ChatGPT 3D「小人風」動動圖怎麼做？結合Google Vids，完整提示詞快收藏|數位時代 BusinessNext

隨著OpenAI推出GPT Image 2圖片生成功能，社群平台近期掀起一股「Q版3D小人」旋風，將個人照片轉化為可愛的迷你分身創作，成為近期熱門的新玩法。

本文教你如何透過ChatGPT生成爆紅的Q版3D小人，結合Google Vids的免費影片生成功能，讓靜態圖中的小人物活過來，製作出充滿療癒感的個人動態短片。

Q版3D小人風提示詞

這波紅遍韓國與台灣的創作風格，出自一名韓國網友的提示詞，創作者僅需上傳個人照片，就能生成特徵相同的Q版3D小人，讓這些小分身以各種動作互動，營造出像日常生活中小劇場般的畫面。

提示詞翻譯如下：

基於這張圖片，以照片中的人物為中心，
請生成一張「迷你角色在周圍生動活動的感性合成圖片」。

[核心概念]
「日常中的小分身」
可愛又帶點玩心，同時具有感性的呈現
Instagram 風格＋具有故事感的圖片

[1. 人物處理 - 重要]
原始人物必須去背使用（臉部／姿勢絕對不可更動）
人物放在畫面中心或稍微偏前
加入自然陰影
人物外圍加上細白邊（貼紙感，不要太厚）

[2. 迷你角色生成 - 核心]
生成多個以人物為基礎的「迷你角色」
風格：3D 可愛 SD 角色（可帶 Roblox／像素風）
臉部、髮型、服裝特徵需完整保留

[迷你角色特徵]
尺寸小（手掌大小感）
數量多個（約 3～7 個）

[3. 迷你角色動作 - 重要]
每個角色都必須在動作中
例如：
跳躍玩耍
揮手
模仿人物
坐在物品上
爬到人物肩膀／頭上
呈現彼此對話的感覺
👉 禁止靜止角色

[4. 佈局呈現]
自然配置在書本上／包包上／肩膀／地面／手上等位置
部分在人物前方，部分在後方 → 形成空間感
加入陰影讓其看起來像真實存在

[5. 標題生成 - 核心功能]
分析圖片氛圍
自動生成簡短且感性的「韓文標題」

[標題規則]
2～5 個單詞
不做說明，只傳達感覺
避免過於流行語
語氣自然且具有情感

[範例感覺]
今天的瞬間
就是美好的一天
平凡的一天
屬於我的節奏
沒什麼特別的幸福
記錄這一刻
只是覺得好笑
👉 必須依照圖片氛圍重新生成

[6. 標題配置]
部分文字在人物後方
部分在前方
👉 形成有層次的立體結構
不要太大（保持感性）
柔和字體感

[7. 塗鴉＆貼紙元素]
加入手寫感塗鴉（細筆風）
例如：
箭頭 →
圓圈標註
星星 ✨
愛心 ♡
虛線
👉 約 3～6 個（不要過多）

[8. 輔助文字（選擇）]
小型貼紙文字
例如：
mini me
today
mood
lol
daily

[9. 整體風格]
明亮且溫暖的色調
維持自然色彩
避免過度 CG 感
呈現「真實照片＋可愛合成」的感覺

[10. 禁止事項]
禁止更動臉部
避免角色看起來像分離存在
禁止遊戲 UI 風格
避免過度效果
避免卡片新聞風格

[最終目標]
讓人想收藏的 Instagram 圖片
帶有「我也想試試看」的感覺
可愛又有巧思的呈現

Google Vids免費生成影片，動起來提示詞怎麼寫？

接下來，賦予這些角色的動作指令怎麼寫？《數位時代》以Google Vids免費影片生成功能為例，根據想要的畫面氛圍，請AI協助寫下提示詞的動態描述，內容須給予AI具體的物理方向，例如：

主角動作：給予具體的動態描述，如「小人偶興奮地揮手並跳舞」。
鏡頭運動：使用「Zoom-in」或「環繞拍攝」增加視覺深度。
環境細節：加入「樹葉隨風搖曳」或「光影閃爍」等背景變化。

