A cartoon orange tabby cat in a red jacket dancing upright on its hind legs, motion arcs sweeping behind it - the kind of looping animation this guide generates from a single text prompt.
指南

如何從文字提示詞製作動畫 GIF (GPT Image 2.6)

發佈於 Nov 6, 2026

機器翻譯

簡短回答: 是的。GPT Image 2.6 能從普通的文字提示詞中生成循環動畫 GIF —— 包含 2 到 16 個影格、由您選擇的影格延遲、可選的透明背景 —— 無需影片模型也無需時間軸 —— 而且它也能為您現有的照片製作動畫。以下是精確的提示詞、精確的設定、結果,以及每一輪對應的費用。值得記住的發現是:影格越多,並不會讓您獲得更多畫面。反而會讓您獲得更少的畫面。

聲明:我們開發了 CombiChat 並銷售這些模型的存取權限,因此我們顯然有利益驅使您相信這很便宜。這裡顯示的每一項成本都是我們在執行此頁面內容時,我們自己帳戶所扣除的點數費用 —— 這不是估算值,也不是供應商的價格表。方法詳見文末。測量日期為 2026 年 11 月 6 日。

您正在製作的內容

一隻穿著紅色飛行夾克的橘色虎斑卡通貓正用後腳站立跳舞,循環播放 16 個影格 — 這就是本指南透過單一文字提示詞所生成的完成動畫。

一個提示詞、一次轉化、一個檔案:16 個影格、1.6 秒的循環,且具有透明背景,因此可以套用在任何顏色上。這大約花費了一分鐘,消耗了 22,428 點積分,約為 22 美分。

設定項目

CombiChat 的圖像工作室編輯器,格式設定為 gif,影格數為 16,影格時間為 100ms,品質為高,且背景為透明 — 這就是本指南中動畫所使用的精確設定。

在「格式」列中選擇 gif 是整個關鍵所在。這並非像 PNG 對比 WebP 那樣僅是容器格式的選擇 — 它會改變模型回傳的內容,這也是為什麼您一選取它,旁邊就會立即出現額外的兩個列。

控制項我們使用的設定原因
模型GPT Image 2.6 Sunburst2.6 系列中經過細節微調的一半。在這項工作中最困難的部分是在十六個影格中保持角色的一致性,而 Sunburst 正是為了渲染的一致性而設計的。
格式gif可顯示影格與影格時間。任何其他數值都會回傳靜態圖像。
影格數16上限值。在您直覺性地調高它之前,請先參閱下一節。
影格時間100ms16 影格 x 100ms = 1.6 秒的循環,大約每秒 10 影格。
品質high這項控制項會影響您的帳單金額,從頭到尾會差 8.5 倍。
比例1:1正方形可以經受社交平台所套用的任何裁剪。
背景transparent使結果看起來像是一張貼紙,而不是一張在白色正方形上的貓咪照片。
數量1這個範例只需要一個循環。更高的數量也行得通 —— 每個動畫都是作為獨立請求生成的,因此它們不會競爭同一份預算。

影格時間以 10 毫秒為基準,範圍從 20ms 到 2,000ms,而這個基準並非隨意選擇:GIF 將其影格延遲以百分之一秒為單位儲存,因此 55ms 的延遲在寫入檔案時會變為 60,這會導致控制效果產生偏差。20 毫秒也是瀏覽器所能遵循的最快延遲 —— Chrome 和 Firefox 會將任何快於 100ms 的數值靜默限制為 100ms。

提示詞

text
一個 16 幀的循環動畫,主角是一隻穿著紅色迷你飛行夾克的胖橘色虎斑貓,它用後腿直立站著跳查爾斯頓舞步:膝蓋向內擺動並交叉,前爪在膝蓋處交叉,尾巴與臀部反向擺動,耳朵隨節奏跳動。扁平賽璐璐卡通風格,粗黑輪廓,每個形狀使用四種扁平色彩,無漸層且無紋理。從耳朵到腳趾的全身圖,居中對齊,四周留有充足的空白邊距。最後一個姿勢與第一個姿勢完全一致,以確保循環無縫銜接。

這裡有三件事正在發揮關鍵作用,而每一件事最初都是我們犯下的錯誤。

描述解剖結構;切勿命名比較對象。 自然的寫法是「像人類一樣跳舞的貓,像人一樣用兩條腿站立」。請勿這樣做。影像模型不會將「像人類一樣 (like a human)」視為明喻——它會將其視為您所要求的名詞,結果畫面中就會出現一個人。改為具體描述姿勢(例如:用後腿直立,膝蓋向內擺動,爪子在膝蓋處交叉),能要求完全相同的畫面,且不會提及任何特定的人名。加入「不要出現人 (no people)」也毫無幫助;因為該單字無論如何都會出現在提示詞中。

