Walter White站在门口。Skyler坐在厨房餐桌旁。他说出了那句关于“敲门的人”的台词。你已经看过一百遍了。
现在想象它被画成周六早晨的儿童节目风格。圆圆的眼睛，粗粗的轮廓线，柔和的粉彩厨房，一个九岁的Walt用尖尖的嗓音说出那句一模一样的威胁。同样九岁的Skyler叫他“哥们儿”。
这就是整个形式，也是目前最稳定奏效的短视频创意之一。而且它所需的工作量比看起来少得多。不需要动画软件，不需要角色绑定，不需要关键帧。从剧中截取一帧静态画面，一条风格转换提示词，一条动作提示词，每个场景重复一遍。下面是附带确切提示词的完整流程。
为什么《绝命毒师》几乎是这类创作的完美选择
这个笑点靠的是调性的反差，几乎没有哪部剧比它离儿童卡通更远。一个在新墨西哥沙漠里经历中年危机的制毒者，被重新画成一档讲述男孩和他的化学实验套装的儿童节目，在一个字都没说出口之前，整个笑点就已经成立了。相比之下，给情景喜剧做风格转换，落差小到这种改动看起来就像是加了个滤镜。
对白完成了剩下的部分。《绝命毒师》的台词异常好引用，而且那些著名台词都很短。I am the one who knocks。I am the danger。Yeah, science。Say my name。每一句念出来都是四到八秒，恰好是AI视频输出保持干净的时长。你从不需要生成一个长的连续镜头。你只是一次生成一句台词，检查，然后继续。如果某个场景出来不对，你损失的是一个片段，而不是一整个下午。
角色阵容也有帮助。Walt、Skyler、Jesse、Hank、Gus和Saul都有一眼就能认出的轮廓、服装和色调。猪肉派帽、黄色防护服、米色开衫、花哨的衬衫。这些在风格转换后都保留了下来，所以观众无需你额外做什么，就能认出每个卡通版本的角色。
驱动这一切的两个工具
整个流程都在两个应用里完成。第一个是 Atlabs内的GPT Image 2，它编辑你上传的图像，而不是从零生成一张。这一区别正是它行得通的原因。你想要保留原有的构图、服装和取景，只把美术风格换掉。第二个是 MiniMax H3 Image to Video，它会把你转换风格后的静态画面动起来。
这里选H3是对的，因为它能在同一条提示词中同时处理动作和口语对白。你在同一个地方写下Walt做什么、Walt说什么，包括说话的方式，然后它会返回一个带音频的片段。没有单独的配音步骤，也不需要再来一轮去对齐嘴型。对于一个几乎完全由角色说着著名台词构成的形式来说，这把流程压缩成了每个场景两次点击。
场景1：I Am the One Who Knocks
第1步：截取画面
取一张Walt转身走向Skyler那一刻的静态画面。选择一帧脸部可见、大致正对镜头、背后厨房可辨认的画面。侧面镜头或阴影很重的画面，会让风格转换可依赖的东西更少，也让动作模型可动画化的东西更少。普通的截图就可以，你不需要高分辨率的素材。
第2步：把他转换成卡通小孩
打开 GPT Image 2，上传这一帧，并保持提示词简短。长提示词会和源图像互相对抗。只需要这些：
make this in kids cartoon style, make him a kid
两条指令，没有任何风格形容词。图像本身已经告诉了模型构图、眼镜、山羊胡和厨房，所以提示词只需说明要改变什么。添加一整段关于调色板和线条粗细的描述，通常会让输出比你想要的更偏离原图。运行一次，如果脸看起来仍然太老，就直接加上年龄，例如 make him about nine years old。
第3步：让台词动起来
把卡通版Walt的静态图作为输入图像放入 MiniMax H3 Image to Video 。现在提示词同时涵盖动作、说话方式和对白：
man walks forward and says in anger (in kid's voice) "I am not in danger. I am the danger! A guy opens his door and gets smacked and you think that of me? No. I am the one who knocks!"
看看这条提示词的结构。先是动作，再是情绪指示，然后是括号里的声音说明，最后是引号中的台词本身。引号是用来告诉模型哪部分是对白、哪部分是舞台指示的。括号里的声音说明承担了大部分喜剧效果，因为正是它产生了这个笑点所依赖的尖声尖气的说话方式。
场景2：Walt, Buddy
同样的两步，换一帧画面。取一张Skyler坐在餐桌旁的静态画面，用同样的简短指令对她进行风格转换，只改变人称代词。其余措辞保持完全一致，才能让美术风格在剪辑切换中保持稳定：
make this in kids cartoon style, make her a kid
然后让她的回应动起来，在台词之前先标出语气：
Woman is saying in a concerned voice "Walt, buddy, let's stop pretending everything is fine. You're in BIG trouble!"
