一支"用代码写出来"的MV,把运动模糊玩到了变态级别:快镜头糊得刚刚好,慢镜头一分钱不多花
一支"用代码写出来"的MV,把运动模糊玩到了变态级别:快镜头糊得刚刚好,慢镜头一分钱不多花
最近技术圈有支音乐MV挺出圈:它没请摄影团队,也没用 Sora、可灵这类 AI 视频模型,整支 4K 片子是程序员用代码"算"出来的,还登上了 GitHub 日榜。
更离谱的是里面的一个细节——影片里那些甩镜、急推、字幕砸脸的镜头,居然不是靠后期软件加模糊特效,而是渲染时自动判断"这镜头有多快",然后决定一帧画面要拆成 4 份、36 份,还是 324 份去算。
这个项目叫 pdoom-video,今天不聊代码,就聊它最值得普通人知道的那件事:为什么同样是运动模糊,有的片子糊得像打了马赛克,有的却像电影。
一、先说人话:运动模糊到底是个啥?
你拿手机拍一辆飞驰的车,照片里车身是虚的——这不是手机坏了,而是快门打开的那一小段时间里,车一直在动,于是它在画面上"拖"出了一条影子。
视频也一样。一帧画面只代表 1/60 秒,但真实世界里这 1/60 秒是连续流动的。
所以电影里高速掠过的东西,永远是顺滑的一条虚影;而很多游戏、动画里,快速移动的字会变成两三个、四五个"分身"叠在一起,像 PPT 卡帧——这就是"糊得不够多"。
pdoom-video 的解法很朴素也很暴力:既然一帧里东西在动,那我就在这 1/60 秒里连拍很多张,再叠成一张。
一张叫"帧",里面拆出来的很多张,就叫"子帧"。子帧越多,速度再快也能糊成一条连续的丝带。

二、真正牛的地方:它知道"什么时候该省,什么时候该狠"
如果每帧都老老实实算 324 张,效果当然好,但电脑会当场去世。
这个项目的聪明之处在于:每一帧都自己评估"还要不要再加",够了立刻收手。
- 画面基本静止,比如大段文字停留:12 张就够了
- 普通镜头推拉、缓慢移动:36 张
- 甩镜、急推、字体砸向镜头这种"飞起来"的镜头:直接上 108 甚至 324 张
听上去像玄学,其实判断方法特别接地气:让新老两批画面互相"对答案"。
它先把 4 张平均出来当底稿,再往里插一批新拍的,两批各自平均一下,然后逐块比对——如果某个小方块里的亮度差超过 3 级(画面一共 255 级),说明这里还有"分身",没糊透,继续加;差值小到肉眼看不出,就停。
这套逻辑很像老师批作业:新答案和老答案对不上,说明你还没真学会;两批答案几乎一字不差,那就过关。
更妙的是它敢"提前收工"的底气:每加一轮,误差大约只剩上一轮的三分之一,所以它能估算"剩下的误差大概只有刚才变化量的一半"——一算低于肉眼门槛,立刻结束,一秒都不多花。
而且它加子帧的方式也讲究:4 张排好队,下一轮在每两个人中间塞两个,再下一轮继续插。每一次扩充,队形依然是均匀铺满整个快门窗口的。
这样做的好处是:比较的是"糊得够不够细腻",而不是"两批照片拍的时间点不一样"。不然镜头一转,任何一点位移都会被误判成"还没糊干净",越算越多,白白烧显卡。