單色(Flat color)在這裡不是風格偏好,而是檔案格式。 GIF 每幀最多僅儲存 256 種顏色,並透過尋找相同像素的連續區塊來進行壓縮。平滑的寫實陰影會同時破壞這兩者:色調會變成色帶狀(posterizes),且檔案大小會劇增。要求「每個形狀使用四種單色,無漸層,粗輪廓」不僅能讓輸出檔案更小,而且看起來更美觀。賽璐璐動畫(Cel animation)與 GIF 本生就是為彼此而生的。

要求循環閉合。「最後一個姿勢會完全回到第一個姿勢」是一句能換取無縫循環的簡潔描述。若省略這句話,動畫在每次重啟時都會出現明顯的跳躍。

更多幀數,更少像素

這是沒人會寫出來的部分,而且這與影片定價的運作方式完全相反。

要求 GPT Image 2.6 提供更多 GIF 幀數並不會讓您獲得更多的圖像:它是在大致固定的像素預算中進行分配。一個 2 幀的循環回傳為 1216 x 816,而我們生成的每個 16 幀循環,在兩種 2.6 模型、兩種長寬比以及所有四種品質等級中,回傳結果大約都是半百萬像素 —— 即 864 x 576 或 704 x 704。

於 2026 年 11 月,針對兩款 GPT Image 2.6 模型進行 20 個動畫回合的測量。每個 16 幀的 GIF 解析度約為 50 萬像素。

該模型並非以您的完整尺寸渲染每一幀並按幀計費,而是將一個大致固定的像素預算分配給這些幀。在相同模型、相同品質、相同長寬比下,四種不同的幀數表現如下:

幀數交付畫布百萬像素扣除額度
21216 x 8160.997,858 (~$0.07)
41216 x 8160.997,859 (~$0.07)
91152 x 7680.887,222 (~$0.07)
16864 x 5760.507,219 (~$0.07)

在該系列測試中,從 2 幀增加到 16 幀幾乎沒有增加成本,但解析度卻減半。我們在另一款不同長寬比的 2.6 模型以及所有品質層級上也觀察到了同樣的畫布縮減現象:無論是哪款模型或哪種品質層級,我們生成的每個 16 幀 GIF,解析度大約都在 50 萬像素左右。 這部分是非常可靠的。

但金額並非如此。在第二款模型上,帳單並未保持持平:

模型、品質、比例2 幀16 幀
2.6 Flare, low, 3:27,858 點數 (~$0.07)7,219 (~$0.07) — 平滑
2.6 Sunburst, high, 1:110,650 點數 (~$0.10)22,428 (~$0.22) — 2.1 倍

因此,請不要基於「幀數是免費的」這一點來規劃預算。請根據一個在任何情況下都成立的事實來規劃:幀數的代價始終體現在解析度上;有時則體現在金錢上。 這讓您面對的是一個真正的抉擇,而非不勞而獲的午餐:

  • 想要畫面流暢? 選擇 16 幀並接受大約 704 x 704 的解析度。若您的循環動畫將在聊天視窗中以 400 像素寬度呈現,這幾乎總是正確的選擇。
  • 想要畫面清晰? 以全百萬像素解析度選擇 2 到 4 幀,並設計適合的動作——例如眨眼、彈跳、揮手或甩尾。一個兩幀的循環動畫是一個非常體面的貼圖,且檔案大小僅為五分之一。

有一個值得了解的特性,因為這解釋了上述所有內容的運作方式:模型並非以序列的方式渲染動畫。它是將所有影格排列成一個大型網格 —— 例如一個 704x704 的 16 影格循環,實際上是一張 2816x2816 的圖表 —— 這也正是為什麼影格數量會消耗您的解析度。如果您一次要求多個循環,CombiChat 會將每個循環作為獨立的請求發送,因此它們不會競爭同一個預算。

下方是本頁頂部動畫的十六個影格平鋪圖。這是模型在單次運作中繪製出的內容 —— 同時這也是觀察這項工作難點最清晰的方式:難點不在於繪圖,而在於確保在每個儲存格中都能保持相同的小貓、相同的夾克以及相同的條紋:

跳舞的小貓所有十六個影格排列成四乘四的網格 —— 這與模型在將其封裝成 GIF 之前內部渲染的佈局相同,也是為什麼較長的循環會以較小的尺寸回傳。

這是與之前相同的提示詞,但改為兩幀循環。它的解析度更高——為 960 x 960,而十六幀版本僅為 704——且大小僅為五分之一(215 KB),但它依然能讓人一眼認出是一隻正在跳舞的貓:

