Remotion教程:Skill安装与AI动画实战,少烧Token

做AI动画的关键不在抄提示词,而在说清需求、提供参考并搭好工程环境。
文章以 Remotion 代码动画为核心,指出光抄提示词做不出好动画,真正的方法藏在探索过程中。作者对比了视觉生成模型与 Remotion 的本质差异:前者生成画面,后者用代码定义运动轨迹并逐帧渲染,因此在音符跳跃等需要节奏与位置精准同步的场景中 Remotion 更合适。模型层面存在编程之外的审美与导演能力梯队,而 Agent 框架的 Harness Engineering 同样决定成败。实践上建议安装 Remotion Skill、搭建长期维护的「动效库」复用依赖与组件,结合生图模型提升表现力。需求表达比提示词更重要,提供参考动画最有效;动画难度取决于需求精度而非时长,细节可用 Remotion Studio 配合 Git 可视化调整。
为什么光抄提示词做不出好动画
很多人做AI动画的第一反应是:提示词是什么、用什么Skill、得花多少Token。B站这位UP主的回答很朴素——他很少自己写提示词,而是跟AI聊需求,让AI帮他写。Token消耗也没有标准答案:同样做50多个动画,有人用掉Codex一周多的额度,也有人光做一个音符跳跃动画就耗尽一周额度。
这说明抄提示词这条路走不通,真正的方法藏在探索过程里。视频从视觉模型和Remotion的本质差异讲起:视觉模型用神经网络生成画面,Remotion用代码定义元素运动轨迹和时间轴,再逐帧渲染成视频。一个是生成式AI,一个是程序化动画,路线完全不同。
拿花朵生长动画对比,可灵生成的版本有形态、枝条生长和光影摇曳的变化;Remotion版本则显得生硬,因为它靠代码参数控制图像运动轨迹、缩放和透明度来模拟生长。但在音符跳跃这类动画上,Remotion反而更合适——两颗光球对应钢琴左右手声部,需精准落在对应音符上,要求音乐节奏、音符位置和动画轨迹高度同步,视频生成模型基本做不到。
成本上也不能简单比较:视频模型按时长和次数计费,Remotion动画接近vibe coding,主要消耗Token或额度。Remotion反复修改确实烧Token,但代码可复用——做完一个动画留下的不只是视频,还有动画组件、运动轨迹、视觉效果、镜头设计和可调参数,做同类动画时替换素材、调整参数即可,效率更高、Token消耗通常也会减少。

Remotion 是一个基于 React 的开源框架,用 JavaScript/TypeScript 代码描述视频中每个元素的时间轴、运动轨迹、样式和转场,最终逐帧渲染出 MP4。它的核心思路是「视频即组件」:每个画面都是一段 React 组件,帧号作为输入参数驱动动画状态,因此可以精确控制任意一帧的内容。与 Runway、可灵等生成式视频模型不同,Remotion 不做像素级生成,而是像写前端页面一样「编程」出画面,天然适合需要与音乐节拍、数据或 UI 精确对齐的动画,也便于版本管理和参数化复用。
模型梯队与Agent框架的隐形陷阱
主流大模型在代码做动画上已形成明显梯队。UP主以Opus 5.5、Astra和DeepSeek广告 V4为例:差距不仅在编程水平,更在审美、运动设计以及对整个动画的导演和规划能力。Opus 5.5很多时候只需给一个参考视频或一种风格,就能抓住感觉做出不错效果;Astra同样不需要事无巨细指挥,但审美和导演能力逊色不少,画面设计感、动画流畅度、叙事镜头连贯性都有明显差距。
DeepSeek的定位不同。同样做音符跳跃动画,只给参考视频和提示词让它从零开始,效果"跟被雷劈了一样";但如果把Astra做好的运动模板(运动轨迹、视觉设计、镜头参数、Composition)交给DeepSeek参考,出来的效果就很稳。这揭示了一个关键认知:模型能力之外,Agent框架的工程设计(Harness Engineering)同样决定成败。
UP主习惯用Codex做动画模板,再用WorkBody调用DeepSeek复刻同类效果以节省Codex额度。但不少小伙伴反馈WorkBody做Remotion动辄跑一两个小时、消耗几百积分还失败;同样用DeepSeek切换到Cloud Code里运行同一项目、同样提示词,却很顺利。原因是WorkBody的运行环境对Remotion不友好,Agent不停掉进环境坑,换路径、写workaround、受限动画复杂度,摩擦越明显。UP主的建议是给WorkBody加上一段提示词,帮Agent少踩几个坑。
实测数据:DeepSeek做几秒钟简单动画只消耗几个积分,完成约一分钟的音符跳跃动画消耗30积分,仅供参考。
Harness Engineering 指围绕大模型搭建的「脚手架」工程——包括工具调用接口、文件读写权限、运行环境、错误重试策略、上下文压缩和任务分解方式等。同一个模型在不同 Harness 下表现可能天差地别:环境依赖装不上、路径找不到、命令执行超时,Agent 就会反复写 workaround,既烧额度又降低产出质量。因此评估一个 Agent 产品时,不能只看它背后接的是哪个模型,还要看它的运行沙箱是否适配目标技术栈(如 Remotion 依赖 Node、Chromium 渲染),以及是否提供稳定的报错反馈机制。
基础配置:Skill安装与长期项目结构
正式制作前先完成基础能力配置。首先是安装Remotion官方Skill——跟Agent说一声即可。这其实是Remotion的Skill合集,最常用的是Remotion Best Practice。Remotion Studio值得一提:它可以让Agent直接打开操作台实时预览动画,你还能自己动手调整元素位置、角度、颜色等参数,不用每个小细节都反复跟Agent沟通,非常实用。用Codex的话也可以直接在插件里安装。接着让Agent检查电脑的基础运行环境。
更重要的建议是搭建一个长期维护的Remotion项目。UP主创建了一个叫"动效库"的文件夹,让Agent在这里初始化项目,以后所有动画都在这个库里完成:根目录统一管理依赖,每个动画在Effects文件夹下创建独立子文件夹。制作新动画时可直接复用已有环境和依赖。因为Remotion本质是基于React的前端项目,如果每做一个动画就新建独立项目,Agent得反复初始化项目、安装依赖、配置环境,动画还没开始额度就先烧掉不少,而且每个动画装一套依赖特别占硬盘。
长期积累下来,这个动效库就相当于自己的动画资产库,甚至可以在基础上搭建动效工作台——但建议等工作流程稳定成熟后再折腾,不然一会搭一会改纯粹给自己添堵。

