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

如何通过文本提示词制作动画 GIF (GPT Image 2.6)

发布于 Nov 6, 2026

机器翻译

简短回答: 是的。GPT Image 2.6 可以通过普通的文本提示词生成循环动画 GIF——包含 2 到 16 帧、您可自选的帧延迟、可选的透明背景——且无需视频模型和时间轴——它也可以为您已有的照片制作动画。下方是确切的提示词、确切的设置、生成结果以及每一次交互所消耗的费用。值得记住的结论是:帧数越多并不会为您带来更多的画面。反而会减少。

披露:我们开发了 CombiChat,该产品销售这些模型的访问权限,因此我们显然希望您相信这很便宜。此处的每一项成本均为我们自身账户在该页面交互中扣除的积分费用——并非估算值,也非供应商的价格表。方法见文末。测量时间:2026 年 11 月 6 日。

您正在创作的内容

一只穿着红色轰炸机夹克的卡通橙色虎斑猫用后腿跳舞,循环播放十六帧 —— 这是本指南通过单个文本提示词生成的最终动画。

一个提示词,一次生成,一个文件:16 帧,1.6 秒循环,透明背景,因此可以放置在任何颜色之上。整个过程大约耗时一分钟,消耗了 22,428 积分,约合 0.22 美元。

设置项

CombiChat 的图像工作室编辑器,格式设置为 gif,帧数 16,帧时长 100ms,质量为高,背景为透明 —— 这是本指南中动画所使用的确切设置。

在“格式”行中选择 gif 是整个技巧的关键。它不像 PNG 与 WebP 之间的选择那样仅仅是容器格式的选择 —— 它会改变模型返回的内容,这就是为什么您一选中它,旁边就会立即出现额外的两行设置。

控制项我们使用的设置原因
模型GPT Image 2.6 Sunburst2.6 系列中经过细节微调的一半。在 16 帧中保持同一个角色不变是这项工作的难点,而 Sunburst 正是为跨渲染的一致性而构建的。
格式gif可显示帧和帧时长。任何其他值都会返回静态图。
帧数16上限。在您习惯性地调高它之前,请先阅读下一节。
帧时长100ms16 帧 x 100ms = 1.6 秒的循环,大约为每秒 10 帧。
质量high会直接影响您的账单,端到端的影响高达 8.5 倍。
比例1:1正方形可以经受住社交平台对其进行的任何裁剪。
背景transparent使结果看起来像是一个贴纸,而不是一张白方框上的猫咪照片。
数量1这个示例只需要一个循环。更高的数量也有效 —— 每段动画都作为独立的请求生成,因此它们不会竞争同一预算。

帧时长在 10 毫秒的网格基础上从 20ms 运行到 2,000ms,而这一网格并非随意选择:GIF 将其帧延迟以百分之一秒为单位存储,因此 55ms 的延迟会被写入文件为 60,从而导致控制失效并产生误导。20 毫秒也是浏览器遵循的最快延迟——Chrome 和 Firefox 会将任何快于 100ms 的数值默默限制在 100ms。

提示词

text
一段 16 帧的循环动画,内容是一只穿着红色微型飞行员夹克的胖橘色虎斑猫,它正用后腿直立行走,跳着查尔斯顿舞步:膝盖向内摆动并交叉,前爪在膝盖处交叉,尾巴随臀部反向摆动,耳朵随着节拍跳动。扁平赛璐璐卡通风格,粗黑轮廓,每个形状仅使用四种纯色,无渐变,无纹理。从耳朵到脚趾的全景全身像,居中显示,四周留有充裕的空白边缘。最后一个动作与第一个动作完全一致,以实现无缝循环。

其中有三处起到了关键作用,而每一处最初都是我们犯下的错误。

描述解剖结构,切勿提及比较对象。 这种表达的自然方式是“一只像人一样跳舞的猫,像人一样用两条腿站立”。请不要这样做。图像模型不会将“像人一样”理解为比喻——它会将其识别为您要求的名词,从而导致画面中出现一个人。改为详细描述姿势(直立于后腿,膝盖向内摆动,爪子在膝盖处交叉)可以要求完全相同的画面,且不会提及任何人物。添加“不要出现人”也没有帮助;无论如何,该词语都会出现在提示词中。

