Lottie 開始變成 AI 動畫的原生語言：一篇關於 token、格式與工作流的 brain-log

最近看到 LottieGPT 和 diffusionstudio/lottie 放在一起時，我腦中浮出一個比「AI 可以幫你做動畫」更重要的問題：

AI 是不是終於開始把 Lottie 當成原生媒介，而不只是最後輸出的檔案格式？

這篇不是論文摘要，也不是工具教學，而是一篇 brain-log。我要記下的是一個正在成形的方向：向量動畫可能會像 HTML、SVG、JSON schema 一樣，成為生成式模型可直接思考、可直接編輯、可直接進工作流的中介語言。

為什麼是 Lottie，而不是先生成影片再轉檔？

如果目標只是「看起來會動」，影片生成已經很強了；但如果目標是產品介面、品牌動效、教學動畫、空狀態插畫、App onboarding，那影片其實常常不是最好格式。

Lottie 的價值很實際：

1. 它是 JSON，天然可程式化、可 diff、可版本控管。
2. 它是向量動畫，解析度獨立，適合多裝置與多尺寸。
3. 它保留圖層、形狀、transform、關鍵影格等語意，後續可以再編輯。
4. 它比影片更接近產品設計與前端工程之間的共同語言。

LottieFiles 文件把 Lottie JSON 定義為描述向量圖形與時間運動的原始格式，也明確指出它支援形狀、文字、遮罩、預合成與表達式等能力；這代表它不是「播放素材」，而是一種結構化動畫描述。Lottie JSON docs

LottieGPT 真正重要的不是模型名稱，而是 tokenizer

LottieGPT 的核心主張很清楚：現有生成模型大多在 raster space 工作，所以雖然可以生成影片，卻無法原生產生向量動畫。作者因此把焦點放在兩件事上：

1. 為 Lottie 設計專用 tokenizer。
2. 建立可大規模訓練的資料集。

這件事的關鍵不只是壓縮 sequence length，而是把動畫結構重新翻譯成模型比較能學的 token 序列。論文摘要提到，這個 tokenizer 會編碼圖層式幾何 primitive、transform 與 keyframe motion，讓模型學的是「有語意的動畫結構」，不是單純逐字預測 JSON 字元。

這讓我想到一個更大的轉向：未來很多生成任務的競爭點，可能不是 model size，而是 你如何把複雜媒介表示成模型真正能學的語法。

同樣的想法其實也出現在 2026 年另一篇 OmniLottie。它同樣指出 raw Lottie JSON 夾雜大量 invariant metadata 與 formatting token，不利於學習，因此另外設計 parameterized Lottie tokens。兩篇論文方向不同，但都在證明同一件事：

問題不是 LLM 不會生成動畫，而是原始 Lottie JSON 並不是適合直接學習的語言。

這條研究線也不是憑空冒出來的

如果把時間往前拉，這條路其實延續自向量圖形生成。

• DeepSVG 在 2020 年處理的是複雜 SVG icon 的表示學習與生成。
• HiVG 在 2026 年更直接指出：byte-level tokenization 會打碎幾何與數值關係，造成長序列與座標幻覺問題。

所以 LottieGPT 值得注意，不只是因為它是「第一個 Lottie 動畫生成框架」，而是它把 SVG 世界已經累積的經驗，推進到「帶時間維度的向量動畫」。

換句話說，這不是單點突破，而是研究社群開始把 structured visual program generation 從靜態圖形延伸到動態圖形。

diffusionstudio/lottie 讓研究離產品更近了一步

如果 LottieGPT 代表研究側在解「模型怎麼學會生成 Lottie」，那 diffusionstudio/lottie 代表的就是另一個問題：生成完之後，怎麼把它接進日常工作流？

這個 repo 的 README 寫得很直接：它是一個 full-screen Lottie player，加上一個 React + TypeScript 的控制介面，目標是讓 agent 生成 public/lottie.json 並即時 hot-reload 播放。這個設計非常重要，因為它把 feedback loop 壓短了：

1. 用文字描述動畫。
2. 讓 agent 產生 Lottie JSON。
3. 立刻播放、觀察、修正。
4. 再讓 agent 改寫 JSON。

這跟傳統 motion workflow 的差別很大。過去我們常常在「設計工具輸出」與「工程端整合」之間往返；現在如果 Lottie 本身就能被 agent 直接寫、直接驗、直接播，那整個工作流就從 asset handoff 變成 iterative authoring。

我認為這類工具的真正價值，不是展示 AI 會做動畫，而是讓「動畫」開始像 code 一樣可迭代。

這件事對設計師與前端工程師真正意味著什麼？

我目前的判斷有三個層次。

第一，Lottie 會從交換格式，變成生成格式。
以前 Lottie 比較像 After Effects 輸出的結果；現在它正在變成 prompt 的直接目標。

第二，motion design 的工作單位會改變。
以後不一定先畫完整時間軸再輸出，而可能先描述意圖、節奏、形狀語法，再讓模型補齊中間表示。

第三，前端工程端會變得更早介入。
因為輸出不是影片，而是可執行、可修改、可驗證的 JSON，所以工程師可以更早定義限制，例如檔案大小、層級複雜度、是否允許 image asset、是否要轉成 dotLottie。

這也呼應了官方 Lottie 規格社群正在做的事。lottie/lottie-spec 的定位不是播放器套件，而是把格式結構與語意定義清楚。當格式越標準化，模型生成越有可能走向穩定的產業工作流，而不是一次性的 demo。lottie/lottie-spec

我現在最感興趣的，不是「能不能生成」，而是「能不能管」

從研究 demo 走到產品現場，中間還有很多現實問題：

1. 如何約束 token 生成，避免產出 technically valid 但難維護的動畫。
2. 如何建立 lint、preview、repair、compression 的自動化流程。
3. 如何把品牌語言、元件語言、動畫節奏轉成可重複使用的 motion grammar。
4. 如何在 Lottie JSON 與 dotLottie、state machine、theme token 之間建立更高階抽象。

這些問題一旦被解決，AI 生成動畫的價值就不只是「幫你做一個 loading」，而是能進入設計系統、產品 UI 與品牌動效的日常生產鏈。

我的暫時結論

LottieGPT 讓我看到的是：向量動畫生成的研究基礎設施正在成形。
diffusionstudio/lottie 讓我看到的是：這個能力已經開始被包成可操作的作者工作台。

兩者放在一起看，比較像是一個訊號：

下一波值得關注的，不只是更會畫畫的模型，而是更會產生 可編輯、可驗證、可部署的結構化媒介 的模型。

而在這個脈絡下，Lottie 不再只是動畫檔格式，它正在變成 AI 與產品工作流之間的一種中間語言。

參考來源

• LottieGPT: Tokenizing Vector Animation for Autoregressive Generation
• LottieGPT Project Page
• diffusionstudio/lottie
• OmniLottie: Generating Vector Animations via Parameterized Lottie Tokens
• Hierarchical SVG Tokenization: Learning Compact Visual Programs for Scalable Vector Graphics Modeling
• DeepSVG: A Hierarchical Generative Network for Vector Graphics Animation
• Lottie JSON Documentation
• lottie/lottie-spec