用 Codex 做 Live Carousel，再用 ACE-Step 配上音樂

這次選擇 Codex，主要是因為它的生圖功能。在本案例的環境裡，Codex 能直接生成圖片，接著撰寫動畫程式、渲染影片，讓素材製作與動畫修改在同一個任務裡完成。

我們用 LUXX 當主角，參考一支短片的拼貼風格與進出場節奏，重新生成了人物與車的主圖、金色髮辮、橘子吊飾、交通燈，以及天空、山丘、花田、公路等多張素材，再組成約 3.33 秒的動畫。人物與場景重新創作，沒有直接使用參考影片的圖像。

第一步：請 Codex 做出動畫

先在 Codex 選擇本機工作資料夾，準備參考影片與角色的肖像、側臉、全身圖。把下面的路徑換成自己的，就可以開始：

請在 [專案路徑] 製作一支 Live Carousel 動態拼貼。
參考影片：[影片路徑]
主角：[角色名稱]，身份參考圖放在 [參考圖資料夾]。

請先確認可用的生圖工具，再分析影片的風格與動作時間軸。
用 Codex 的生圖功能生成全新素材，參考構圖與節奏，
不要複製影片中的人物或圖像。

人物與車必須一起生成，坐在座艙內，有合理接觸與遮擋。
髮辮、吊飾、交通燈和背景分層製作，統一光線、色調與顆粒。
需要疊加的素材使用真正透明背景；星爆和邊框用 SVG 繪製。

用逐幀程式製作車子進場、停住、離場，
加入髮辮飄動、吊飾輕擺、星爆旋轉及背景視差。
先檢查靜態構圖與預覽，再輸出正式影片。

規格：1080×1350、30fps、100 格、H.264、yuv420p。
最後四格必須完全清場，不能留下車尾、頭髮或陰影。
程式與素材放 film2/，成品放 output/，保留既有檔案。
回報實際檢查內容與未達成的要求。
若無生圖工具，改輸出完整素材提示詞，不要假裝已生成。

這個案例最重要的兩個細節，是「人車一起生成」和「離場距離要包含頭髮」。前者減少透視不一致，後者避免車子離開後，髮辮還留在畫面左邊。

遇到的問題：結尾殘留

初版就遇到車尾與頭髮殘留的問題。提供片尾截圖後，用這段要求修正：

請修正結尾，車子、人物、髮辮與陰影都要完全離開畫面。
只調整離場距離與完成時間，不要更換角色和場景。
計算範圍時包含向後飄的髮辮，不能只看車身寬度。
檢查正式影片最後四格的全尺寸畫面，保留舊版並輸出 v2。

修正版已確認最後四格沒有殘留，並成功解碼全片 100 格。本次修正版沒有重新做連續播放檢查；角色相似度僅做目視核對，素材也未全部達到原先要求的原生 2× 尺寸。

加上音樂：用 ACE-Step 在自己的電腦生成

動畫做好了，參考影片本身是無聲的。但加上音樂，停留的理由又多一個。

這一段我是用 Claude Code 操作的，音樂用 ACE-Step 1.5。它是開源的 AI 作曲模型，可以在自己的電腦上跑，不用另外訂閱音樂服務。

環境： M4 Pro、24GB 記憶體的 Mac。專案資料夾含模型約 11GB，裝之前先看一下硬碟空間。

步驟 1：先量動畫的時間點，再決定音樂的速度

我先用程式量影片裡車的位置，得到這個時間軸：

這三個點的間隔，大約是 0.6 秒的倍數，也就是 100 BPM（每拍 0.6 秒）。所以我指定音樂用 100 BPM。

步驟 2：一次生成 3 首，挑節奏最明顯的

ACE-Step 的最短長度是 10 秒，這支影片只有 3.33 秒，所以先生成 16 秒，再截取需要的段落。

生成時用的描述（歌詞欄寫 [Instrumental]，才會是純演奏）：

風格：sunny retro summer road trip, indie pop, jangly clean electric guitar,
warm round bass, light tight drums with handclaps, playful and breezy,
vintage cinematic, bright and optimistic
歌詞：[Instrumental]
速度：100 BPM，4/4
長度：16 秒，一次生成 3 首

