏了,或被埋在後面把揭露聲明放在文案前幾行,並遵守平臺目前的規定

其中兩個比其他幾個更值錢。貼紙感是措辭問題,一行提示詞就能解決。沒有結尾是規劃問題,在你打開工具之前就該解決。

Ottermind 在流程裡的位置

步驟二到步驟七可以在 Ottermind 上跑,因為這套流程會把參考圖和寫下來的指示放在一起,而不是每改一次就要你從空白提示詞重來。

  • 做出定稿圖:AI 圖像生成 會產出你之後要重複使用的角色圖。生成兩三個候選,挑一個,留著。
  • 讓定稿圖動起來:Image to Video 吃一張參考圖,加上動作、鏡頭行為、節奏與目標影格的描述,然後讓你看過每一個 take 再重新渲染。這是做系列該走的路,因為定稿圖才是那個固定不變的東西。
  • 也可以從照片開始: 如果你自己拍過真實的水果,Photo to Video 會從那張照片開始,而不是從生成的角色開始。同樣的動作需求,不同的來源。
  • 把整集組起來:AI Reel Maker 是多場景社群影片序列的下一棒;三支影片的故事一旦接得起來,就會變成那樣的東西。

這條路線不保證任何事。參考圖能改善連貫性,但鎖不住它——要有重新生成某些 take 的心理準備。影片長度、解析度,以及任何點數費用,都取決於你的帳號和你生成當下在 Studio 選的模型,不是這篇文章能決定的。權利要你自己確認:用你自己拍的照片,或你有授權使用的照片;不要繞著別人的節目打造角色;發布的地方要求標示時就標示合成媒體。以上都不構成法律意見,也都不保證流量。

接下來可以做什麼

從格式表裡挑一列,對應你這週真的做得完的影片,然後做一個最小、最誠實的版本。

  • 你想做系列: 先做定稿圖,再堅持一支影片一個動作。讀 Image to Video 提示詞教學,學會讓需求變具體的動作詞彙。
  • 你想要短影音的製作紀律:不露臉短影音指南 從另一端處理同一個問題:怎麼在沒有主持人的情況下,做出可以重複的短影音。
  • 你要兩支影片之間的轉場:變形(morphing) 是把一個東西變成另一個東西的格式,而分集之間常常就需要這個。
  • 你要一種在小螢幕上還撐得住的角色風格: 當臉必須在縮圖尺寸下還看得懂,Q 版風格(chibi) 就是寫實風格的有效對照組。
  • 你要逐格控制:補間(tweening) 說明兩張圖之間發生了什麼,而那正好就是水果角色開始不像自己的那一刻。

一支 AI Fruits 影片,就是一份有臉的草稿。臉是你擁有的部分,也是值得保護的部分。

AI Fruits 常見問題

我需要專門做水果的生成器嗎?

不需要。專門的 AI Fruits 生成器很方便,因為它直接附上已經行得通的格式模板,這確實是使用它的正當理由。但如果你想要自己的角色、想讓每支影片長得一致,或想做一個不會被看出是模板變體的系列,通用型的圖像與影片流程會是更好的選擇。

該用文生影還是圖生影?

一次性的影片、角色每次不一樣也沒關係,就用文生影。一旦臉、質感或配件必須跨影片延續,就改用圖生影。參考圖會縮小結果的範圍,但不會把結果固定住。

一支 AI Fruits 影片應該多長?

短到一個動作就能填滿它。這個格式通常被描述為十到三十秒,而真正的限制不是平臺上限,是觀眾在影片該結束之前跟得上幾個節拍。

我需要說明影片是 AI 生成的嗎?

規定依平臺、市場和題材而不同,所以要查你要發布的地方目前的政策,而不是相信一份摘要。實務上,在文案裡用白話寫一句不用付出什麼成本,卻能消掉一個觀眾不信任這則貼文的明顯理由。

這些影片可以販售或營利嗎?

這取決於工具的使用條款、你使用的素材,以及你發布的平臺。在把角色做成生意之前,先讀模型和平臺的商業條款,也不要以為生成一張圖,就等於取得別人擁有的知名角色的權利。

下載桌面端與行動端 App

隨時隨地使用 Ottermind。

電腦