AI 视频的卡顿不是播放问题,是生成问题,根源在于每一帧都是"推断"出来的,而不是"捕捉"下来的。
卡顿从哪来
第 N 帧以之前几帧为条件生成。没有物理上的连续性——没有一个在两次曝光之间持续存在的物体。连续性是模型努力满足的统计属性,而它满足得并不完美。
失败时有三种表现:
抖动。 帧间位置跳变——手在第 40 帧在这儿,第 41 帧偏左两厘米。
闪烁。 曝光或颜色逐帧变化,画面在脉动。
扭曲。 几何变形——下颌宽了三帧,眼睛拉长了。
抖动读起来是卡顿。闪烁和扭曲读起来是"AI"。
帧率不是原因
大家以为 24fps 是问题、60fps 能修好。修不好,因为问题是帧间一致性,不是帧数量。
同样十秒里更多帧,意味着更多次推断,也意味着更多漂移的机会。这就是为什么天真的补帧常常让 AI 视频更难看:它平滑了运动轨迹,同时放大了误差。
24fps 是有原因的——它是电影的节奏,轻微的抖动是熟悉的。30fps 对屏幕内容更干净。60fps 是游戏和体育的,对一条十秒礼物片段,它基本只是让漂移更明显。
哪些条件会制造卡顿
快速运动。 身体横穿画面时,单位位移内留给模型维持连贯的时间更少。
遮挡变化。 手从脸前经过,制造一个模型必须"发明着穿过"的不连续。
运动中的复杂纹理。 头发、蕾丝、树叶。每一帧都在改变形状的细节,是模型保不住的细节。
长片段。 漂移累积,所以后半段通常比前半段差。
在生成内部做剪切。 要求模型在生成过程中换镜头,等于要求它解最难的一致性题。
什么能减少它
- 慢一点的动作。 转头,而不是走过一个房间。
- 锁定机位。 不摇不推,背景就没有要维持一致的东西。
- 更简单的服装和背景。 模糊区域更少,要做的决定更少。
- 更短的时长。 十秒是漂移仍然可控的区间。
- 均匀的光。 硬阴影在脸上移动是个一致性陷阱。
在投入感情之前怎么验片
看三遍:
- 正常速度。 它读起来是一个连续的瞬间吗?
- 暂停、逐帧、看脸。 找的是几何在变,而不是运动。
- 看手。 手是所有生成视频里最可靠的破绽。
三关都过,那就是这门技术目前能给到的最好水平。
后期的补救
如果一条片子大体成立、只有一处卡,你可以:
- 把坏段剪掉。 十秒有余量。
- 稍微放慢。 降低播放速度能藏住抖动,代价是更梦幻的观感。
- 切成两镜,用硬切。 硬切是隐藏不连续的正当手段,因为观众预期那里有一个切点。
做不到的是修帧。没有任何重定时能把模型没产出的信息找回来。
卡顿比幻灯片更糟吗?
老实说:有时是的。幻灯片没有抖动,因为它没有运动。会卡的十秒,比一张干净的静帧更活,也更不精致。
这是任何生成式运动的交换,也是为什么"短、静、光好"的场景是正确的默认,而不是野心勃勃的运镜。
常见问题
为什么我的 AI 视频看着一顿一顿的?
帧间不一致——位置、曝光或几何在两次推断之间变了。是生成问题,不是播放问题。
提高帧率能修好吗?
不能,而且常常让漂移更明显,因为同样时长里多了更多次推断。
能在剪辑里抹平吗?
可以剪掉、放慢、或者在坏段处切开。找不回模型没能正确产出的帧。
最能减少卡顿的是什么?
更少的运动、锁定机位、简单的服装和背景、均匀的光、更短的时长。