三、"又快又真"的另一个秘密:快门只开五分之一
项目默认把快门开合时间设成只占一帧的五分之一。
打个比方:曝光窗口就像一扇快速开合的门,门开得越久,进来的光影拖得越长,画面越"飘";门开得短,动作就越干脆利落。
这个比值,正是电影摄影里常说的"电影感"来源之一。配上自适应子帧,结果就是:
慢的地方干净,快的地方带劲,而且那个"劲"是连续的丝,不是一串残影。
还有一个很能说明工程素养的小插曲:片中某个怪物镜头用了半分辨率渲染,边缘总有细碎噪点在闪。自适应采样会被这点噪点"骗",一路追到 324 张也停不下来。
作者的处理是——给这个镜头单独设了上限 108 张,理由是:在 4K 原尺寸下,108 张和 324 张根本看不出区别,何必多烧三倍时间。
这种"我知道哪里该较真、哪里可以放过"的判断,比堆参数难多了。
四、为什么非要"确定性"?这词听着吓人,其实很实在
这支片子有个硬规矩:画面里的一切,只能是"歌曲放到第几秒"这一个数字决定的结果。
不能用随机数,不能读系统时间,不能"上次画到哪了这次接着画"。
为什么这么较劲?因为子帧是乱序算、数量还每帧都不一样的。如果画面会记状态、会抖随机数,那同一秒渲染两次结果就不同——你在浏览器里看着好好的预览,导出成 4K 后可能完全变样。
换成人话:它把视频变成了乐谱。 谱子写的是"第 30 秒该出现什么",所以谁弹、弹几遍、用钢琴还是电子琴,出来的音符位置都一样。
带来的好处很实在:
- 网页里实时预览的画面,和最后导出的 4K 成片,逐像素一致,不用"导出后祈祷别翻车"
- 视频工程能像文档一样做版本管理,改一行、看差异、回退,全都有据可查
- 想只渲某 5 秒的片段调效果?随时切,不用从头再来
代价也很真实:整首歌 4K 在 M5 Pro 上要渲约 2.5 小时,单帧从 40 毫秒到 10 秒以上不等,成片码率能飙到 670 Mbit/s、体积 13GB——因为胶片颗粒是逐像素画的,最贵的就是它。

五、普通人能上手吗?门槛在哪
说实话,这东西不是"下载即用"的软件,它更像一套给创作者的工作台。
你需要装好三个基础工具(运行环境、Chrome、视频编码器),然后一条命令起本地预览,一条命令开始导出。浏览器里能实时播放、能按帧步进、能跳到任意一秒钟反复看。
作者也坦白了一件挺有意思的事:YouTube 上那版是早期渲染的,每帧只用了 4 张子帧,所以快速运动处能看到明显的阶梯状残影;想要"真·顺滑",得自己在本地重新渲,因为现在的代码最狠能上 324 张。
至于适合谁:
- 做卡点视频、歌词 MV 的自媒体人:画面切换自动吸附节拍,歌词逐字高亮,不用手动对时间轴
- 需要批量出片、又要风格统一的团队:模板化、可复现,改个参数就是新版本
- 做数据可视化视频的人:图表、曲线、数字全都是算出来的,不会有 AI 生成的"手指乱飞"
- 完全不想碰代码的朋友:暂时别急,这类工具的门槛还在,但已经能看出方向了
如果只是想看效果,直接看片子就行——那种"每一个字都踩在鼓点上、每一根线都带惯性"的质感,比任何参数都说明问题。

六、写在最后:AI 视频其实分了两条路
现在大家一提 AI 视频,想到的都是"输入一句话,抽一次卡,不满意再抽"。
pdoom-video 走的是另一条路:不生成画面,而是写一个能生成画面的程序。
抽卡赢在快、赢在想象力;写程序赢在准、赢在可复现、赢在"我说第 30 秒要有这个字,它就一定在那里"。
而这次自适应 4 到 324 子帧的小设计,恰好是这条路上最迷人的地方——它没有为了画质无脑堆算力,也没有为了速度牺牲质感,而是让程序自己判断"够了没有"。
说真的,这种"知道什么时候该停"的分寸感,人和机器都挺需要。
如果以后剪视频、做动画都能这样——想改哪一秒改哪一秒,导出永远不翻车,你还会愿意继续"抽卡"吗?评论区聊聊你的选择。