這是一隻同樣跳舞的貓,採用兩幀循環,解析度為 960 x 960 像素 —— 解析度更高但幾乎沒有動作,這正是本指南所衡量的幀數與解析度之間的權衡。

費用說明

品質是關鍵的槓桿。以下針對相同的提示詞(Prompt)在 16 幀下的三種層級進行衡量,前兩個數值是根據同一模型的靜態圖像費用所推算的:

品質扣除額度大約
低 (low)10,541~$0.10
中 (medium)18,495~$0.18
高 (high)22,428~$0.22
極高 (xhigh)~39,900~$0.39
最高 (max)~89,700~$0.89

額度是指 CombiChat 方案所消耗的餘額,Plus 方案每月擁有兩百萬點額度 — 大約可以製作 89 個高品質影片,或者 189 個低品質影片。Pro 方案的額度是兩倍,而 Max 方案則是再翻倍。

請注意清單中未列出的項目:在兩種模型上,幀延遲(frame delay)、長寬比(aspect ratio)以及透明背景都不會產生額外費用。品質是主導因素 — 從最低到最高有 8.5 倍的差距 — 而幀數僅次其後,且取決於模型。

預設為低品質,而低品質正是問題所在

新圖像的生成預設為低品質,而這也正是動畫最先崩壞的地方 —— 品質下降會發生在人物會動的部位。

同一隻卡通貓在低品質與高品質下的並排對照圖:在低品質下,腿部融合成一團且腳部消失了,這就是為什麼本指南建議更改預設設定。

左側為低品質:10,541 點數,約 10 美分。右側為高品質:22,428 點數,約 22 美分。使用相同的提示詞、相同的 16 幀、相同的 704 x 704 畫布 —— 由於此模型不使用 seed,因此為兩次獨立的生成。

這兩隻貓作為單張繪圖都沒有問題。但在低品質版本中,腿部融合成了一團,腳部消失了,輪廓也變得模糊 —— 而在十六幀的動畫中,這些正是您的眼睛會追蹤的部分,因此循環播放時看起來像是搖晃而非舞蹈。修正這個問題只需多花約十一美分。

動畫化您現有的照片

主體不一定要來自提示詞。點擊參考按鈕並上傳圖片,選擇 gif,然後僅描述動作:模型會對您的圖片進行動畫處理,保留其主體、構圖和背景,而不是繪製一張全新的圖片。

text
將這隻完全相同的幼貓製作成無縫循環的舞蹈動畫。從照片中的姿勢開始(前爪併攏置於胸前),幼貓隨著節奏上下跳動,每次跳動時都會拍打前爪,耳朵隨之擺動,頭部左右晃動。請保持與照片中相同的幼貓、相同的構圖和相同的背景。最後一個姿勢必須完全回到初始姿勢,以確保循環無縫。

我們在 GPT Image 2.6 Sunburst 上以高品質、3:4 比例、16 幀的設定,將該提示詞與一張橘色小貓的照片一同發送。生成結果的解析度為 608 x 816 ——畫面中同樣的小貓在每個循環中拍手並彈跳兩次,最後回到照片中的姿勢 —— 並消耗了 17,683 點積分,約為 0.17 美元。

  • 將提示詞的重點放在動作上。 照片已經說明了主體的外觀。照片無法傳達的是動作方式,這正是文字發揮作用的地方。
  • 讓動作從照片中的姿勢開始,並以此結束。 這樣循環就會回到您開始使用的那張圖片。
  • 預期檔案會較大。 照片會保留照片的所有特性,包含 GIF 難以良好儲存的所有陰影細節:我們這段 16 幀的小貓影片大小為 3.6 MB,是那隻卡通貓 1,009 KB 的三倍以上。
  • 無遮罩。 圖像工作室無法在動畫轉身時發送遮罩,因此在選擇 gif 時,「遮罩」按鈕會被隱藏。

它無法做到的三件事

  • 沒有種子值(seed)。 此模型不接受種子值,因此您喜歡的結果無法被重現或微調。重新生成時,您會得到一隻不同的貓。
  • 上限僅限 16 幀。 如果您要求 17 幀,OpenAI 會委婉地拒絕您:"Use an integer from 2 to 16." 那些承諾 32 或 64 幀的頁面描述的是其他東西。
  • 檔案體積龐大。 我們 16 幀的循環動畫大小為 1,009 KB;同樣內容的 2 幀版本僅為 215 KB。GIF 幾乎完整地儲存了每一幀,幀與幀之間沒有壓縮,因此 16 幀的動畫大約就像是十六張靜態圖片套著一件長外套。若用於網頁,請轉換為 MP4,並僅在僅支援 GIF 的場合(如聊天應用程式、貼圖、電子郵件)保留 GIF。

