GPT Image 2.5 定格动画教程：AI 逐帧出图合成 MP4，角色不跑偏

GPT Image 2.5 很擅长精准编辑：让它只改一处，它通常不会动画面的其他部分。于是就有了一个好玩的思路：一帧一帧地生成，每次只改一点动作，最后连起来播放，就是一段定格动画。

这个思路能成，但有个坑：如果每一帧都参考上一帧来生成，小误差会一路累积，十几帧之后颜色开始偏、角色忽大忽小、背景纹理也开始「蠕动」。本文介绍两套做法：短片用快速流程，长片用分层流程。最后用免费的图片合成视频工具把图片合成 MP4，不需要任何剪辑软件。

示例是一段适合抖音、小红书、视频号的 9:16 竖版短片：一只黏土青蛙发现一颗樱桃，跳过去想一口吞下，结果又吐了出来。 下面是成片：10 张图片，用图片合成视频工具以 6 fps 合成。

Flare 还是 Sunburst？两个都要用

GPT Image 2.5 有两个版本，做定格动画两类活都会遇到：

• GPT Image 2.5 Flare：适合日常快速创作，频繁尝试和迭代。一段动画要生成十几帧，还要重抽几次，正是这种节奏。
• GPT Image 2.5 Sunburst：适合精细的图像编辑，关注细节。某一张图必须做对、比速度更重要时，就用它。

一句话：Flare 出草稿，Sunburst 来精修。 两个模型都在 GPT Image 2.5 页面 生成器的模型菜单里，每次生成都可以单独切换。

第 1 步：先规划关键姿势和帧率

定格动画本来就是「一顿一顿」的，不需要每秒 24 帧。要的是几个清楚的姿势，再加上好的节奏。

不用真的生成这么多张图。6 fps 下，12–20 个不同姿势通常就够了，因为关键时刻可以停顿：同一张图连续显示 2–4 帧，比如惊讶的瞬间、笑点、结尾定格。

动手生成之前，先把姿势清单写下来。青蛙这段是：

1. 青蛙坐着发呆 · 2. 发现樱桃（停顿 ×2） · 3. 蹲下蓄力 · 4. 跳到半空 · 5. 落在樱桃旁边 · 6. 张大嘴 · 7. 樱桃进嘴，腮帮鼓起（停顿 ×3） · 8. 憋得眼泪汪汪 · 9. 把樱桃吐出来 · 10. 樱桃滚远 · 11. 青蛙一脸尴尬 · 12. 冲镜头咧嘴笑（停顿 ×4）

一共 12 张图、18 个视频帧，6 fps 下大约 3 秒。整段播两遍，就是一段 6 秒的循环短片。

第 2 步：短片（约 12 帧以内）：母版镜头 + 每帧只改一处

2.1 生成母版镜头

打开 GPT Image 2.5 页面，模型切换为 GPT Image 2.5 Sunburst，画面比例选 9:16，清晰度选 2K，生成第一帧。所有需要保持不变的东西都要写清楚：机位、光线方向、背景和材质。

黏土定格动画剧照，9:16 竖版画面。
场景：一只手工捏制的绿色小黏土青蛙坐在浅色橡木书桌的左侧，书桌右侧放着一颗带短梗、表面有光泽的红色黏土樱桃。
背景：纯色浅蓝墙面，柔和虚化。
镜头：固定机位，与桌面平视，中远景，青蛙和樱桃都完整入画，四周留足空间。
光线：柔和主光来自左上方，阴影轻轻落向右侧。
材质：哑光黏土，能看到指纹和工具压痕，真实微缩场景质感。
不要文字，不要水印。

