AI 賽博龐克 Reel 怎麼做？拆解 4.3 萬讚短片：一張關鍵幀、Seedance 2.5 圖生影片、再放大

懶人包

• IG 帳號 soft_respawn 在 2026-09-18 發的賽博龐克溜冰 Reel，到 10-27 有 4.3 萬讚、396 則留言。貼文自己寫了流程：GPT-Image 生一張關鍵幀 → Seedance 2.5 圖生影片 → Topaz AI 放大，三步都在 SYNTX 平台上跑，文末附折扣碼，是業配。
• 三步裡決定畫面的是第一步。構圖、光影、角色造型都在關鍵幀定死，圖生影片模型只負責讓它動幾秒，放大只負責解析度。
• Seedance 2.5 是 ByteDance 2026-07-31 發表的影片模型，單次最長 30 秒。第三方 API 的圖生影片價格我查到每秒約 0.134 到 0.47 美元，一支 6 秒 9:16 片段約 0.8 到 2.8 美元。
• 我在本機重現了一次：Codex 生一張原創角色的 9:16 關鍵幀，再用 ffmpeg 做 6 秒推軌、霓虹閃爍和雨絲，從 540p 放大到 1080p，整條 pipeline 跑 5.8 秒。
• 限制很明確：ffmpeg 只能動鏡頭，角色不會滑、輪子不會轉；傳統放大只會去鋸齒，不會補細節。要做到原片的效果，第二步一定要接生成式模型。

這篇拆一支 IG 爆款 AI 短片的做法，然後用免費工具把三步流程在本機跑一遍，看看哪一步能自己做、哪一步非付費模型不可。prompt 產生器和試片已經放在 Neon Reel Lab，打開就能用。

這支賽博龐克 Reel 在演什麼？

原始貼文是 IG 帳號 soft_respawn 的 Reel，2026-09-18 發佈。我在 2026-10-27 讀到的數字是 43K likes、396 comments。

畫面是一個穿黃色短夾克、背後有螢光綠塗鴉的人，穿著發光直排輪，從低角度背後視角滑下雨夜的霓虹巷子。遠方是一整片摩天樓和全息廣告看板，高架電車從中景穿過，地面的水窪反射洋紅和青色的光。標題是「Night City hits different on rollers.」，hashtag 打的是 #CyberpunkEdgerunners #NightCity。

我手上能拿到的是貼文文案和預覽畫面，以下拆解以這兩樣為準，沒有逐格分析原片。

貼文文案把流程寫得很清楚，我整理成表：

為什麼說關鍵幀決定了八成畫面？

看完這支片，我的判斷是：觀眾記住的每一個元素，在第一步那張圖裡就已經存在了。

霓虹巷子的縱深、黃夾克對上洋紅背景的撞色、低角度背影帶出的速度感、遠景摩天樓的層次，全部是靜態構圖的功勞。第二步的影片模型做的事情是讓角色往前滑、雨絲落下、電車經過，時間只有幾秒。第三步把解析度拉上去，讓 Reels 上看起來夠銳利。

這也解釋了這套流程為什麼好上手：圖生影片比文生影片多了一個錨點。角色長相、服裝、配色都由首幀鎖住，模型只要處理動作，比從一句話生出整段影片穩定。我沒有拿 Seedance 實測失敗率，這一點是從工具的輸入設計推出來的：圖生影片的 API 都把首幀圖當必填。

至於為什麼紅，我只能講看得到的部分。hashtag 直接掛 Cyberpunk: Edgerunners 和 Night City，對準的是現成的同人社群；9:16、幾秒長、霓虹雨夜這三個條件放在 Reels 上，適合自動循環播放。