在Atlabs MiniMax H3 Image to Video中试试这条提示词
把台词里的某个词大写，就像这里的BIG一样，是把重音落在这个词上的简单办法。这并不是正式的控制方式，但它出现的频率足够高，值得在每个场景的笑点词上使用。把两个片段首尾相接剪在一起，不加转场。两个卡通小孩隔着厨房餐桌互相威胁的硬切，比任何交叉淡化都更好笑。
完成这一集的其余部分
这就是整个循环。取帧、转换风格、动起来、下一个场景。六到八个这样的循环就能得到一部完整的短片，而《绝命毒师》有足够多的素材来填满它。沙漠里和Jesse在一起的房车。Yeah, science。Hank在烧烤聚会上。Gus在Los Pollos Hermanos整理领带。穿着某件花衬衫的Saul。废车场里的Say my name。先选好这些时刻，一次性把所有画面都取出来，再对它们全部执行风格转换，然后再做动作环节。按步骤批量处理比逐场景处理更快。如果你想让成片在宽屏上传时更清晰，请在发布之前用 放大 以1080p和每秒30帧处理一遍。
为什么角色能在各场景之间保持一致
先有图像、再做处理的顺序，是这套方法能够成立的原因。大多数人尝试这件事时，是用文字向视频模型描述Walter White，每一次都从头重新生成他，这就是为什么他们的角色在镜头之间会漂移，到第四个场景时看起来像换了个人。对真实画面进行风格转换，能把每个场景锚定在某个固定的东西上。厨房里的卡通Walt和沙漠里的卡通Walt都源自同一部剧、同样的服装和同样的灯光设置，所以它们彼此吻合，而你无需管理角色设定图或参考素材库。
把对白折叠进动作提示词，是让整集制作变得可行的第二件事。如果工作流是先生成无声视频，再写脚本，合成声音，然后对齐嘴型，那么每个场景就要经过四个步骤。八个场景乘以四个步骤，就是一个项目。八个场景乘以两个步骤，就是一个晚上。
你也不会被锁定在某一个模型上。如果某个场景需要不同的外观，同一张转换风格后的静态图可以被送入平台上的另一个模型，而无需重新构建任何东西。对于脸部承担镜头表达的风格化角色特写，Seedance 2.0是更强的选择，适合更安静的Gus时刻。Hailuo 2.3处理高动作场景更流畅，适合任何有Jesse出现的场景。你可以从 Atlabs 控制台 浏览完整的工作流和应用，如果你想使用Animated Video工作流，把同一批卡通角色带进更长的叙事作品。
专业技巧
让你的风格转换提示词在每个场景中保持一字不差地相同，只改变人称代词。一旦你开始为每一帧改写风格指令，美术风格就会漂移，剪出来的片子就不再像同一部卡通。写一次，每次都粘贴。
按照你希望它被表演的方式来写对白，而不是它在剧本中出现的方式。标点、大写和括号里的语气说明是你仅有的表演控制手段，所以三样都要用上。一个感叹号加一个大写单词，比再多一句描述对台词表现的帮助更大。
如果某句台词出来后节奏对了但嘴型略有偏差，不要重新生成整个场景。把那个片段连同你已经满意的音频一起发送到 口型同步 ，只修正嘴型。重新生成会丢掉一个本来可用的版本。
关于发布的一点实用提示。对这样知名的剧集做恶搞二创处于灰色地带，最安全的做法是明确作为喜剧式再创作、以粉丝内容的形式发布，而不是用来出售或呈现为官方内容。如果你想把这种形式打造成可变现的内容，请对原创角色使用同样的两步方法。这个工作流并不在乎你从谁的脸开始。
常见问题
我需要两个独立的工具，还是一个模型就能完成两件事？
风格转换这一步必须是独立的。图片生成视频模型会让你提供的内容动起来，它们并不能可靠地同时改变美术风格。先做风格转换，能在应用任何动作之前把卡通外观锁定在静态图中，这也是为什么Walt在每个场景里看起来都是同一个孩子。
每个场景应该多长？
与台词相匹配。大多数著名的《绝命毒师》台词念出来是四到八秒，这也正是图片生成视频输出最干净的时长。如果一句台词更长，就把它分成两个片段，中间用一次剪切，而不是硬让一次生成撑住整句。
如果声音听起来不像小孩怎么办？
把声音说明写得更具体，并放到提示词更靠前的位置。不要写 in kid's voice，试试 in the voice of a small child, high pitched and squeaky。提示词靠前的指令权重更高，所以埋在一长段动作描述之后的声音指示，往往会被弱化。
我可以用其他剧集来做吗？
可以，而且步骤完全不用变，只需要换成你自己的源画面。反差越强，这种形式的效果就越好，所以犯罪剧、精品剧集和恐怖片都会因为与《绝命毒师》相同的原因而效果很好。儿童卡通风格离原作的调性最远。
最终结论
卡通版《绝命毒师》之所以传播开来，是因为这个创意一看就懂，而且一旦你掌握了这个循环，制作成本几乎为零。给一帧画面做风格转换，用提示词里的台词让它动起来，每个场景重复一遍。剩下的就是挑选好的时刻，而这部剧等于白送你一份镜头清单。从“敲门的人”那个场景开始，而不是规划一整集，因为一个完成的八秒片段，比任何准备工作都更能教会你提示词需要什么。当它跑通之后，就用同样的循环处理你台词清单上的其余内容。你可以在以下位置搭建整个作品： atlabs.ai.