步驟 3：用程式找出拍點

這一步我踩了一個坑。

我先用自動節拍偵測，結果它把第 1 首判成 137 BPM，第 2 首沒有找到穩定的節拍。這類帶切分節奏的 indie pop，自動偵測很容易判錯。

後來我改用另一個方法：既然我指定了 100 BPM，就在 100 BPM 附近搜尋最貼合音樂的拍點格線，並比較哪一首的拍點最強。三首都落在 100 BPM 左右，我選拍點最明顯的第 1 首。

步驟 4：用 ffmpeg 對齊並混進影片

我讓音樂的拍點對到車進場的 0.55 秒，再混進影片。畫面不重新編碼，音質轉成 192k 的 AAC，結尾淡出約 0.4 秒：

ffmpeg -i motion-new-v2.mp4 -ss 0.687 -t 3.4 -i bgm.mp3 \
  -map 0:v -map 1:a -c:v copy \
  -af "afade=t=in:d=0.03,afade=t=out:st=2.9:d=0.43" \
  -c:a aac -b:a 192k -shortest -movflags +faststart motion-music.mp4

其中 -ss 0.687 是這首歌的起點，每首歌都不一樣，要自己算。

對拍結果（老實講）

我把成品的聲音抽出來，比對低頻鼓點和動畫時刻：

進場那一拍沒踩到的原因，是這首歌的節奏有切分，那一拍沒有重鼓點。聽起來是「鼓點先起，車接著進場」，不是同一瞬間。

這個檢查只比對低頻鼓點，音樂好不好聽、整體節奏順不順，要你自己聽。我沒有實際上傳 IG 驗證音訊播放。

提示詞：幫你的影片配上音樂並對拍（直接複製）

我有一支 [秒數] 秒的無聲動畫影片：[影片路徑]
請幫我加上音樂，並讓音樂的拍點對齊動畫的關鍵時刻。

【音樂】
- 用本機的 ACE-Step 1.5 生成純演奏背景音樂
  （還沒安裝的話，先告訴我會下載多大、佔多少硬碟，我同意再裝）
- 風格：[例如 陽光復古公路旅行、indie pop、輕快鼓點]
- 長度：至少 16 秒（模型最短 10 秒），一次生成 3 首

【對拍】
- 先用程式量影片裡每個關鍵動作的時間（進場、停住、離場），回報給我
- 根據這些時間決定速度（BPM），並讓音樂拍點對到這些時間
- 自動節拍偵測可能判錯，請用我指定的 BPM 搜尋拍點，並說明你選哪一首、為什麼

【輸出】
- 另存新檔，不要覆蓋原影片；畫面不要重新編碼
- 回報每個關鍵時刻和最近鼓點的差距（毫秒），沒有踩到的要直接說
- 我還沒聽過成品，不要說「聽起來很棒」這類你無法驗證的話

最後一條規則，是本站自己加的，不是 Codex 或 ACE-Step 的功能：成品有沒有踩準、好不好聽，你要自己看過、聽過才算數。

常見問題

Q1：一定要用 Codex 嗎？ 這個案例用 Codex，是因為它在我們的環境裡可以直接生圖，素材和動畫能在同一個任務裡完成。加音樂那一段，我是用 Claude Code 做的，兩個工具不衝突，你也可以全程都交給 Codex。

Q2：我的電腦跑得動 ACE-Step 嗎？ 官方說明支援 Windows、Linux（需要顯卡），以及 Apple Silicon 的 Mac。顯存或記憶體越大，能用的模型越大。我是在 M4 Pro、24GB 的 Mac 上跑，其他機型我沒有測。

Q3：本機生成的音樂可以商用嗎？ ACE-Step 的程式碼是 MIT 授權，允許商用。但專案自己也提醒：要確認生成作品的原創性、標明有 AI 參與。MIT 只管程式碼，生成的歌會不會碰到別人的版權，仍然要你自己判斷。

Q4：為什麼要先量動畫時間點，再選 BPM？ 因為速度決定拍點的間隔。先知道動畫的關鍵時刻，再挑能讓這些時刻剛好落在拍點上的速度，對拍才有機會成功。反過來先選歌，動畫通常要遷就音樂。

Q5：影片這麼短，音樂要怎麼選？ ACE-Step 最短 10 秒。所以先生成 16 秒，再截取需要的幾秒，起點要對準拍點，結尾記得淡出，聽起來才不會被硬切。