生图能力:让代码动画的表现力上一个台阶
Opus、Astra、DeepSeek都是大语言模型,本身不具备生图能力,那漂亮的动画怎么来?很多画面元素通过代码绘制:让Opus画一轮月亮,写几行CSS加上山脉、星星、渐变夜空就能组成夜景。但单靠代码绘制图形表现力有局限,结合生图模型制作精美图片素材,动画表现力能提升一个台阶。
现在很多Agent内置了生图工具:Codex有内置ImageGen,可调用OpenAI的Image 2.5模型直接生成图片素材;WorkBody同样内置ImageGen,可调用混元的图片生成模型。Cloud本身没有生图模型,Cloud Code也没有内置生图工具,UP主给它配置了一个Codex的Image Skill,需要图片素材时直接调用Codex帮它生图。
需求表达比提示词更重要
依赖配置好就可以开始做动画,很多人的第一反应还是"提示词是什么"。不如转变思路:第一,说清楚需求比研究提示词更重要。 Remotion就是个前端项目,AI比你更懂技术语言和实现方案,提示词交给AI写,你更需要做的是让它理解需求。第二,提供参考动画比文字描述更有效。
以音符跳跃动画为例:UP主刷到相似视频觉得有意思但不知怎么实现,于是保存视频样本发给GPT,问这些动画能用Remotion实现还是只能用Blender。GPT建议用Remotion,不需要Blender也能做出3D效果;接着UP主问需要准备什么素材,GPT列出音频、曲谱、MIDI/XML等文件并解释作用,还帮忙选了巴赫的C大调前奏曲并找到资料下载地址。
接下来在动效库Effects目录下创建文件夹,下载素材,发给Codex的提示词当然是GPT写的。模型选Astra,思考强度中等(UP主基本都用中等强度,除非气到跳脚才切高),大约运行18分钟出了第一版,之后对亮度、小球跳跃幅度等细节调整了几版。从零制作动画模板通常很难一次定稿,但模板做好后复用做同类效果大多一次定稿。
整个过程并没有高大上的提示词,甚至谈不上什么技巧。UP主现在用AI很少研究提示词怎么写,更多关注什么能力能实现什么效果、怎么把需求表达清楚。不少AI分享不讲实际探索过程和方法,只展现好看的结果和让AI倒推整理的提示词,但把真实探索过程讲出来,就没那么玄乎了。