在这里,平涂色(Flat color)不是一种风格偏好,而是一种文件格式。 GIF 每帧最多存储 256 种颜色,并通过查找连续的相同像素进行压缩。平滑的写实阴影会同时破坏这两者:调色板会产生色带,且文件体积会剧增。要求“每个形状使用四种平涂色,无渐变,粗轮廓”会让输出结果更小且更美观。赛璐璐动画与 GIF 本就是天生一对。

要求循环闭合。 “最后一个姿势与第一个姿势完全相同” 这一句简单的话就能换来无缝的循环效果。如果省略掉它,动画在每次重新开始时都会出现明显的跳跃。

帧数越多,像素越少

这是没有人会记录下来的部分,而且它与视频定价的逻辑恰恰相反。

向 GPT Image 2.6 请求更多的 GIF 帧并不会为您提供更多的图像:它是在一个大致固定的像素预算内进行分配。一个 2 帧的循环返回的分辨率为 1216 x 816,而我们生成的每一个 16 帧循环在两种 2.6 模型、两种宽高比以及所有四个质量层级下,返回的分辨率都大约只有 50 万像素——即 864 x 576 或 704 x 704。

基于 2026 年 11 月对两种 GPT Image 2.6 模型进行的 20 轮动画测试。每个 16 帧的 GIF 图像的分辨率约为 50 万像素。

该模型并未按全尺寸渲染您的帧,也并未按每帧进行计费。它是在一个大致固定的像素预算内进行分配。在相同模型、相同质量和相同长宽比的情况下,对比四种帧数的情况:

帧数输出画布尺寸百万像素消耗积分
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)

在该系列测试中,从 2 帧增加到 16 帧并未增加任何成本,但分辨率却减半了。我们在另一种不同长宽比及所有质量等级的 2.6 模型上也观察到了同样的画布缩减现象:无论是在哪种模型还是哪种质量等级下,我们生成的每一个 16 帧 GIF 图像的分辨率都在 50 万像素左右。 这一点是确定的。

但费用却并不稳定。在第二种模型中,账单金额并非保持恒定:

模型、质量、比例2 帧16 帧
2.6 Flare, 低, 3:27,858 credits (~$0.07)7,219 (~$0.07) — 平滑
2.6 Sunburst, 高, 1:110,650 credits (~$0.10)22,428 (~$0.22) — 2.1 倍

因此,请不要基于“帧数是免费的”这一想法来制定预算。请基于一个在任何情况下都成立的事实来制定预算:帧数始终是以分辨率作为代价的;有时则是以金钱作为代价。 这让您面临的是一个真正的抉择,而非免费的午餐:

  • 想要画面流畅? 选择 16 帧,并接受大约 704 x 704 的分辨率。对于在聊天窗口中以 400 像素宽度观看的循环动画,这几乎在任何情况下都是正确的选择。
  • 想要画面清晰? 以全兆像素级别选择 2 到 4 帧,并根据需求设计动作——如一次眨眼、一次弹跳、一次挥手或一次尾巴摆动。一个两帧的循环动画作为贴纸是非常体面的,且文件大小仅为五分之一。

有一个值得了解的特性,因为它解释了上述所有内容的构成方式:模型并非将动画渲染为序列,而是将帧排列成一个巨大的网格——一个 704x704 分辨率的 16 帧循环,实际上是一张 2816x2816 的大图——这正是为什么帧数会占用您分辨率的原因。如果您一次请求多个循环,CombiChat 会将每一个循环作为独立的请求发送,因此它们不会竞争同一个预算。

下方是本页面顶部动画的展开图,展示了其十六个平铺的帧。这是模型通过一次生成所绘制的内容——这也是观察这项工作难点最清晰的方式,难点不在于绘画,而在于如何在每一个单元格中保持同一只猫、同一件夹克和同一组条纹:

展示为四乘以四网格布局的跳舞猫的所有十六个帧 - 这正是模型在将其打包成 GIF 之前进行内部渲染的布局,也是较长的循环会以较小尺寸返回的原因。

以下是作为两帧循环的相同提示词。它更清晰——分辨率为 960 x 960,而十六帧版本仅为 704——且权重仅为五分之一,大小为 215 KB,但它仍然是一只清晰可见的跳舞猫:

