為什麼幾乎所有好萊塢動畫片的口型都與台詞一致？

11-16

這個問題我已經發現很久了，應該是我看1995年拍攝的Toy Story時偶然間靜音了幾秒之後。接下來我只要看動畫片就比較關注這個，然後我翻了一些的老一點動畫片，例如小美人魚，發現那個時代的動畫片也是口型和台詞一致的，也就是說如果讀得懂英文唇語，就能知道台詞了。一開始我也僅僅認為是好萊塢的工匠作風，連動畫片的口型都一絲不苟，但是後來我想，這種做法是不是便於聽覺障礙的人也能順利讀懂動畫片的台詞。然而種作風我看個別歐陸的動畫片也在這麼做，所以我想了解一下這背後的意義，是有什麼法律法規強制執行或是好萊塢制定過行業規章，讓幾乎所有的動畫片廠都一致採用這種做法？還有這種做法是不是應該推廣到中國，畢竟中國是萬年的張嘴閉嘴式啊！

希望知乎日報可以讓作者選擇自己的文字是否開放評論。那樣的話，Magasa先生也會把回答授權給日報吧。

與其說好萊塢在一開始就「選擇」了嚴謹的風格，我更相信是在動畫片發展的初期，那些先驅沒有想過「對不上的口型」也是一種可選的解決方案。

Magasa先生說的Max Fleischer也好，直接啟發沃爾特·迪士尼的Eadweard Muybridge也好，他們在時代的最前面琢磨動畫的時候，還在玩轉描機的時候，腦海里首先是把這種新事物定位成動態照片、早期電影的新形態。動畫片的雛形，也就是把搖籃里的電影進行漫畫化的過程。

當有聲電影興起的時候，因為電影里的角色是對得上口型的，所以早期的動畫師也會默認動畫片里的角色也應該對得上口型。

他們不是放棄了「不對口型」的選擇，而是一開始就不知道這個選項存在過。等到精益求精成了行業標準，想退步都難了。

在中國、日本流行的「不對口型」風格，當然不能用「東方寫意」來文過飾非。「寫意」和「對口型」之間是完全沒有衝突的。

中國的「不對口型」，當然是從日本學來的。但是日本人的動畫片，又是受了中國人的動畫片影響而發展起來的。

真是相愛相殺。

先說激勵了手塚治虫的萬氏兄弟作品《鐵扇公主》。

《鐵扇公主》其實是認真做了口型的，風格和好萊塢動畫片一樣，口型對到了每一個音節。這在唐僧、鐵扇公主等人類角色身上特別明顯。留意看唐僧的嘴唇，你會發現作者連撮口、合口的細節都做得很細心。

但是如果不留意，你不太能意識到這部動畫片是對了口型的，因為，音頻和畫面對不上。

抱著科學嚴謹的態度，我在視頻編輯軟體里把視頻和音頻錯開，用各種方法嘗試左右微調，證明了這片子確實在製作初期就是音頻與畫面口型對不上。

《鐵扇公主》的很多畫面，是實拍了京劇視頻以後，再轉繪而成的。而後期的配音，用的不是實拍京劇時的錄音，所以，是先做好了口型畫面，再叫配音演員去對。考慮到那是1941年的中國，在這樣一部先驅級的動畫片里，配音演員對不上口型實在是很可理解的。

經過二十年的發展後，萬氏兄弟在製作《大鬧天宮》時對這個問題已經做了設計上的改進。這個改進，倒不是去努力對好口型，而是一種打太極般的東方智慧。考慮到時間成本、資金成本和人才能力的制約，在明知不太可能把對口型做到完美的情況下，《大鬧天宮》採取了「關鍵幀對口型」的辦法。

具體操作方法，就是把台詞里口型誇張的部分做出來，把其它部分含糊帶過。比如說，「吃俺老孫一棒」這句台詞：在「俺」字上做又大又圓的口型；在「老」字上收一點；後面的「孫一」二字只是口型小即可，是圓是扁，合口齊齒，都不用計較；然後在「棒」字上再來一個又大又圓的口型。