👉 一键同款：用这段提示词生成黏土青蛙母版镜头（打开后默认选的是 Flare，生成前记得切换到 Sunburst）

多抽几次，直到满意为止。后面每一帧都以它为准，所以母版值得多花几次生成。下载后命名为 frame_01.png。

2.2 每一帧都用两张参考图

接下来把模型切换为 GPT Image 2.5 Flare。这一步要生成很多帧，还要重抽一些，正是 Flare 擅长的。

生成每个新帧时都上传两张参考图，顺序如下：

• 参考图 1 = 母版镜头（frame_01）：锁住颜色、比例和背景，误差就不会一帧帧往下传；
• 参考图 2 = 上一帧：告诉模型从哪个姿势接着往下做。

参考图缩略图可以拖动调整顺序。然后只描述一处改动：

图 1 是母版镜头，图 2 是上一帧。
机位、构图、书桌、墙面颜色、光线方向，以及青蛙的大小、颜色和黏土质感，都与图 1 保持一致。
青蛙和樱桃的位置以图 2 为准。
只改动这一处：
青蛙转头看向樱桃，眼睛瞪大。
黏土定格动画剧照，不要文字。

每做一帧，只需要改「只改动这一处」那一行：「青蛙压低身体蹲下蓄力」「青蛙跳到书桌上方的半空中」……画面比例每次都选 9:16，不要选「自动」，这样每一帧的尺寸才完全一样。

⚠️ 不要让模型按图 1 保持「位置」。 我们实测时，早期版本的提示词写的是「樱桃与图 1 完全一致」。结果青蛙一跳到桌子另一边，之后每一帧都被拉回起始位置，已经吞下去的樱桃也重新出现在桌上。图 1 只管「长什么样」（机位、场景、颜色、质感），「东西在哪儿」交给图 2。如果某一帧在 Flare 上重抽后还是不对，就只把这一帧换到 Sunburst 重做。

左：上一帧；中：旧提示词让青蛙回到了起点；右：修正后的提示词让它留在原地。

小技巧：生成结果下方的「以此图继续生成」按钮会直接把这张图放进参考图位置，按姿势清单往下做时不用反复下载再上传。

这是我们最终用上的帧：

做这段时有三点真实体会：

• 要预留重抽：这段一共生成了 16 次，得到 10 张能用的帧（示例为了省积分用的 1K，2K 的画面更清晰）。
• 删帧有时比重抽划算：某个姿势总是出错时，可以删掉它，让前一帧多停留一会儿。我们「眼泪汪汪」那一帧两次都把樱桃画回了桌上，干脆删掉它，让「腮帮鼓起」那一帧停留 4 帧。看片时完全不会觉得少了什么。
• 每一帧都要放大检查：我们有一帧青蛙一只前脚在挠头，桌上却还按着两只前脚，一共三条前腿。看缩略图很难发现，放进视频里却很显眼，所以这一帧也删掉了。

只靠母版镜头锁定，这个办法大约能稳定 10–15 帧。更长的片子，请用下面的分层做法。

第 3 步：长片（30 帧以上）：背景、角色、道具分开做

每一帧都参考上一帧时，新图会继承上一帧的问题，还会再添一点新的偏差。解决办法是不再一帧接一帧地参考：先把几样固定的母版素材各生成一次，之后每一帧都只参考这些母版。

3.1 固定的空背景

用 Sunburst 先生成一个什么都没有的空场景，之后每一帧都用这同一张图：

空的微缩定格动画场景，9:16 竖版画面。
浅色橡木书桌，后面是纯色浅蓝墙面，柔和虚化。
固定平视机位，中远景，柔和主光来自左上方。
桌面上什么都没有，没有角色、没有道具、没有文字。

👉 一键生成空场景

3.2 角色母版设定稿

三视图设定稿能从多个角度把角色的设计固定下来。它同样用 Sunburst 生成，因为之后每个姿势都要以它为准：

定格动画木偶的角色三视图设定稿：
一只手工捏制的绿色小黏土青蛙，大圆眼睛，淡黄色肚皮，黏土表面能看到指纹。
同一比例展示正面、四分之三侧面和正侧面，间距均匀，纯浅灰色背景。
柔和棚拍光来自左上方。不要文字标注，不要水印。