分辨率为 960 x 960 像素的两帧循环跳舞猫 - 更加清晰但几乎没有动作,这体现了本指南在帧数与分辨率之间衡量的权衡。

费用说明

质量是关键变量。在 16 帧的相同提示词下,三个等级的测量结果均基于同一模型的静态图像费用进行推算,前两个等级的数值如下:

质量消耗积分大约
低 (low)10,541~$0.10
中 (medium)18,495~$0.18
高 (high)22,428~$0.22
超高 (xhigh)~39,900~$0.39
最高 (max)~89,700~$0.89

积分是 CombiChat 套餐消耗的余额,Plus 套餐每月拥有两百万积分 —— 相当于大约 89 个高画质视频,或 189 个低画质视频。Pro 套餐的额度是其两倍,Max 套餐则再翻一倍。

请注意列表中未列出的内容:帧延迟、宽高比以及透明背景在两种模型上都不产生费用。质量是决定性的调节变量 —— 从低到高跨度达 8.5 倍 —— 而帧数则是取决于模型的次要因素。

默认值为低,而低质量正是痛点所在

新图像的生成默认设置为低 (low),而这正是动画最先崩坏的地方 —— 画质下降会直接影响到人物的运动部位。

同一只卡通猫在低画质和高画质下的对比图:在低画质下,腿部融合成了一团,脚部也消失了,这就是为什么本指南建议更改默认设置。

左侧,低 (low):10,541 积分,约 10 美分。右侧,高 (high):22,428 积分,约 22 美分。使用相同的提示词、相同的 16 帧、相同的 704 x 704 画布 —— 由于该模型不接受种子值,因此这是两次独立的生成。

这两只猫作为单张绘画都是合格的。但在低画质版本中,腿部融合成了一团,脚部消失了,轮廓也变得模糊 —— 在十六帧的动画中,这些正是您的眼睛会追踪的部分,因此循环播放时看起来像是在摇晃,而不是在跳舞。而修复这个问题只需多花费约十一美分。

为您现有的照片制作动画

主体无需通过提示词生成。请使用参考按钮上传一张图片,选择 gif,然后仅描述动作:模型会为您现有的图片制作动画,并保留其主体、构图和背景,而不是重新绘制一张新图。

text
将这张小猫精准地制作成一段无缝循环的舞蹈动画。从照片中的姿势开始,即前爪并拢贴在胸前,小猫随着节奏上下跳动,每次跳动时都拍打前爪,耳朵随之晃动,头部左右摇摆。请保持与照片中完全相同的小猫、构图和背景。最后一个姿势需精准回归到初始姿势,以实现无缝循环。

我们在 GPT Image 2.6 Sunburst 上使用高画质、3:4 比例、16 帧的设置,将该提示词与一张橘色小猫的照片一同发送。生成的视频分辨率为 608 x 816 —— 画面中是同一只小猫在每个循环中拍手并弹跳两次,最后恢复到照片中的姿势 —— 消耗了 17,683 积分,约合 17 美分。

  • 将提示词的重点放在动作上。 照片已经展示了主体的外观,但无法描述它的动作,这正是文字发挥作用的地方。
  • 让动作从照片中的姿势开始,并以该姿势结束。 这样循环动画就能完美衔接您开始时使用的画面。
  • 预料到文件体积会更大。 照片始终是照片,包含着所有 GIF 难以良好存储的阴影细节:我们这 16 帧的小猫视频大小为 3.6 MB,是那只卡通猫 1,009 KB 大小的三倍多。
  • 无法使用蒙版。 图像工作室无法在带有动画转动的场景中发送蒙版,因此在选择 gif 时,“蒙版”按钮会被隐藏。

它无法实现的三个事项

  • 无种子(Seed)。 该模型不接受种子,因此您喜欢的生成结果无法被复现或微调。再次生成时,您会得到一只完全不同的猫。
  • 限制为 16 帧。 如果您请求 17 帧,OpenAI 会直接拒绝:“请使用 2 到 16 之间的整数。”那些承诺 32 帧或 64 帧的页面描述的是其他东西。
  • 文件体积大。 我们的 16 帧循环文件大小为 1,009 KB;而同一内容的 2 帧版本仅为 215 KB。GIF 几乎完整地存储了每一帧,且帧与帧之间没有压缩,因此 16 帧的动画就像是“穿着大衣的十六张静态图”。对于网页,请将其转换为 MP4,仅在仅支持 GIF 的场景(如聊天应用、贴纸、电子邮件)中保留 GIF。