做過配音的朋友都會明白，這種解決方案多麼巧妙。配音的時候，只要口型的「關鍵幀」對上了，普通觀眾是看不出蹊蹺的。

就像我把「you think you"re better than me」翻譯成「你覺得你比我牛逼」來配音，細拆來看口型根本不對，但是這一串嘴形小的音節里，只要「better」的「be-」和「比」字、「me」和「逼」字的雙唇音對上了（特別是最後一個音節口型一樣），普通觀眾就完全不會產生「口型沒對上」的感覺。

當然，最後《大鬧天宮》的口型還是沒對上，因為後期配音還是很寫意。

這些不太成功的努力啟發了手塚治虫，讓日本人看到了一條新的出路。

原來，口型對不好的動畫片，也可以取得成功。日本人索性把口型扔在一旁，瞬間把製作成本省了一大筆，產業門檻被大幅拉低，日本動畫也跟著新漫畫一起，噌噌地發展起來了。

我看過的一本普及級別的電影書籍里（忘了是哪本，剛剛在書架上翻了半天沒找到，也許是大學時在圖書館看的），花了極大的篇幅來講解對口型的重要性。裡面有很多危言聳聽的話語，大意就是，如果你的片子里口型對不上，你這輩子就別想在電影產業里混出半點名堂。

這書的作者當然是美國人。

關於對口型這個問題，我覺得作者應該去採訪一下徐克……

不管怎樣，作為在動漫領域唯一能與美國抗衡的國家，日本確實在很大程度上仰仗了「不對口型」這架過牆梯。能讓一種缺陷變成一種風格——正是這種制定標準的霸氣，讓我們在觀看《千與千尋》時完全忘記角色的嘴巴與台詞的聲音之間的不和諧，而完全沉入到宮崎駿打造的魔幻與溫情的世界裡。

前幾個電影行業的老師談的只是「對不對」的問題，或者說「態度問題」。當然如果問題已經上到了好萊塢，那就必須要涉及「能力問題」了。難的並不是口型同步（lips-sync），而是如何做到口型與動畫角色的表演結合起來。因此，也並不只是「工業技術」上的差別，而更重要的是「人」的差別。

先談下態度問題。只要做到口型造型是對的，了解發音規律，知道畫面要比聲音早點出，那基本就能對的七七八八，也有不少現成能通過分析音頻直接輸出口型的軟體或插件。但是就這，國內好多做不到，因為就算這樣也是個非常磨耳朵的體力活。國外代工照著口型表對，國內則因能省則省了，有這點錢干點啥不比口型同步出效果呀？沒有需求就沒有要求，做了好多年動畫不會對口型的也可多呢。只是做到這個程度的話，其實對於普通觀眾了來說和一開一合併沒有什麼太大差別，甚至也不一定感受的到。

總之，只是把動畫的嘴型 K 上音，雖然不能算難，但是費時費力費錢，效果也不出眾。

所以，這是不夠的，因為……

嗯。

繼續把威廉姆斯老爺的話引用完：

「……我們所說的每一個輔音和原因都沒有標準化的口型。每個人的發音方式都不一樣。我們的嘴形不一樣，從而會以不同的方式使用我們的嘴巴。每個人的字母和原因發音都沒有一個固定的模式。……在實際生活中許多發音部位是相互矛盾、帶有個人風格的。」

相信即使不做動畫的各位，也能理解上面這段話的意思。舉一個例子：

（上層貴婦從來不張嘴，對比民工就不同了）。

好吧，如果僅僅是因為角色特性讓人們有不同的發音方式，那我們多做幾套口型出來不就好了？咱這還沒上表演問題呢。

上升到表演層面，就更複雜多了。嘴本來就是表情的主要組成部分，一動起來帶動周圍肌肉，那就是一張臉的事。

同樣在說「ouch」，下面一排因為運動臉部的肌肉活動的更明顯，從而要比上面一排傳遞了更強大的情緒。這兩者並不好壞之分，只有使用情景不同。表意即可，也不過多舉例了。