當提示詞具備這三項細節，再加上指定音樂風格，就能做出專屬的小人動態短影片。

以下為影片提示詞範例：

請幫我把這張照片轉成影片

風格：溫暖療癒、韓系房間、可愛迷你分身風

一位年輕女生坐在木質書桌前，房間擺滿書本與小物，暖色燈光柔和。她手托著臉微笑，周圍出現多個迷你Q版分身在活動。

鏡頭：中近景，平視
景深：淺景深（人物清晰，背景柔化）
光線：暖色柔光，米色與奶油色調
氛圍：夢幻、可愛、放鬆

動作：
- 女生輕輕左右擺動身體
- 頭上的迷你分身跳起揮手
- 桌上小人走動並留下微光粒子
- 肩膀上的小人旋轉揮手
- 女生看向小人微笑

音效：輕柔 lo-fi 音樂 + 環境聲

完成提示詞後，就能使用 Google Vids 製作影片，做法非常直覺，類似將影片剪輯簡化為類似製作簡報（Google Slides）的流程：

Step 1〉

在Google Vids首頁，點選Veo 3.1「AI 自動生成」模式。

Step 2〉

在右側素材庫，輸入以下提示詞（如上方範例），並選取「將圖片變成動畫」功能，再加入製作好的Q版3D小人圖片，點擊生成，AI 會自動根據提示詞安排腳本、素材與配樂。

Step 3〉

Google Vids會生成一支8秒短影片，若滿意成品，就能直接下載成MP4影片或GIF動畫。

Google Vids製作的新影片主要根據提供的照片比例生成，目前主要僅有16:9橫向、9:16直向與1:1正方形三種比例，生成後若出現黑色部分，在手機上直接裁剪影片至想要的大小即可。

筆者也試著將用ChatGPT做出衝破螢幕效果！AI生圖教學：潑墨風插圖、人設分析、穿搭建議一次收文章中的圖片做成動態影片，來看看成果如何！

使用提示詞：

主體：絨毛老鼠娃娃（坐在中間位置，但身體向鏡頭方向前衝）。
動作：老鼠娃娃衝破（burst through）手機螢幕平面。
手機：畫面中央的手機螢幕完全破損。
碎片細節：大量（countless）鋒利、透明的玻璃碎片和電路元件飛向鏡頭（forward momentum）。
娃娃細節：老鼠娃娃的臉部和前半身已穿過螢幕，絨毛質感必須保持真實、柔軟，耳朵和鬍鬚有強烈的動態感。
手機細節：手機外殼（扭曲）在老鼠身後。
光線：強烈的背光（穿過破碎的螢幕）。

使用提示詞：

[人物] 臉部特寫。
頭髮：側邊和頭頂的頭髮有輕微的風動效果，保持自然的質感，不要過度打結。
眼睛：每隔 3-5 秒自然地眨眼一次，眼珠有細微的轉動以跟隨視線。
背景：櫻花樹枝有輕微的搖晃，並且有持續、緩慢的下雪般的花瓣飄落效果。
光線：保持柔和的環境光。

Google Vids 有 AI 影片生成次數限制嗎？

根據 Google 官方說明，Google Vids 的免費額度主要受限於 AI 生成功能的使用次數，而非單純的專案總數。

每月配額： 一般 Google 個人帳戶每月 提供 10 次免費 的 AI 生成額度（包含使用「Help me create」自動產出腳本、素材與配樂）。
影片長度： 免費版導出的影片長度通常限制在 3 分鐘以內，適合製作社群短片或簡單介紹，但不支援長篇內容。

若使用者不消耗 AI 額度，採取「手動剪輯」模式（自行上傳素材、使用內建免版權庫存圖片），目前並無嚴格的影片部數限制，僅受限於個人雲端硬碟 (Google Drive) 的儲存空間。