Seedance 2.5 是什麼？圖生影片要花多少錢？

Seedance 2.5 是 ByteDance Seed 團隊的影片生成模型。依 TechNode 2026-07-31 的報導：

• 推到即夢 AI 和豆包 Pro 版，Volcano Engine Ark 的 API 當時寫「即將推出」。
• 單次可以生成 30 秒的影片，也支援多輪延伸。
• 一次輸入最多可放 30 張圖、10 段影片、10 段音訊當參考。

fal.ai 的端點參數長這樣：image_url 是首幀（必填），end_image_url 可以另外指定尾幀，aspect_ratio 有 9:16，generate_audio 預設會一起生成音訊。兩家的價差超過三倍，計價方式也不同，實際要用先看當天的價格頁。

我怎麼在本機重現這三步？

目標是用手邊免費的工具把三步各做一次，看每一步的產出長什麼樣子。我沒有付費接 Seedance，所以第二步用 ffmpeg 代替，這一步的結果跟原片差距最大。

第一步：用 Codex 生一張原創角色的關鍵幀

角色我刻意寫成原創，不是動畫裡的任何角色。prompt 照原片的構圖元素一條條寫進去：低角度背後視角、黃色短夾克、螢光綠塗鴉、發光直排輪、雨夜霓虹巷、高架電車、水窪反射。

Vertical 9:16 anime key frame, Cyberpunk-anime style (original character, not any existing IP character): a young rollerblader in a yellow cropped jacket with neon green glowing graffiti, seen from low behind-the-shoulder angle, skating down a rain-soaked neon alley at night toward a dense megacity skyline with holographic billboards, an elevated train crossing, magenta and cyan reflections in puddles, glowing inline-skate wheels, cinematic depth, clear foreground/midground/background layers. No text, no watermarks.

最後那句 clear foreground/midground/background layers 是給第二步用的。前中後景分得開，鏡頭推進時才有視差的感覺，不管後面接的是 ffmpeg 還是影片模型都一樣。

第二步：用 ffmpeg 讓畫面動起來

ffmpeg 不會生成新內容，能做的只有對整張圖做運算。我疊了三層：

• zoompan 在 6 秒內從 1.0 倍推到 1.18 倍，再加一點 sin 晃動，模擬跟拍。
• eq 每 2 秒閃一次亮度，模擬霓虹燈接觸不良。
• 用隨機噪點拉成直線當雨絲，以 screen 模式疊上去。

#!/usr/bin/env bash
set -euo pipefail
KEY="$1"; OUT="$2"; mkdir -p "$OUT"
FPS=24; DUR=6; FRAMES=$((FPS*DUR))

# 統一成 9:16 的 1440x2560 底圖，給 zoompan 足夠像素
ffmpeg -y -loglevel error -i "$KEY" -vf "scale=1440:2560:force_original_aspect_ratio=increase,crop=1440:2560" "$OUT/key_9x16.png"

# Stage 2：推軌 + 霓虹閃爍 + 雨絲，輸出 540x960
ffmpeg -y -loglevel error -loop 1 -i "$OUT/key_9x16.png" \
  -f lavfi -i "nullsrc=s=540x960:d=$DUR:r=$FPS" \
  -filter_complex "\
[0:v]zoompan=z='1.0+0.18*on/$FRAMES':x='iw/2-(iw/zoom/2)+6*sin(on/5)':y='ih/2-(ih/zoom/2)+on*0.6+4*sin(on/3)':d=$FRAMES:s=540x960:fps=$FPS,\
eq=brightness='0.03*sin(2*PI*t*3)*between(mod(t,2),0.4,0.7)':saturation=1.15[bg];\
[1:v]geq=lum='if(lt(random(1),0.004),255,0)':cb=128:cr=128,avgblur=sizeX=1:sizeY=12,eq=brightness=0.0:contrast=3,format=gbrp[rain];[bg]format=gbrp[bgp];[bgp][rain]blend=all_mode=screen:all_opacity=0.45,format=yuv420p[v]" \
  -map "[v]" -t $DUR -r $FPS -c:v libx264 -crf 20 -pix_fmt yuv420p "$OUT/stage2_animated_540p.mp4"