因為，還沒完。
說到這裡會有一定擴大化這個問題，與聲音的配合，有其是在對話中強調重音，是整個身體都需要去配合的一件事。這裡我想用更符合知乎社群的一個例子來說明：

（圖片來自網路）

喬布斯素以擅長演講而著稱。如果看他演講的時候會注意到，喬布斯保持這個姿勢並雙手同步上下的加強自己說話重音的頻率相當高。即便你自己在說話的時候，也不會講肢體動作割裂到「說話」這個過程之外。動畫的表演在這裡無異於真人，反而會因為更加精鍊和誇張顯得更明顯一些。因此在對口型的過程中，還要考慮到現有的配音中，配音演員可能的動作和情緒是什麼樣的（這也是我覺得很有意思的一個過程），來適當的修正身體的整體動作與之配合。

說到底，這是重視「語言表演」在整個動畫表演中的結果，而且如果能真的讓觀眾感受到嘴型和聲音的同步，所需要做出的努力和能力上的要求都非常之高。「口型對的不好」是可以歸類到「表演做的不好」下面的，後者就無需多言了吧。
---
update 1: 拿轉描（rotoscoping）和動態捕捉（mo-cap）作為解答並不全面。因為類似迪士尼或者夢工廠的院線動畫（還有其他很多很多）都不是動捕做的。這並不能解釋為什麼好萊塢口型對的上的原因。

---
未註明的截圖都出自《原動畫基礎教程DVD版》，如有版權問題請告之。順帶一提，如果這是一個簡單的活的話，這套16節課的經典教程就不會有2節課都是在講這件事的了。

配音實際是有先後的有先配音然後動畫師對著音頻K動畫口型變化是有它本身的規律可循的後配音就是根據導演要求作出符合該鏡頭情緒的口型節奏也有的是先做預配音再K口型然後由真正的配音演員照著動畫的節奏進行配音至於達到題主的要求三維的話對於人體結構模型綁定動畫都需要比較高的造詣

歐美動畫角色是比較誇張的口型變化會很大比較顯眼國產動畫要弱不少但其實口型的變化是有的但要達到歐美的要求國內動畫公司若是做原創的話根本養不起動畫師追光例外

題主可能關注重點在二維我是從三維闡述的但是配音流程大致是這樣的
-------------------------------------------------分割線
補充內容現在也有省事的法子還是三維直接用音頻生成口型當然還得進一步再處理

最早的時候，口型是要人工校準的，這是個複雜的過程，而國外片引入中國之後，翻譯的過程並不是簡單地將語言翻譯為中文，最重要的是要保證口型一致。所以這中間就有一個專門的步驟叫做數口型，翻譯也會根據口型來調整譯文的長短、用詞，再用「播音腔」配音，所以我們看80年代、90年代國外翻譯的電影時，總感覺有時候很拗口，很「裝「。

現在，從技術上已經能比較好得解決這個問題：

1、先行配音

迪士尼的動畫片全是先配音的，配音的時候只有人物模型，然後配音演員先進行配音表演，結束之後，繪畫導演結合配音導演進行動畫製作。

而請資深明星來擔任動畫片的配音演員，並不只是為了其名聲，而更多是因為對配音演員能力的要求。為動畫片配音並不只是開口說話這麼簡單的事，很多時候比真正出演一部電影更加具有挑戰性。正如美國著名詩人瑪婭-安傑洛曾說過的一樣，「文字不應只是紙張上的墨跡，需要人類的聲音為它注入靈魂。」

2、音素

什麼是音素：音素是構成音節的最小單位或最小的語音片段，是從音質的角度劃分出來的最小的線性的語音單位（來自百度百科）。

簡單的一個例子，一些英文單詞的音素

音素分解已經可以由計算機實時準確解決。

A wave form of me saying "Hello and welcome!"