怎樣才能節省生成預算？

針對預算有限的創作者，建議採取「外部產圖、內部轉影」的策略。

例如，先使用 ChatGPT 生成靜態圖片，再匯入 Google Vids 使用一次生成額度做成動態影片，或優先利用內建的範本進行修改，減少依賴 AI 自動生成功能，避免超過免費次數預算。

延伸閱讀：寫給所有AI的「關於我」說明書，換Claude、ChatGPT不用重新磨合了！好用提示詞快收
 社群爆紅！如何用GPT畫出「超廢」手殘風畫像？完整提示詞一次收

本文不開放轉載

當資料不能離開企業，運算就得靠近：AI 先改寫儲存架構

AI 帶來的第一個變化，不只是運算能力提高，而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊，QNAP 身為資料安全的守護者，長期發展的是地端網路儲存設備（NAS），並擴展至 25GbE、100GbE 高速網路交換器產品線，提供完整的儲存與高速網路基礎架構。威聯通科技（QNAP）總經理劉文義解釋，當資料因合規要求或敏感度不能上雲，就必須留在靠近使用者與應用的地方；運算需求一旦增加，承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資，金融與保險業受到合規與法規限制，部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言，問題並不是雲端好不好用，而是一開始就沒有把核心資料全面上雲的選項。

真正讓更多企業回頭計算的，則是長期成本。劉文義指出，資料上傳雲端可能免費，下載卻會按流量收費；當企業把一年、兩年、三年的費用加總回推，可能會發現，購買一台同等容量的 NAS，還能使用 7-10 年。資料規模愈大、存取愈頻繁，總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載；地端則較適合高頻存取、對延遲敏感，或不能離開企業邊界的資料。企業真正要回答的，是每一類資料與任務應該放在哪裡。

依 QNAP 觀察，客戶過去關心的是需要幾 TB、幾 PB，或備份速度有多快；現在更常問的是，機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起，把公司發展定調在 AI 與高速網路的融合，試圖讓 NAS 從資料保存的位置，進一步成為資料被調用的位置。

當資料量持續擴大，搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例，當照片累積到 10 萬、20 萬張，要找出其中幾張特定畫面，已不可能只靠人工翻找。此時，能理解內容、接受自然語言指令的 AI 工具，會從加分功能逐漸變成必要條件。

從資料治理到地端推論：AI NAS 如何進入企業工作流？

AI NAS 不是「多了 AI 功能的 NAS」，而是 NAS 在企業工作流裡換了位置。
依 QNAP 觀察，目前客戶大致分布在一條導入光譜上。人數最多的一群，仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關，卻決定後續系統能不能找到正確資料、辨識版本，並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成（RAG）知識庫。RAG 並不是重新訓練一個模型，而是在模型回答前，先從企業的 SOP、合約、法規或技術文件中取回相關內容，再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用，協助企業建立私有知識庫；而走在最前面的少數企業，則已經嘗試地端推論與 AI Agent。

模型的選擇權，QNAP 刻意留給客戶。知識庫背後採用哪一個模型，可由企業依需求決定，不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定（MCP）相關能力，讓管理者透過自然語言查詢狀態、調整設定，並讓 NAS 成為 AI Agent 可調用的資料節點。

不過，劉文義沒有把這條路說得太容易。他坦言，目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用，可能需要約 300 到 800 TOPS，甚至 1,000 TOPS，因此多數方案會以 NVIDIA 顯示卡補足算力；一張卡約需新台幣 10 萬至 12 萬元，一張算不完，就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍，並不是大部分中小企業都能接受。」除了硬體，使用者還需要 AI 應用的 Know-how、程式背景與開發資源，這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中，一類是採用含有 iGPU 與專屬 NPU 的處理器平台，以一百多 TOPS 的範圍，可順暢使用 AI 應用程式；另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡，處理更大的運算量。

同時 QNAP 也在軟體端也持續開發，目標是讓 NAS 裡的資料更有效率地被 AI 工具調用，讓資料成為有價值的知識。

從規格走到現場：能源公司如何導入私有 LLM？

本地 AI 實際落地部署會是什麼模樣？劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫，但很快遇到兩個瓶頸：一是員工查詢時明顯出現卡頓；二是專利、技術與合約都高度敏感，高層不願上傳至公有雲，擔心機密資料會有外洩的疑慮。

