我不是叫 AI「幫我做動畫」：我如何用 Codex 完成一支 10 秒品牌片
2026-08-09
FuFu
6
這不是一篇「丟一句 Prompt，AI 就自動完成」的案例分享。我會完整拆解如何透過 Codex，從確認 Remotion 環境、尋找正式 Logo、選擇音樂、分析參考影片，到逐步修正「視窗打字、3D 空間、品牌巨字與 Logo 最後才出現」等需求，完成 Remotion 與 Gemini 兩種版本的 10 秒品牌動畫。文章同時整理可直接複用的對話指令、分工方式與逐幀驗收流程，讓你把模糊的創意想法，轉化成 AI 能執行、能修改，也能驗收的製作規格。
從找 Logo、選音樂、拆解參考影片，到分別完成 Remotion 與 Gemini 版本。這篇不只展示 AI 做了什麼，而是拆解我怎麼下指令、怎麼修正，以及怎麼讓結果逐步接近我要的樣子。
很多 AI 教學會直接展示一段很長的 Prompt，接著放上完成品，好像只要複製那段文字，就能得到相同結果。
但這次製作 FuFu AI Lab 品牌動畫時，我真正感受到的是：**成品不是來自一段神奇提示詞，而是一連串正確的決策。**
Codex 的確替我完成了套件更新、素材搜尋、節奏分析、程式實作、渲染與逐幀檢查；但我必須持續告訴它：什麼是重點、哪裡不對、什麼不能出現，以及怎樣才算完成。
所以這篇文章不會把重點放在「AI 自己跑了哪些指令」，而是要分享一套任何創作者都能複用的協作方式。
影片一：Remotion 製作版
https://youtu.be/bORvTjjw35Y
影片二：Gemini 生成版
https://youtu.be/6aToX7K6mdg
兩支影片來自同一套創意結構，但使用不同方法完成：Remotion 負責精準控制，Gemini 負責生成式影像的空間與意外性。
---
先看完整對話脈絡：我不是一次把需求說完
這次協作最重要的地方，是我的需求隨著看到的結果逐步變清楚。
以下是幾句真正改變作品方向的對話：
| 我在 Codex 裡說的話 | 這句話實際解決的問題
設定明確順序：先準備、再提案，不直接製作 |
|「品牌動畫要有視窗的那種 3D 感，動效要絲滑強烈。」|
定義視覺方向與動態性格
|「Logo 只在最後才出現，不然字會被吃掉。」|
把主觀問題轉成品牌出現時間的硬規則
|「你先給我適合匹配的 Suno 音樂，然後再重新規劃影片內容。」|
先確定音樂，再以音樂重做分鏡
|「整體效果會長這樣，但不要這麼簡單。重要的是開頭那個視窗，然後打字。」|
告訴 AI 參考片要學什麼、不要照抄什麼
|「把這個寫成一個十秒影片腳本提示詞。」|
把已驗證的 Remotion 分鏡轉成 Gemini 生成版本
這些指令單獨看都不長，但每一句都只處理一個決策。
這比一開始就丟出五百字的大型 Prompt 更容易控制，因為我可以在每一個階段看見結果，再決定下一步。
> 圖片建議：這裡可以放一張 Codex 對話截圖，包含「先升級、再規劃文字」與「視窗 3D 感」兩句。
---
第一步：把「先規劃」說清楚，建立製作核准點
我的回饋是：
規劃文字讓我參考。
這句話等於告訴 Codex：現在可以提出文案與分鏡，但還不能直接把正式動畫做完。
等我看完方向並回覆「好，製作」，才正式進入實作。
這是一個很值得保留的協作習慣。因為動畫比一般文字更難回頭，越晚發現方向錯誤，修改成本越高。
我確認方向後，才進入正式製作。
不要把「先給我看看」當成默契，最好直接說出目前允許 AI 做到哪一層。
---
第二步：不要只說「不好看」，要指出注意力為什麼出問題
第一版方向裡，Logo 出現得太早，和品牌文字同時競爭注意力。
我的回饋是：
> Logo 只在最後才出現，不然字會被吃掉。
這句話很有效，因為它同時包含了：
- 問題：Logo 吃掉主要文字的注意力。
- 解法：Logo 延後。
- 規則：前段完全不能出現。
Codex 後來把這句感性回饋翻成可以檢查的影格條件：Frame 269 不得出現 Logo，Frame 270 才能第一次顯示。