3、個性化人物建模

現在的動漫很少再有2D手繪的，基本上都是3D建模場景渲染加上補幀動畫，這樣呈現出一個更流暢更真實的卡通片，下面就是一個人臉的3D模型。

建模的過程中可以針對主要音素進行口型設置，就是將3D模型進行適當變形：

圖片來源：www.pinterest.com

而這個建模的過程中要考慮人物性格、背景等信息，上面的答案也提到，一個貴婦和一個民工在說同樣的話的時候，口型肯定是不同的，個性化設計出人物的口型才能讓「對口型」更自然，更符合人物。

3、同步聲音與動畫的口型

有了配音演員的聲音之後，在播放聲音過程中，就可以實時解析出其中的音素，繼而從素材庫中查找音素對應的口型，就可以使動畫人物做出與聲音相應的口型。

4、多國語言

有了這樣的技術之後，即使翻譯為其他語言，只要將其基本因素的模型添加到基本素材庫，人物的口型也可以隨語言自如得轉換，而不需要再進行繁雜得重繪。這也是很多電影再切換音軌之後口型還能顯的原因。

5、遊戲

實際上，現在的大型遊戲對面部細節的刻畫也包括了對口型，這採用的是相同的技術，JIM ADAMS的《Advanced Animation With Directx》一書中詳細描述。

There are some excellent answers here, but I will add my opinion, as a voice actor:

The first and oldest rule in American animation is to record the voice first, then create character body/facial movements from the voice recording. That"s why voice actors are so important to American cartoons and other productions, because they are not "just" voices, they actually help define and create the character in the finished production.

Also, I agree with other writers on Zhihu who pointed out the Japanese cartoon style of "no moving mouth" as one of the reasons Asian cartoons don"t usually have tight lip-sync.

已經有很多很好的回答了，不過我會加上我作為一個配音員的觀點：

在美國動畫片，第一也是最老的規定是先錄配音，然後創造角色身體面部表情以及動作來配合配音。這就是為什麼配音員在美國動畫里還有其他製作中有舉足輕重的位置，因為他們是不"只「是聲音，他們切切實實在最終製作中幫助角色定位和創造。

當然，我也同意其他在知乎上大家給的答案，指出日本動畫中「不動嘴」的風格是亞洲動畫不常有台詞一口型一致的原因。

好萊塢動畫片的確注意口型和台詞的匹配，僅僅因為人家覺得這樣做是對的，並沒有方便聽障人士的考慮。

這種做法起源於什麼時候呢？1920年代中期，動畫片的先驅Max Fleischer已經在注意口型匹配了，那時候有聲電影才剛剛發明。因為人家很早就意識到，必須每一個環節都天衣無縫，才能讓觀眾更好地入戲。

在不同的技術階段，人們也有不同的手段來做這件事，算不上特別難。

這就是工業的傳統，因為是對的，就去做。

國產動畫片在這個細節上是做得不好（過去是這樣，近年的動畫片我看得很少，不清楚是否有進步），但做得不好的環節又何止這一個。

不邀自來，國產三維動畫電影其實也是這樣要求的，作為一個曾經的三維角色動畫師當初k動畫的時候都是對著鏡子里自己口型去k角色的嘴型的。但是大家要知道有一個角色叫投資方，往往我們做好的口型會在臨上映時被投資方換成某些明星的配音……這個時候那還有時間去重新製作……

MorphZh 老師說的是對的，其實是作業流程的差異，和態度沒有半點關係。

進一步說，流程的差異只是表明現象，真正的差異只有一個——你給多少預算？錢少了就別廢話了。

你以為日本人不知道對口型必須先錄音再畫圖嗎？對口型的日本動畫多了去了，最典型的就是《AKIRA》，至少在畫面上秒殺宮崎駿10個來回沒有問題，當然，比畫面更好看的是預算，完全的迪斯尼配置，所以這也是第一個在美國火爆的日本動畫。大作這樣搞當然沒問題，普通劇場版和TV動畫哪有那個美國時間和預算啊？（誒，還真是美國時間）