後來，該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX，搭配顯示卡與全快閃 SSD，在地端部署私有大型語言模型，把數十年來封存的靜態檔案交給 AI 調用，進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間，核心機密也能留在企業內部。

這個案例說明，若任務範圍明確，有些應用不必動用雲端大型模型，地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同，導入前仍需要概念驗證（POC）與技術人員評估。

而且，資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值，是讓資料邊界與控制權回到企業手上；相對地，安全責任也會更直接地回到企業。

哪些企業現在該做，哪些再等？先看重複性與三個條件

能不能導入地端 AI，不只由產業標籤決定，也要看工作是否重複，以及場景能不能被清楚定義。劉文義觀察，第一批走進來的，除了受法規限制的醫療、金融與保險業，也包括利用地端 AI 加速資料處理的科技業，以及會計、律師等有大量重複文書工作的專業服務業，因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有　10　台、20　台機器，每台處理與儲存資料的 Protocol 都不同，需要相對應的儲存裝置；生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料，AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多，或重複性動作越多的產業，越容易透過導入 AI 提高工作效率。」反過來說，較傳統、人力密集，或仍高度依賴人工判斷的製造業，短期內未必能快速導入地端 AI。

依 QNAP 提供的資料，企業也可用「高頻、大量、敏感」三個條件做第一輪判斷：資料是否被頻繁調用？規模是否大到雲端傳輸與長期費用開始變得明顯？內容是否涉及個資、法規、智慧財產或商業機密？三個條件愈集中，地端部署愈值得評估；三者都不成立時，使用雲端 API 往往更簡單，也可能更划算。

可以先等的企業，大致也有三種。第一，資料仍分散、版本混亂、權限不清，急著上 AI 只會把混亂放大，先完成集中與治理，效率就可能先提升。第二，找不到一個具體且反覆發生的業務痛點，只因為「別人都在做」而採購，設備很可能變成昂貴的展示品。第三，使用量仍小、需求偶發，現階段雲端的彈性反而更有優勢。

因此，POC 不應只驗證「模型答不答得出來」，還要回答三個問題：資料由誰負責，誰可以存取？導入後能節省多少查找時間、傳輸成本或人工作業？正式上線後，誰負責資料、模型與資安維運？只有當效益與責任都能被量化，才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房，動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太，其中歐洲占比將近一半，而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證，並滿足 GDPR、HIPAA 等資料保護與法規遵循需求；累積至今，已售出約數百萬台裝置，協助企業打造智慧、安全的儲存方案。

至於普及時間點，劉文義提出一個明確的價格與效能交會點：地端應用若要順暢運作，運算量可能至少要達到 300 至 600 TOPS，甚至 800 TOPS，同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

「AI NAS 不是多了 AI 功能，而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言，地端算力成本高昂，QNAP 透過「算力分級」與開放模型架構，助企業逐步建構私有 RAG 知識庫與 AI 團隊。

圖／數位時代

「預測約兩、三年後，應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點，就會是 AI 落地最蓬勃發展的時候。」在此之前，企業真正能先做的，不是搶著買最大的模型或最昂貴的顯示卡，而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色：原油再多，沒有整理、提煉與配送的過程，也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力，而是誰的資料先準備好被調用。模型會持續更換，但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備，而是在資料必須留在企業內時，讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日（五）舉行，現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控，並安排 Live Demo，適合 IT 管理者、系統整合商與企業決策者參加。

活動地點：新板希爾頓酒店｜如意 AB 廳

活動時間：09:20–16:00

地址：新北市板橋區民權路 88 號 2F

立即報名：https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查，填問券抽好禮，倒數計時：https://www.surveycake.com/s/q4abw

一張照片生7個Q版分身！ChatGPT 3D「小人風」動動圖怎麼做？完整提示詞快收藏