你的AI视频为什么总是"AI味"?motionmaxxing把AI slop视频救成动态设计师水准的完整解读
你的AI视频为什么总是"AI味"?motionmaxxing把AI slop视频救成动态设计师水准的完整解读
AI生成的视频明明每个画面都"没错",放在一起却总有一股挥之不去的AI味——角落挂着品牌小标签,左边标题右边卡片,转场全靠淡入淡出。motionmaxxing 就是一个 agent skill(AI 智能体技能包):把它装进 Claude Code,它就能把这类 AI slop 视频救成"像是动态设计师(motion designer)做的"成片。它先从品牌官网抓取素材、找到只有这个品牌能讲的故事,再用从 53 个专业动态片段中逐帧测量出的 4300 个真实运动数据来驱动每一帧,最后用脚本"考试"渲染结果,而不是自我吹嘘。所有渲染都基于纯 HTML,本地完成。
motionmaxxing 自带一个"颜值评分"量表,先看你的片子落在哪一档:
| 评级 | 画面特征 |
|---|---|
| Slop(AI味) | 会动的PPT:角落标签、计数器、左边标题配卡片、全程淡入淡出 |
| Mid(平庸) | 干净但"什么都没决定":默认曲线、平涂底色、长尾定版 |
| Maxxed(拉满) | 一个核心想法、有光线质感的场景、测量过的动效、运动中硬切、门禁数字全部达标 |
它的任务,就是把你的片子诚实地往右推一格,并说明到底停在了哪一格。
一、AI味从哪来?这7个"AI slop 特征"最扎眼
项目团队对一批被拒的 AI 动态视频做了解剖,整理出 25 种默认套路。其中"响度"最高的 7 个特征如下——你可以对着自己的片子逐条打勾:
| AI味特征 | 长什么样 | 由什么负责抓 |
|---|---|---|
| 页面装饰(Page chrome) | 角落品牌名、"02 / SPEAK"计数器、时间码、进度条 | scripts/lint.mjs(门禁 G5) |
| PPT版式 | 左对齐标题 + 上方 kicker + 左文右图 | lint.mjs(G5)、references/ 规则 C7、D1 |
| 打字机标题 | 标题逐字敲出还带光标 | lint.mjs(G5)、规则 T1 |
| AI味UI卡片 | 圆角卡片 + 状态点 + "label . value" 灰调配色 | lint.mjs(G5)、规则 V1–V5 |
| 平涂底色 | 每场一个纯色背景,或小黑卡片飘在虚空里 | 肉眼看 references/world.md 的连拍表 |
| 死帧 | 连续多帧画面完全不动 | scripts/look.py(门禁 G2) |
| 全程淡入淡出 | 每个元素都靠透明度出场、每个镜头以溶解结束 | 测量数据直接反驳:专业人士 3,392 次位移进场 vs 仅 584 次透明淡入 |
一个有意思的细节:其中不少"AI味"其实是 skill 自己早前的措辞"教"出来的(比如"交替平涂底色"、"固定载体物件")。所以修复方式是改 skill 文本,而不是骂 agent——这也是这个项目区别于普通 prompt 套路的核心理念。
二、同一品牌拍两遍:before/after 对比最直观
官方用同一模型、同一简报,对三个真实品牌各生成"不用 skill"和"用 skill"两版片子(品牌方仅作展示用途,非官方合作)。不用最贵的模型也能做出"像设计过的"运动感,差距在 skill,不在价格标签。
Cluely(两版均由 GPT-6.1 生成):左边是 PPT——左上品牌标签、右上功能 tag、两色标题、两张卡片、"02 / 05"计数器;右边是产品本体:点亮的桌面、实体按键式快捷键、悬浮在真实通话上的功能层。
Spotify:左边每帧都是"左边标题 + 右边手机样机";右边把一个想法贯穿到底——绿色句号变成开关、淹没整个画面、最后化为图标,配一堵"塌缩的线条墙"和满屏收尾。
Wispr Flow(竖版 24 秒带声音):上方片子里小标签挤满每个角落、标题块压在卡片左侧;下方片子里"文字本身就是画面",底色随想法变化,声音和画面一起剪。
对比不是宣称"右边完美",而是:右边是先决定了拍什么、怎么动,再检查过的,左边没有。
三、方法论核心:53个专业片段、4300个被测量的运动细节
多数"动效技能包"只是一份观点清单,motionmaxxing 从测量开始。53 个设计师制作的发布片片段被 6 个并行 AI 分析师逐帧解码成约 150 条"WHEN / DO / BECAUSE"格式的设计规则,全部 50 个可测片段逐帧 seek,得到 4,288 个不同运动和 12 条实测缓动曲线。