# Stage 3：lanczos 放大到 1080x1920 + 輕度銳化
ffmpeg -y -loglevel error -i "$OUT/stage2_animated_540p.mp4" \
  -vf "scale=1080:1920:flags=lanczos,unsharp=5:5:0.8:5:5:0.0" \
  -c:v libx264 -crf 18 -preset slow -pix_fmt yuv420p "$OUT/stage3_upscaled_1080p.mp4"

雨絲那層第一版直接用 blend 疊在 YUV 畫面上，整個畫面變成全黑。原因是 YUV 的色度通道也被拿去做 screen 運算，我改成兩邊都先轉 gbrp（RGB 平面格式）再混合，畫面就正常了。這個問題在終端機不會報錯，是看了抽格圖才發現的。

下面是 0、2、4、5.9 秒四格，可以看到鏡頭往前推、往下沉：

四格裡角色的姿勢一模一樣，ffmpeg 版跟原片最大的差別就在這裡：原片的角色在滑、手在擺、輪子在轉，這裡只有鏡頭在動。

第三步：放大到 1080×1920

我在 Windows 上用 ffmpeg 8.0 跑整條 pipeline，time 量到 5.8 秒。ffprobe 讀回來的數值整理如下：

stage2_animated_540p.mp4   540x960    6.000000s  144 frames  2.0 MB
stage3_upscaled_1080p.mp4  1080x1920  6.000000s  144 frames  8.9 MB

同一格、同一塊區域放大來比，左邊是 540p 直接放大兩倍（最近鄰），右邊是 lanczos 加銳化的 1080p：

右邊的方塊鋸齒不見了，邊緣比較平滑，但輪子的花紋、水花的顆粒都沒有比左邊多。傳統插值只能在既有像素之間補值，不會畫出原本沒有的東西。原片用 Topaz AI 這類模型做放大，目的就是補這些細節，這一步要達到同樣效果也得換成 AI 放大。

哪一步可以自己做、哪一步一定要付費？

SYNTX 這類平台賣的是「三步在同一個地方做完」。如果只是想試 Seedance 2.5，上面那兩家 API 都能按秒計費，不用綁訂閱。我沒用過 SYNTX，也沒找到它的獨立評測，所以不推薦也不反對，只提醒這支貼文是業配。

試片和 prompt 產生器在哪裡？

我把試片、關鍵幀和一個 prompt 產生器做成單檔網頁：Neon Reel Lab。選主角、畫風、鏡頭運動，就會組出兩段 prompt：第一段貼到生圖工具做關鍵幀，第二段在圖生影片工具上傳關鍵幀後貼上。

第二段 prompt 開頭固定寫「Start frame = uploaded key image. Keep character design, outfit and colors identical.」，把首幀當成角色設定的依據，後面才描述鏡頭、主體動作和環境動態。

同樣是拆 IG 爆款 AI 短片，〈開明獸〉那篇拆的是 6 鏡 20 秒的敘事公式；這篇的重點是單鏡頭的製作流程。兩篇可以搭著用：先用分鏡決定要拍哪幾個畫面，每個畫面再走一次「關鍵幀 → 圖生影片 → 放大」。

常見問題

GPT-Image 生的圖可以直接丟進 Seedance 嗎？

可以。圖生影片端點吃的是一般圖片檔，fal.ai 的頁面寫支援 jpg、png、webp 等格式，上傳後當成首幀。比例建議生圖時就做成 9:16，跟影片輸出比例一致，避免被裁切。

沒有預算，只用 ffmpeg 能做出這種 Reel 嗎？

做得出「會動的畫面」，做不出「角色在動的影片」。ffmpeg 只能推鏡頭、閃光、疊雨絲，角色會像一張貼紙。適合當封面動態或片頭，要當主片還是得接圖生影片模型。

用動畫裡的角色做同人短片可以嗎？

原片 hashtag 掛的是 Cyberpunk: Edgerunners，但我重現時刻意用了原創角色。要公開或接業配的作品，用自己設計的角色比較單純。