我們是如何得出這些數字的

此頁面上的每一項成本都是針對我們自身帳戶的扣款,而非價格表。我們在 CombiChat 的圖像工作室中使用一般的付費方案進行運轉,隨後從每次運轉自身的紀錄中讀取點數(credits)。點數是方案計費的單位,每 100,000 點為 1 美元 — 因此,每項旁邊顯示的美元金額是該換算結果,經過無條件捨去並以波浪號標記,以使其作為參考而非正式報價。所有付費方案的加價比例均相同,因此這些就是您會看到的數字。

幀數表是在 GPT Image 2.6 Flare 上使用相同設定進行的四次獨立執行結果,而第二張表格則在 Sunburst 上額外增加了兩次執行結果。品質表針對低、中、高三種等級,每等級各進行了一次實測執行;xhigh 與 max 則是透過將實測的高階動畫,按該模型實測靜態圖像費用之比例進行縮放後所推算出的結果,這也是為什麼它們帶有波浪號(~)的原因——在我們進行此項測試之前,該推算值與高階等級的誤差在兩萬兩千分之一以內的十個點數內,因此我們對其結果深具信心,但仍會進行標註。畫布尺寸是從交付的文件中讀取的,而非來自請求:您無法在此模型上選擇輸出尺寸。照片動畫是在 Sunburst 上以高品質進行的另一次執行,實測日期為 2026 年 11 月 7 日。

常見問題

GPT Image 2.6 可以製作動態 GIF 嗎? 可以。將輸出格式設定為 GIF,模型就會回傳循環動畫而非靜態圖像 — 包含 2 到 16 個影格,您可以選擇 20 到 2,000 毫秒之間的影格延遲,並可選擇透明背景。這與用於靜態圖像的模型和提示詞輸入框相同;不涉及影片模型。

AI 生成的 GIF 可以有多少個影格? GPT Image 2.6 的上限為 16 個影格;若超過此數量,OpenAI 會拒絕請求並顯示明確錯誤,要求輸入 2 到 16 之間的整數。目前已發布的 32 或 64 個影格之說並不適用於此模型。

要求更多影格會增加費用嗎? 有時會。在其中一個模型與形狀中,我們在相同的設定下分別測試了 2、4、9 和 16 個影格,這四種情況的費用大致相同——約為 7,200 至 7,900 點積分,約為 7 美分;但在另一個模型中,16 個影格的成本是 2 個影格的 2.1 倍。增加影格必定會增加的是解析度——我們生成的每個 16 影格 GIF 約為 50 萬像素,而 2 影格的 GIF 則是 100 萬像素。

我可以將自己的照片轉化為動畫 GIF 嗎? 可以。請將照片作為參考附件,將格式設置為 GIF 並描述動作:GPT Image 2.6 會對該照片進行動畫處理,而不是重新創作一張新圖片。一個高品質、16 影格循環播放的貓咪照片動畫耗費了 17,683 點積分,約為 17 美分。動畫轉換唯一無法攜帶的是遮罩(mask)。

為什麼我的 AI GIF 看起來有色塊或斷層? 這是由兩個相互影響的原因造成的。首先,GIF 每幀最多僅能儲存 256 種顏色,因此平滑的攝影陰影會產生色階斷層(posterization);其次,初始品質設定較低,這會使您視線追隨的動態部分變得模糊。建議在提示詞中使用「flat cel-shaded art with bold outlines」(具有粗輪廓的平塗賽璐璐風格藝術)並提高品質——因為這種格式本就是為了承載平塗藝術而設計的。

AI 生成的 GIF 可以擁有透明背景嗎? 可以。將「Background」設定為「transparent」,每一幀都會帶有透明顏色索引,這能讓結果呈現為貼紙效果,而非置於白色方塊上的圖片。GIF 的透明度是針對每個像素進行「開啟或關閉」的處理,而非漸層處理,因此粗輪廓與平塗填充能完美保留透明效果,而柔和的攝影邊緣則無法做到。

在 CombiChat 中生成 GIF 需要什麼? 您需要 Plus 方案或更高階的方案。GPT Image 2.6 模型的階層均高於免費方案所包含的模型階層。動畫功能並非額外的付費加值項目 —— 它就在圖像編輯器的「Format」(格式)列中,且其成本不會超過該次對話本身的費用。