这些数据是如何得出的

本页面的每一项费用都是针对我们自身账户的实际支出,而非价目表。我们在 CombiChat 的图像工作室中使用普通付费计划运行了这些轮次,并在之后读取了每一轮次记录中的积分。积分是计费计划的计量单位,100,000 积分等于 1 美元 —— 因此,每项费用旁边的美元数值是该换算结果,我们对其进行了向下取整,并标记了波浪号,以便将其作为参考指南而非正式报价。所有付费计划的加价比例都是相同的,因此这些就是您将会看到的数值。

帧数对照表是在 GPT Image 2.6 Flare 上使用相同设置进行的四次独立运行结果,而第二个表格则在 Sunburst 上增加了两次运行结果。质量对照表针对低、中、高三个档位,每个档位测量一次运行结果;xhigh 和 max 档位是通过将测量的“高”档位动画按同一模型的测量静态图像费用比例进行缩放而得出的,因此它们带有波浪号 —— 在我们运行此测试之前,该预测方法在两万两千个点位中与实际值的误差仅在 10 个积分以内,因此我们对其结果有信心,但也对其进行了标注。画布尺寸是根据交付的文件读取的,而非根据请求读取:您无法在该模型上选择输出尺寸。照片动画是在 Sunburst 上以高质量进行的额外一次运行,测量时间为 2026 年 11 月 7 日。

常见问题

GPT Image 2.6 可以制作动画 GIF 吗? 可以。只需将输出格式设置为 GIF,模型就会返回循环动画而非静态图像 —— 包含 2 到 16 帧,您可以选择 20 到 2,000 毫秒之间的帧延迟,并可选择透明背景。该过程使用的是用于静态图像的相同模型和相同的提示框;不涉及视频模型。

AI 生成的 GIF 可以有多少帧? GPT Image 2.6 的上限是 16 帧,OpenAI 会拒绝任何高于此数值的请求,并会显示明确的错误提示,要求您输入 2 到 16 之间的整数。已发布的关于 32 帧或 64 帧的说法并不适用于此模型。

请求更多帧数会增加费用吗? 有时会。针对一种模型和形状,我们在相同的设置下分别测试了 2、4、9 和 16 帧,这四种情况的费用几乎相同——大约为 7,200 到 7,900 积分,约 7 美分;而在另一种情况下,16 帧的成本是 2 帧成本的 2.1 倍。增加帧数一定会增加的是分辨率——我们生成的每一个 16 帧 GIF 分辨率约为 50 万像素,而 2 帧的 GIF 分辨率为 100 万像素。

我可以将自己的照片转化为动态 GIF 吗? 可以。请将照片作为参考图上传,将格式设置为 GIF,并描述动作:GPT Image 2.6 会让该照片动起来,而不是发明一张新图片。一个高质量的、包含拍摄的小猫的 16 帧循环动画消耗了 17,683 积分,约 17 美分。动画转换无法携带的唯一元素是蒙版。

为什么我的 AI GIF 看起来有色块或色彩断层? 这是由两个叠加的原因造成的。GIF 每帧最多只能存储 256 种颜色,因此平滑的摄影级阴影会产生色阶断层;此外,初始质量设置较低,这会使您视线关注的动态部分变得模糊。请尝试使用具有粗轮廓的扁平赛璐璐风格(cel-shaded art)进行提示词创作,并提高质量设置 —— 该格式的设计初衷正是为了承载扁平化艺术风格。

AI 生成的 GIF 可以拥有透明背景吗? 可以。将“背景”设置为透明,每一帧都会带有透明颜色索引,这使得生成结果可以作为贴纸使用,而不是一张放在白色方块上的图片。GIF 的透明度是基于像素的“全有或全无”,而非渐变效果,因此粗轮廓和扁平填充能够完美保留,而柔和的摄影级边缘则无法做到。

在 CombiChat 中生成 GIF 需要什么条件? 您需要订阅 Plus 或更高等级的方案。GPT Image 2.6 模型均高于免费方案所包含的模型层级。动画功能并非付费增值服务 —— 它位于图像生成器(image composer)的格式(Format)行中,且其消耗的额度并不高于该轮对话本身。