日本聲優為什麼要參照LAYOUT和分鏡配音？因為每集的製作時間只勉強夠製作組把圖畫完，既不可能先錄音再畫畫，也不可能先畫畫再錄音，兩邊只能同步進行。日本動畫的製作時間緊張到什麼程度？這一集動畫片頭已經在電視上播了，下半集還沒做好！！

再說預算，一個月工作400小時就給開那麼點錢，你還讓人家對口型會不會有點太過分了？是，日本動畫人當然知道動畫應該對口型，但是在那之前，更重要的是先把人的鼻子畫在眼睛下面！！

這張……可能不是崩壞吧，只是中間幀的節操稍微掉了點。

因為沒畫完就上映，用兩張靜止圖代替了15秒的動畫，被全日本觀眾吊打的進擊的巨人第13集。

我補充一點，這也是由文化差異引起的。
比方說笑這個動作，歐美人會張開嘴笑，你看這些歐美字元表情，:-) ,:-P ,對眼睛沒有更多的刻畫，重點在下面的嘴。
而東方人，喜歡用眼睛做出表情， /@～@/ ┐（─__─）┌，將嘴的動作最小化。

所以西方人非常在意嘴巴的動作，而日本人會把眼睛畫的很大

諸位忽略了最本質一點，實際上口型得以匹配是由歐美等地動畫製作流程（與亞洲動畫的）差異而決定的。

先說我們普遍想當然認為的動畫製作流程：前期策劃、劇本、分鏡、設計稿 =》原動畫及場景製作 =》鏡頭合成 =》全片剪輯 =》配音+混音 =》影片終混

以上代表大部分中國、日本及世界其他國家TV動畫製作思路。

接下來談談歐美院線動畫製作思路：前期策劃、劇本、分鏡、設計稿 =》角色演員錄音 =》原動畫及場景製作 =》鏡頭合成 =》全片剪輯 =》影片終混

所以拋開一切所謂的完美主義精益求精愛的追求不說，歐美院線動畫之所以得以做到口型匹配的最最關鍵原因是他們把演員錄音放在前期的，在原動畫製作之前。這樣才給他們創造了唯一可以精準對照口型的條件，才可以用動畫創造精準的口型（不然試想哪個天才可以做到百分之百看著動畫人物口型念好台詞）。所以諸位腦補時要注意，國產動畫配音一般是看著成片的人物來說的，而美國產的，最多也就個台詞本吧。

想看例子的繼續（不好意思因為懶所有視覺參照只能各位自行腦補）：

1，法國電影資料館蒂姆波頓年展，《殭屍新娘》展區，曾展出每一個小人不同的替換頭部，導演就專門為26個英文字母分別之作了不同口型的頭顱，以方便在對照角色錄音的基礎上針對每一幀替換腦袋（不然做這麼多幹嘛）。這個應該在相關電影的之作特輯里應該也能找到。

2，迪斯尼或皮克斯隨便哪部影院動畫，看製作特輯，經常會看到以故事版或設計稿草稿剪輯成的動畫，以便掌握節奏，那些動畫里基本全有配音，不用多說了。

在美國上大學時，某一個作業就是對口型，老師讓我們把自己說的時候的嘴型錄下來，一個發音，一個發音的畫，製作的時候還要注意時機。

從動畫師的基礎教育開始，他們就提醒你要對好口型。雖然有做得好和做不好之分，但是像上面一個高票答案說的，美國人壓根不考慮對不上嘴型的情況。

大聖歸來嘴型是對的，但是覺得有點彆扭

作為一名前動畫從業者出來冒個泡
首先歐美動畫的製作確實非常精細他們的動畫工業標準里就有口型符合台詞這一項所以一部動畫要想達標必須對準口型才可以
其次英文的發音及口型其實是有規律可循的也就是說只要畫出幾種基本口型在對應上相應的音節就行了說白了就是你看到的口型不一定是在說這個音節但是因為是基本口型所以會給你一種他在說這個音節的錯覺
反觀中國一個是因為動畫業發展的並不是很好飯都吃不飽誰還管你口型第二個是因為中文的發音相較於英文更複雜對口型的難度比較高所以就更沒人願意弄了不過最近的一些片子倒是改善了很多呢