难度不在时长,而在需求精度
新手上路最好的办法是给参考先复刻,可在社交媒体、GitHub搜索Motion by Motion、Motion Array、Remotion、Opus 5.5动画等关键词,也可去Pinterest找灵感。代码公开的动画模板AI复刻起来更容易。但纯粹追求好看的设计没有尽头,会收获短暂的虚假成就感,攒一堆好看但用不上的模板。
制作Remotion动画的难度不一定和时长、画面复杂度成正比,而是需求越精细反而越难做。UP主举例:刷到剪纸风格视频觉得喜欢,让Codex学习风格做一个日常休闲Vlog内容,它自己发挥做了40秒动画,第一版就OK;诺贝尔医学奖科普动画足足两分半钟,用Opus 5.5制作几乎一版定稿,因为这类需求开放,只要求风格和内容主题对,具体元素、镜头角度、动画细节没有限制,AI自由创作空间大。
但一个短短几秒的地图转场,如果对地图大小、倾斜角度、弹出模块透明度、镜头推进时机和速度都有刁钻要求,即使AI做得很好看,只要某个细节不符合预期就还得继续调。有时就几个参数要跟AI反复沟通好几回合,这种情况建议调出Remotion Studio,让Agent把想调整的地方配置成可编辑参数,再打开Studio在可视化界面自己动手调整。动手前记得让Agent先用Git保存当前版本,因为Studio调整的参数会直接保存回项目代码,不满意就让Agent恢复之前的版本,不用担心改坏。
素材准备与SVG手绘动画的坑
建议先准备一些图片素材,后面正式制作流程会顺畅很多。UP主在油管看到适合叙事类内容的视频风格,发给GPT说要参考这个风格讲OpenAI和Anthropic的渊源,GPT开始写故事脚本,并先把几个重要静态画面做出来,画面出来后立刻变得很具体,一眼能判断是不是想要的,有偏差可在这个阶段修正。接着让GPT把画面里关键人物和素材做成透明底PNG,Codex可直接拿来用;如果实际制作中发现不合适,也可以自己补全或重做素材。
手绘风格动画分两种情况。简单线稿直接做成SVG素材即可,因为SVG本身包含图形路径信息,Remotion可通过代码让线条沿路径一点点显现,模拟画笔绘制过程,线条少、结构清晰、路径简单的画面特别适合。但画面复杂时用SVG做主笔绘制就有难度:UP主想用手绘动画讲马斯克和OpenAI之间的纠葛,GPT生成场景画面后做成4张SVG,但接下来GPT不建议用SVG绘制路径,因为画面太复杂、路径数量多、顺序乱,更推荐用画笔或遮罩走到哪里哪里逐步显现的方式模拟手绘。UP主"不信邪"非要试真正的SVG路径绘制,结果"该听劝的时候得听劝",按建议重新制作的版本能看出是假装在画画。如果要做比较真实的手绘动画,UP主推荐了一个专门的Skill,画面做了重绘,原来版本线条太复杂,不过该Skill有点吃Token,根据效果需求选择。

SVG(可缩放矢量图形) 用 XML 描述点、线、曲线等几何路径,文件体积小且放大不失真。Remotion 可以读取 SVG 的 <path> 元素,利用 stroke-dasharray 与 stroke-dashoffset 两个 CSS 属性配合帧号动画,让线条沿路径逐渐「画」出来,从而模拟手绘过程。这种技法对线条少、路径顺序清晰的简笔画效果很好;但当画面复杂、路径数量成百上千且绘制顺序混乱时,逐路径动画既难编排又容易显得机械,此时改用遮罩或笔刷贴图逐步显现会更自然。
没有参考范本时,用语音聊需求
实际做动画不一定每个想表达的内容都能找到合适范本。UP主习惯用语音输入法跟AI唠嗑一样聊想法。比如做个人知识库解说视频时,有个画面需求是想表达知识库搭建后有很多文件,在系统文件夹里一个个点开看挺麻烦,还把文件夹和Obsidian截图发给AI,让AI设计更直观的动画表达这个意思。有些时候会简单粗暴直接把旁白文本发给AI,要求直观清晰呈现、不要花里胡哨。这些动画看着普通不酷炫,但满足要求、直观好理解。
需要真实地图数据的动画可以接入高德地图API,它有免费调用额度,对普通个人完全够用。到高德开放平台申请API密钥,创建新应用时类型选出行,添加Key选择外部服务。外部服务主要获取地理数据和静态地图图片,JS API更适合在网页里加载交互式地图;用于Remotion制作动画的场景,外部服务就够用。查看配额可了解每月免费调用额度详情,然后让Agent帮你把高德API接入Remotion项目。提醒:不要直接把密钥用对话发给AI,让Agent配置好env文件后自己填进去,或者它会弹窗让你填写。
制作透明底动画素材可以一开始就告诉Agent要求输出透明背景,已做好的动画也可以让它重新改成透明底。这些动画能放进PPT当素材,因为PPT支持插入视频,但半透明动画效果要注意:动画里有阴影或半透明时,点击播放可能出现黑边或锯齿。
相关推荐

Daybreak Red部署指南:监督式安全调查参考架构
Daybreak Red参考架构解析:介绍监督式安全调查的安全控制设计、部署配置流程与运行监控机制,为团队落地受控安全调查提供工程参考。

Gemini 4 Neon 登顶 Models Engineering Index 榜首
Gemini 4 Neon 在 Models Engineering Index 上成为新晋第一,Hacker News 社区热议其排名含金量与评测方法。本文梳理榜单变动、社区反应及对开发者选型的实际影响。

苹果自研AI智能体:能替你操作Mac的Agent要来了
苹果据报正在开发可操控Mac的AI智能体,对标Meta Muse、Claude、OpenAI Dots等产品。本文分析苹果在agent赛道的系统级优势、竞争格局与可能的落地路径。