如果角色细节更多，可以直接从 科幻探险家角色设定稿 模板改起，换成你自己的角色。

3.3 每个姿势一张图，始终参考母版

切回 Flare，把母版设定稿上传为参考图，在设置面板里把「背景」选为「透明」，然后按姿势清单一个姿势生成一张：

使用参考设定稿中的黏土青蛙：颜色、比例、眼睛形状和黏土质感保持一致。
姿势：身体压低蹲伏，后腿蓄力，准备向右跳。
全身，四分之三侧面，光线来自左上方，与参考图同一比例。
主体独立，地面无投影，不要文字。

每个姿势都参考同一张母版，而不是参考上一个姿势，所以第 30 个姿势和第 1 个一样像这只青蛙。道具也这样处理：先生成一颗完整的樱桃，再以它为参考生成「被压扁」「被咬过」的状态。

为什么要选透明？真正带透明通道的图片放到背景上不会带一圈白底。为什么只在提示词里写「透明背景」不够，可以看透明背景生成指南。

3.4 把每一帧拼起来

背景和姿势有两种合成方法：

• 让模型来合成（最省事）：用 Sunburst，参考图 1 放空场景，参考图 2 放姿势图。

  一键复制

  图 1 是空场景，图 2 是青蛙。
  把图 2 中的青蛙放到图 1 的书桌上，站在桌面左侧三分之一处。
  图 1 的任何内容都不要改动：机位、墙面、书桌纹理和光线保持原样。
  青蛙的姿势、颜色和大小与图 2 完全一致，并在它身下加一道柔和的接触阴影，落向右侧。

  每一帧仍然来自同一组固定母版，所以小差异不会在整段片子里越积越多。

• 自己叠图层（最稳）：在任何支持图层的软件（剪映、Canva、Photoshop）里，把透明姿势图叠在空场景上，逐帧导出。背景一个像素都不会动。

自己叠图层时，角色容易看起来像「贴上去的」。有两个办法：每个姿势的提示词里都写同一个光线方向；在角色和桌面接触的地方加一小块柔和阴影。

第 4 步：把图片合成 MP4

图片都准备好之后，打开免费的图片合成视频工具。它完全在浏览器里运行，图片不会上传。

1. 一次拖入所有帧：工具会按文件名自动排序（frame_2 排在 frame_10 前面）；顺序不对可以拖动缩略图调整。
2. 选帧率：6 fps 是经典黏土动画的感觉。预览按真实速度播放，可以在 6 和 8 之间对比着挑。
3. 加停顿：在关键姿势的缩略图下点 +，让它停留 ×2、×3 或 ×4 帧。不用多生成图片，也能做出节奏感。
4. 设置画面：竖版视频选 9:16、1080p。图片比例和画面不一致时，选「裁切铺满」或「完整留边」。
5. 想要更长的循环，就把整段重复 2–3 遍，然后点「合成视频」，下载 MP4。

本文开头的成片用的是 6 fps：「发呆」「发现樱桃」各停顿 ×2，「看樱桃滚远」停顿 ×3，「腮帮鼓起」和结尾的「咧嘴笑」各停顿 ×4。10 张图变成 20 个视频帧，共 3.3 秒，合成只用了一秒左右。

导出的是 H.264 编码的 MP4，手机能直接播放，也能直接上传到各个平台。背景音乐和「啵嘤」音效，可以之后在剪映或平台自带的编辑器里加。

常见问题

总结

把 GPT Image 2.5 当成你的美术组：角色设计、动作姿势、道具状态都交给它，其中大量草稿交给 Flare，母版和精修交给 Sunburst；时间、位置、图层这些交给一套固定、可重复的流程。具体来说：

1. 先规划 12–20 个关键姿势，想好哪里要停顿；
2. 短片：参考图 1 放母版（Sunburst）、参考图 2 放上一帧，每帧只改一处（Flare）；
3. 长片：空背景和角色母版（Sunburst）+ 透明姿势图（Flare），不再一帧接一帧地参考；
4. 最后用图片合成视频工具以 6–8 fps 合成。

想先快速试一下效果？可以用表情包教程的方法一次生成 3x3 九宫格姿势，用图片分割工具切开，再把 9 张图拖进视频工具，几分钟就能得到一段 9 帧的小样动画。