作風問題。
一般日本TV動畫要求沒那麼高，對一下長音口型，以及停頓口型就妥妥了，其它都用隨機口開合來糊弄過去。真要對的話，需要先配音，原畫再根據聲音進行一定修改，進度都趕不上了有木有。但美國人是真真一個音節一個音節去對口型的。不光是迪斯尼，就連個人製作的視頻都要對口型對得准準的。舉個例子，可以看一下這個和原片對比一下。【惡搞英配】遊戲王劇場版。惡搞版口型對得比原片准多了，明顯是截了口型的圖片再一點點往上改的。反正錢多人多就怎麼玩都行。

其實每個動畫屍的桌面除了兩個顯示器，成堆的台本，還有一面鏡子。

你們知道鏡子是幹嘛的嘛，不是擼頭髮擦麵粉的。

是自己做表情和口型給自己參考的。

不同於英文發音，中文的發音很難定標準，有時候甚至於要借鑒英文的發音。這是為啥呢？你們發沒發現過一個問題，中國人說話嘴唇的動作並沒有那麼明顯，口型就更少，更不明顯，同理還有日語，上下嘴皮子碰一碰一段話就沒了。

好多人問啊呀國外的啥啥啥怎麼辣么高端的時候不踩一下中國製造簡直就是渾身上下爬滿蟲子一樣不舒服到底是怎麼回事。

起碼我們當初學的時候是要學口型的，而且後面做的時候也是有要求的。

沒見到不能說沒有。起碼拿等量級的作品來對比。迪士尼和喜羊羊比，為什麼不去拿寶蓮燈和國外那些做的粗糙的兒童動畫比？

美國人做活兒細緻。

因為是先配音啊！！！！

進口的美國動畫片在國語配音完成後，還要拿回去改口型才上映。這是認真做動畫的態度

談一下個人的見解吧，有錯誤還是希望大家指出來。
大部分的美式動畫，都是先在動態分鏡的時候配音再進行下一步的，然後就對上口型了。現在的日本動畫也有這樣做的，不過也有一部分美式動畫會有單純的開口閉口。主要的問題就是成本方面，你願意在哪個方面投入精力。
在做動畫的時候，我知道的一些人往往美式動畫叫做卡通（cartoon），而將日式的叫做Animetion（動漫），兩者在表演上有著本質的區別

在下在美式的表演方面更加了解一些，美式的體塊，加上動畫表演的核心：鐘擺、小球。所涵蓋的表演宗旨就在節奏和擠壓變形中完成，面部也是表演的部分，各種誇張，拉伸，擠壓，結構的理解，造就了美式動畫的靈。為了這個靈，美式在人物設定上並不會最求日式的那種唯美。而反過來，日式的這個造型就是目前沒有誇張的嘴部表演的原因。

其實早期的日式比美式還要真實和細緻，但是作為量產的產物這個樣子行不通，在簡化人物的形象的同時，雙方漸漸的有了自己的表演方式。形成了不同的節省方法。

所以目前來說，其實都有嘴部表演，也都可以對口型，就是你做的這個風格的問題，是大是小，明不明顯罷了。至於中國的動畫嘛，這不是沒有對口型的......不過要想像美式那樣，第一就是風格的變化，然後就是額，我畢業都不想做動畫，飯都吃不起，更不要說生活了，我要是動畫大師我就出國，國內的環境就是覺得你設計就像是免費的一樣。傷心

《Frozen》就是先配音後做嘴部動畫的，為了看著更貼實。