几个设计师可以直接拿去用的数字(完整推导见 docs/HOW-IT-WAS-BUILT.md):
- 中位运动时长 10 帧(0.33 秒)。位移进场 11–12 帧、透明度 6 帧、模糊 7–8 帧——AI 视频普遍"慢半拍"或"弹跳过度",就是因为没用过这个基准
- 落地减速(58% ease-out)、离开加速(37% ease-in)。同一个对象用错曲线,观感立刻从"被导演"变成"被扔出去"
- 过冲不足 9%,且发生在运动后段——"到处回弹"才是 AI 默认值
- 几乎不用淡入:3,392 次位移动画进场 vs 584 次透明度淡入;元素靠"移动、切、遮罩、对焦"出现
- 在运动中硬切:96% 的片段使用硬切(平均每个片段约 20 个切点),镜头开场就在动、结束在半程
- 没有任何东西从零长出来:logo 从约 3.5 倍大小"砸"进来,而不是从 0 放大——AI 视频最常见的破绽
测量还修正了一些直觉:著名的"快闪一下再长尾"其实只占约 8% 的运动,真正的中坚是更柔和的 softLand 曲线。12 条实测曲线全部以函数形式内置在 runtime/motion.js(如 M.ease.softLand、M.ease.snapSettle),规则库 716 行存在 library/moments.jsonl,可按镜头角色检索先例。
四、10步协议:先定"想法",再谈动效
skill 的完整工作流写在 SKILL.md,10 个步骤、顺序固定:
- 工具与环境——scripts/providers.sh 报告本机有什么(Chrome、ffmpeg、声音 key),并读取 taste/verdicts.md 里的历史差评
- 认识品牌——scripts/brand.mjs 抓取官网配色/字体/截图,scripts/fetch_logo.mjs 只取官方 logo,绝不重绘
- 一句话真话 + PAGE——问题、受众、目标、情绪,四行定调
- 找想法——至少写 3 个不同类型的创意,通过"遮住 logo 是否还成立"测试,选一个并说出一句话理由
- 设计世界与时间轴——写出
STORYBOARD.md:每场的底色/光线/纵深/质感/声音、截图级英雄镜头、每个 beat 换来了观众什么信念 - 脚本与配音(可选)——ElevenLabs 配音 + scripts/sync.mjs 把词级时间戳对齐到帧
- 先建最难的镜头——从 templates/film.html 出发,
Motion.selfTest保证每一帧是时间的纯函数,跳帧渲染结果和播放一致 - 诚实审视——scripts/render.mjs 逐帧渲染,look.py 出连拍表,lint.mjs 查页面装饰,门禁不过就按固定顺序修
- 声音贴画面——scripts/mix.py 混到 -14 LUFS,命中点前置留静默
- 交付——
final.mp4+ 可编辑的index.html+ 强制的NOTE.md(想法、门禁数字、哪里还不够好)
值得强调的是第 4 步:它要求创意只属于这个品牌(来自 logo 形状、核心控件、材质、动词、声音),而不是"星形名字配星星、火的名字配光晕"这种第一联想。
五、G0–G5 质量门禁:不信任"AI说自己做得好"
项目里有过一次著名的翻车记录:一个 15 秒全黑的渲染,被 agent 盖章"VERIFIED / CLEAN"。从此定下铁律——门禁失败只能修,不能辩;数字必须由脚本算出,agent 只许引用。
| 门禁 | 通过条件 | 谁来算 |
|---|---|---|
| G0 渲染存在 | 可解码、非黑屏、画面在动、时长与计划一致 | look.py |
| G1 证据可读 | UI 文字 ≥ 0.04 H、片段 ≥ 0.55 W 或被画面裁切、有光线 | 肉眼看连拍表(须在 NOTE.md 说明) |
| G2 无死帧 | 连续静止帧不超过 3 帧 | look.py |
| G3 定版够短 | 结尾定格 ≤ 1.4 秒、最后一镜 ≤ 全片 25% | look.py |
| G4 每帧一个主角 | 双分屏只允许 2 倍面积差或镜头切换 | 肉眼看(须说明) |
| G5 无页面装饰 | 无角落标签、计数器、时间码、进度条、打字机标题、AI味卡片 | lint.mjs |