這就是我認為 AI 協作最重要的技巧之一：**先用人的語言說出觀看感受，再請 AI 把它轉成可執行的規則。**
可以直接複用的指令
>目前的問題不是 Logo 不好看，而是它太早出現，會搶走主標文字的注意力。Logo 只在最後才出現
---
第三步：音樂不是背景，而是大家共用的時間尺
確定 Logo 的位置之後，我沒有立刻繼續做畫面，而是先請 Codex 給我適合的 Suno 音樂方向。
我最後提供《Glass Signal》，一段約 10.85 秒、129 BPM 的電子音樂。從這一刻開始，我和 AI 不再用「前面快一點、後面炸一下」這種模糊語言溝通，而是可以直接討論 3.13 秒的 Enter、6.99 秒的最大爆點，以及 9 秒的 Logo 硬切。
最後形成的節奏是：
| 時間 | 我希望觀眾感受到什麼 | 對應畫面 |
| 0.00–1.25 秒 | 系統正在靠近 | 暖白 Terminal 視窗飛近 |
| 1.25–3.13 秒 | 即將啟動某件事 | 依節拍逐字輸入指令 |
| 3.13–5.13 秒 | 指令生效 | Enter 撞擊與 `BRAND MOTION` |
| 5.13–6.99 秒 | 能量快速累積 | 多層 3D 視窗走廊 |
| 6.99–9.00 秒 | 最大品牌衝擊 | 「每個想法／都能動起來」SLAM |
| 9.00–10.87 秒 | 看清楚這是誰 | FuFu Logo 尾卡 |
第四步：提供參考片時，一定要說「我要哪一部分」
我後來提供了 `參考影片 也就是Remotion官方的展示影片`，但沒有只說「照這個做」。我特別補充：
> 整體效果會長這樣，但不要這麼簡單。重要的是開頭那個視窗，然後打字。
這句話做了三件事：
1. 告訴 AI 這支影片是視覺語言參考，不是複製範本。
2. 指出真正要保留的是「視窗推近＋打字」。
3. 說明新作品的複雜度與衝擊力必須更高。
Codex 因此只抽取視窗推近、逐字輸入與 Z 軸空間三種動態語法，沒有複製參考片中的 `SKILLS`、ASCII 造型、Logo、文案或版面。
如果只提供影片、不說明觀看重點，AI 只能自己猜；而它猜到的，通常是最表面的顏色與構圖。
---
第五步：要求 AI 把創意寫成可驗收的製作計畫
方向確定後，我讓 Codex 先整理正式計畫，而不是直接開始自由發揮。
計畫裡包含：
- 新增獨立 Composition `FuFuBrandTerminalV2`。
- 1920×1080、30fps、326 frames。
- 可修改終端指令、兩行主標與 SFX 開關。
- 所有動畫使用 Remotion 影格時間，不依賴自主 CSS 計時。
- 不增加 Three.js，使用穩定的 CSS 3D perspective。
- 避免容易造成輸出閃爍的動態 mask、`backdrop-filter` 與尾卡混合模式。
- 程序化生成鍵盤、Enter 與視窗掠過音效。
- 正式輸出從 Frame 270 起鎖定單層品牌卡。
注意，這些不是我一開始就要懂的技術細節。我需要做的是確認它們有沒有忠實保護我的創意要求。
我負責回答：這樣的順序對不對？Logo 是否真的最後才出現？文字是否有清楚停留？
Codex 負責回答：要用哪些元件、時間函式與輸出方式，才能穩定做到。
善用Codex內建規劃模式
>使用Codex規劃模式把內容固定下來
他會輸出以下內容
計畫必須包含：
- 新版本名稱與舊版保留方式
- 精確秒數與影格數
- 每個場景的開始、結束與轉場
- 可修改參數
- 音樂與音效策略
- 已知的輸出風險與避免方式
- 正式製作完成後的驗收項目
---
附上Gemini 提示詞（自行修改內容）：我有上傳我的Logo 並在尾段加入”上傳圖片“
