《Grow Up Show ~向日葵馬戲團~》動畫線上看

Grow Up Show: Sunflower Circus

2026年9月9日 更新 BINGE WATCH
《Grow Up Show ~向日葵馬戲團~》動畫線上看 (2026)
英文劇名 Grow Up Show: Sunflower Circus
地區 日本
類型 動畫
題材 原創 馬戲團 青春 Lily
導演 龜井幹太
編劇 菊池武
演員 野田朋花、黒崎しおり、小山内怜央
集數 13 (每集 24 分鐘)
首播日期 2026-07-04
製作公司 A-1 Pictures


《Grow Up Show ~向日葵馬戲團~》是一部將昭和時代的復古風情與少女成長結合的原創動畫。

故事聚焦於在馬戲團仍是主流娛樂的時代,一群追逐夢想的少女如何在資金短缺的「向日葵馬戲團」中,透過汗水與淚水打造出獨一無二的表演,並挑戰世界頂尖的馬戲盛典,將「成長」與「光芒」定義為作品的核心精神。

如果你喜愛充滿時代感的懷舊氛圍,或者對少女們共同努力、突破自我的熱血成長故事有共鳴,這部作品將會帶給你溫暖且療癒的體驗。

觀看後你將感受到一種在平凡生活中尋找非凡光芒的勇氣,以及馬戲團表演所帶來的視覺震撼與情感共鳴。


故事背景設定在昭和 30 年代(1950-60 年代)經濟高度成長期的日本。那是一個馬戲團深深融入日常生活的時代,全國各地的團體為了爭奪世界級盛典「Circus Collection」的出場資格而展開激烈競爭。在這樣的背景下,由團長麻利亞率領的「向日葵馬戲團」雖然常年資金短缺,卻依然堅持對表演的純粹追求。

故事的主線圍繞在天才少女鶴卷瑞佳身上。她雖然擁有馬戲團之女的傳說身分,但內心卻對馬戲團抱持厭惡之情。然而,在命運的牽引下,她加入了身處苦戰的向日葵馬戲團,並與川澄櫻翔等夥伴共同面對困難。在追逐夢想的過程中,瑞佳必須克服內心的矛盾,將對馬戲團的排斥轉化為創造奇蹟的動力。

整體敘事基調溫馨且具備熱血感,節奏在日常的歡笑與面對挑戰的緊張感之間切換。視覺風格由 A-1 Pictures 與 Psyde Kick Studio 打造,強調色彩的明亮感與馬戲團表演的動態美學,透過對昭和時代街道與舞台的細緻刻畫,為觀眾構建出一個既遙遠又親切的夢幻世界。


野田朋花 飾 鶴卷瑞佳

被稱為「馬戲團之女」的天才少女,儘管討厭馬戲團,卻因某種原因加入身陷困境的向日葵馬戲團,是故事的核心成長角色。

黒崎しおり 飾 川澄櫻翔

向日葵馬戲團的成員,與瑞佳共同在馬戲團中追尋夢想,在彼此的影響下共同成長的夥伴。

小山内怜央 飾 吾野伊萬里

馬戲團成員之一,在追求世界級盛典「Circus Collection」出場資格的過程中,展現對表演的熱情與堅持。


Bangumi
7.2 / 10
619 則評論
Anizukan
6.8 / 10
4,992 則評論

精準還原昭和 30 年代馬戲團文化,營造出獨特的時代懷舊感

劇集將時代背景設定在馬戲團作為主流娛樂的頂峰時期,透過對 l 街道景觀、時代服飾以及馬戲團巡演模式的細膩描繪,將觀眾帶回那個充滿活力且對未來充滿期待的日本經濟成長期。

這種設定不僅增加了故事的厚度,更讓「馬戲團」這一媒介承載了時代的精神象徵,使角色在追逐夢想的過程呈現出一種古典而純粹的浪漫主義色彩。

由《不起眼女主角培育法》原班人馬打造,視覺風格極具精緻度

由導演龜井幹太與人物原案深崎暮人聯手,將其擅長的精緻人設與充滿靈動感的畫面表現引入本作。特別是在馬戲團表演場景中,運用了極高水準的動態分鏡與光影處理,將表演的華麗感推向極致。

這種高品質的視覺呈現,使得馬戲團的「秀」不僅僅是劇情的推進工具,而是一種獨立的視覺藝術,讓觀眾在享受故事的同時,也能體驗到極具衝擊力的美學快感。

探討「討厭之物」與「天賦」的衝突,深化角色內在的成長深度

主角瑞佳身為馬戲團之女卻討厭馬戲團的設定,創造了強烈的心理衝突。故事並非簡單地讓角色接受命運,而是透過與夥伴的互動,讓瑞佳在否定中重新發現馬戲團的魅力,將「克服自我」作為成長的核心。

這種設計讓作品超越了單純的熱血番,使其具備了對自我認同與家族羈絆的深度探討,讓觀眾在見證少女們成長的同時,也能對自己的天賦與熱情產生深層的思考。


目前在 Bangumi 與 Anizukan 平台分別獲得 7.16 與 6.8 的評分,顯示整體評價穩定,被視為一部品質紮實的青春成長作品。

✅ 好評

不少觀眾對其精美的作畫與昭和時代的氛圍營造給予高度評價,認為 A-1 Pictures 的製作水準極高。此外,關於少女們追求夢想的情節被認為非常療癒且具有正向能量,深受 Lily 類型愛好者喜愛。

💬 評論

部分評論指出劇情節奏在某些段落較為平緩,對於追求劇烈衝突的觀眾來說可能顯得過於溫馨。另有觀眾認為部分角色在初期的刻畫較為單一,需要更多集數來鋪陳其深度。