下面这张图就是 lint.mjs 的实拍:一个"标准 AI slop 帧"里的追踪大写品牌标、计数器、时间码、进度条被逐条标出 FAIL,退出码 1。
六、判断力校准:看"默认 vs 决策",而不是看成品图
早期版本试过给 agent 喂"优秀成品参考图",结果 8 个不同品牌做出了同一个设计师的片单。后来改用"成对校准条":左边是 AI 默认处理,右边是设计师式的决策,只借推理,不借样子。这两张图在 studies/ 目录(来源见 studies/PROVENANCE.md),比如"logo 该干什么"(默认:发光加口号;决策:让标志成为产品的核心控件)、"结尾只安静一次"(默认:应用商店按钮大满贯;决策:一个小标记,旅程结束)。
七、安装步骤:一键装进 Claude Code
环境要求:Node 22+、Python 3、ffmpeg、Google Chrome;可选 ElevenLabs key(配音/音效/音乐)与 Codex CLI(生成质感底板)。
git clone https://gitcode.com/gh_mirrors/mo/motionmaxxing ~/.claude/skills/motionmaxxing
bash ~/.claude/skills/motionmaxxing/install.sh
install.sh 只检查依赖、不做系统级安装;也支持 --dir PATH 装到别的 skills 目录、--copy 复制而非软链、--force 覆盖。装完先跑一遍体检:
bash scripts/providers.sh
输出 JSON 报告 Chrome、ffmpeg、key、Codex、磁盘情况,缺什么一目了然。
八、上手实战:三种最常用的请求方式
在 Claude Code 里输入 /motionmaxxing,或直接自然语言描述。skill 对"制作 / 规划 / 分镜 / 修复 / 点评"任何动效请求都会触发:
- 从网址开始做片:"make a 20s launch film for https://example.com. I want to see the idea and the storyboard before you build."(要求先看想法和分镜再动手)
- 单个镜头:"a 6 second kinetic-type sting for our brand: the one line 'Ship it' with real 3D on the mark."
- 给 mid 片打分管修:"here is
draft.mp4and itsindex.html. Rate it slop, mid or maxxed, run the gates, tell me what fails, and fix it."
交付物固定四样:final.mp4(成片)、index.html(纯 HTML 源码,可逐帧复现)、STORYBOARD.md(分镜与每个 beat 的价值)、NOTE.md(诚实报告:哪些是真的、哪些是生成的、门禁数字、还能改进什么)。想对比多个版本时可用 scripts/blind_review.py 生成随机化盲测页。
九、已知限制:诚实版清单
项目自称"早期发布,glow-up 进行中",docs/KNOWN-LIMITS.md 列得很直白:
- lint 只读 DOM,看不到 canvas / WebGL / 图片里的文字,烤进生成图的装饰会漏网
- G1、G4 没有脚本,靠肉眼看连拍表,必须写明判断方式
- WebGL(hero3d)渲染约 7–11 fps,建议只渲染最难镜头或用
--still出静帧 - ElevenLabs 音乐不总踩准节拍和长度;极短的音效归一化可能产生杂音
fetch_logo.mjs偶尔取回页头横幅而非标志,用它之前先渲染看一眼
门禁通过是地板,不是品味判决:脚本负责数字,"片好不好"仍由人决定。
总结
motionmaxxing 把"AI 味"拆成了可测量的问题:7 类默认套路有 lint 抓,运动节奏有 4,288 个真实样本打底,成片质量有 G0–G5 门禁验。它不承诺奇迹,只承诺"先决定、再检查"——这正是 AI slop 和动态设计师作品之间那道鸿沟的宽度。装好之后,把第一个请求扔给它,然后去看门禁数字吧。
延伸阅读:README.md · 完整研究过程 docs/HOW-IT-WAS-BUILT.md · 工具手册 references/tools.md · 运行库 API runtime/README.md