製作一支 10 秒、16:9、1920×1080 的高質感品牌動態短片。純 Motion Graphics，無人物。視覺風格融合暖白極簡科技、深藍玻璃視窗、強烈透視與絲滑的 3D 空間運動。動效快速、有重量感，但畫面必須乾淨、精準、不雜亂。
0.00–1.20 秒：
暖白色無限空間。一個極簡電腦 Terminal 視窗從遠方高速飛近，帶有明顯景深與輕微斜角透視。視窗接近鏡頭時絲滑減速，自動校正為正面角度。外框、頂欄、三顆圓形按鈕與閃爍游標依照節拍逐層建立。鏡頭持續非常輕微地向前推進。此階段完全沒有 Logo。
1.20–3.00 秒：
游標開始輸入指令：
「fufu generate --type brand-motion」
文字不是等速出現，而是跟隨音樂強弱拍分組輸入。每次按鍵帶動細微回彈、游標閃爍和視窗呼吸。最後一個字元完成後短暫停頓，3.00 秒按下 Enter，發出低頻撞擊聲。
3.00–5.00 秒：
Enter 按下瞬間，終端畫面產生巨大輸出文字「BRAND MOTION」。字體粗重、現代、銳利，其中 MOTION 帶有青藍色光芒。文字、狀態線、游標和視窗邊框沿著 Z 軸分離，形成前後多層透視平面。鏡頭穿過文字與視窗結構，速度逐漸加快。
5.00–6.90 秒：
暖白 Terminal 視窗高速穿越鏡頭，畫面翻入深藍色 3D 視窗世界。後方連續生成六至八層透明玻璃介面，組成具有強烈深度的數位走廊。白色介面碎片轉化為青藍光線、框線與高速掠過的資訊平面。鏡頭沿著走廊中心高速前進，視窗從左右兩側擦過鏡頭。6.90 秒所有視窗突然向中央壓縮，蓄積爆發能量。
6.90–9.00 秒：
第一行繁體中文字「每個想法」從 3D 視窗結構中高速撞入中央，具有強烈 SLAM 重量感與短暫超越回彈。
緊接著第二行「都能動起來」以更大尺度從下方爆發展開，青藍色字體配合強烈衝擊波與鏡頭震動。
兩行文字清楚定格約一秒，構圖為：
「每個想法」
「都能動起來」
8.70 秒開始，文字與所有深色視窗向畫面中心快速收束。
9.00 秒硬切。在 9.00 秒之前，畫面中絕對不能出現 FuFu Logo。
9.00–10.00 秒：
畫面瞬間閃回暖白品牌卡。此時才首次出現上傳圖片, 圖片不得重新設計或變形。下方依序呈現：
「FuFu AI Lab」
「從靈感，到作品」
「FROM IDEA TO OUTPUT」
品牌卡完全正面、置中、穩定，沒有多餘動畫。最後一秒保持靜止，讓品牌被清楚看見。
聲音設計：
129 BPM 未來感電子音樂；加入低音量鍵盤聲、Enter 低頻撞擊、視窗高速掠過聲、品牌巨字撞擊聲。音效有力量但不能蓋過音樂。
畫面限制：
繁體中文必須完全正確。
畫面不得出現額外字幕、亂碼、隨機英文字、浮水印或其他品牌。
不得提前顯示 FuFu Logo。
不得使用卡通風格、遊戲介面風格、廉價霓虹、過量粒子或失控的鏡頭震動。
所有視窗邊緣必須穩定，不閃爍、不扭曲、不重影。
Gemini 版本適合觀察生成模型如何理解材質、光線、3D 空間與攝影機；Remotion 版本則提供文字、節拍和品牌素材的確定性。
這兩支影片不是要證明哪個工具比較強，而是讓我看見同一份導演規格，在兩種製作系統裡會產生什麼差異。
一份可以直接套用的 Codex 協作總提示
如果你想用相同方法製作自己的品牌短片，可以從以下提示開始，再依照每一輪結果追加回饋：
善用Codex內建的規劃模式輸入：
我想為［品牌名稱］製作一支［秒數］秒的品牌動畫，主要使用［Remotion／其他工具］。
目前先不要正式製作，等他產出計劃後確認，如果有素材放進資料夾裡告訴他會使用到那些素材
收到計畫後，不需要急著說「好」。先問自己：
這個計劃是否有符合你所想像的，若有就開始請他製作，反之直接叫他哪裡需要改善，修正到好在製作，亦或者是你沒概念請他先製作第一版再來進行修改
---
這支十秒品牌片最值得分享的，不是它用了多少 3D 視窗或程式碼，而是我如何在每一輪對話中，讓「我想要更強烈」慢慢變成一套可以製作、可以修改，也可以驗收的規格。
真正能複用的從來不是某一段 Prompt，而是這套對話方法。