异步视界博客
iaieye.com

最近更新

    ↑↓ 选择↵ 打开esc 关闭

    代码写出来的动画

    不用视频生成模型,用代码渲染动画和视频的全景:核心理念、五条路线、HyperFrames 与 Remotion 的 skill 与工作流、擅长与不擅长、能力阶梯;进阶部分以 glitch 特效为例,附可拖动演示和实测。

    • 视频制作:让 agent … · 3/5
    • 精读
    • 2026.11.08
    • 16 分钟
    • 8,334 字

    思思扬撰写 · AI 协作整理

    类型
    精读
    系列
    视频制作:让 agent 拆视频、做视频
    位置
    第 3 篇 / 共 5 篇
    发布
    2026.11.08
    篇幅
    8,334 字 · 16 分钟
    章节
    9 节
    标签
    • video
    • hyperframes
    • remotion
    • motion-graphics
    • gsap

    结论先行

    • 原理只有一条:画面是时间的纯函数 f(t)。 渲染器逐帧跳到第 t 秒、截图、交给 ffmpeg 编码,不是录屏。所以结果可复现,改一个字只重渲一次。
    • 这类工具擅长 AI 视频不擅长的事:精确的文字和 logo、数字和图表、界面演示、批量变体、无损循环、局部修改,而且不烧生成额度。
    • 它不擅长 AI 视频擅长的事:写实镜头、真人表演、自然物理运动、真实素材上的重度合成。
    • 主流路线有五条,可以按「内容是什么」来选;WebGL / Three.js 是叠在其中几条之上的横向能力,不是单独一条路。
    • HyperFrames 的特点是它把方法沉淀成了 skill:一个总入口加十个工作流,配 48 条动效规则、22 个场景蓝图、约 450 个可安装的积木。agent 能直接调用,而不是每次从零写。
    • glitch 只是特效里的一类,放在「进阶」讲。

    核心理念

    三件事决定了这类工具的行为。

    1. 确定性渲染。 无头浏览器停在第 t 秒,截一帧,所有帧拼成视频。同样的输入出同样的帧,所以 agent 看不见成片也能迭代。
    2. 一切必须可 seek。 挂在真实时钟上的东西会失效:CSS @keyframes 循环、Math.random()、setTimeout、网络请求。有评论说「浏览器里预览正常,导出却是冻结帧」,报错信息也不友好。随机感要用确定性哈希替代,例如 hash(量化后的时间, 序号)。
    3. 视频就是网页。 排版、字体、SVG、Canvas、CSS 滤镜、WebGL 都能用,所以设计师和前端的经验可以直接迁移,但这也意味着你受限于浏览器能渲染的东西。

    路线全景

    路线写法代表适合注意
    HTML + 动画库普通 HTML/CSS,GSAP 时间线,适配器可换(CSS、Lottie、Three.js、Anime.js、WAAPI)HyperFrames宣传片、字幕、动效字、图表、转场、品牌片头Apache-2.0;官方把 Studio 标为「演进中」
    React 组件每帧是一个 React 组件的渲染结果Remotion参数化批量出片、云渲染、地图、已有 React 团队4 人以上公司要买许可
    画布 / TS 场景TypeScript generator 描述时间线Motion Canvas、Revideo带旁白的矢量讲解、自动化流水线Motion Canvas 原版疑似已停止维护(官网已下线),要用选 Revideo
    Python 数学用 Python 对象描述几何和公式的变换Manim公式、几何、算法讲解不适合产品宣传
    预烘焙素材在 AE 里做好导出Lottie图标、微动效只是素材,不是工作流

    横向能力:WebGL 着色器、Three.js 3D、Canvas 2D 后处理,可以接在 HyperFrames 和 Remotion 里。

    选择的经验法则(社区评测的共识,多数来自竞品或厂商文章,仅作参考):已经是 React 团队选 Remotion;想用普通 HTML 和 GSAP、要 Apache-2.0 或 agent 优先的选 HyperFrames;讲解类内容选 Motion Canvas 系;数学选 Manim。

    当前可用的 skill 与工作流

    HyperFrames:一个入口,十个工作流

    /hyperframes 是强制入口。它读你的需求,按交付物路由到一个工作流:

    想做的事工作流
    把 Remotion 项目迁过来/remotion-to-hyperframes
    演示文稿、可翻页的交互 deck/slideshow
    给口播素材加字幕/embedded-captions
    给口播、访谈、播客加图形包装/talking-head-recut
    用音乐节拍驱动的视频/music-to-video
    10 秒以内、无旁白的动效/motion-graphics
    从 PR 讲解一次代码变更/pr-to-video
    给网站、产品、应用做宣传片/product-launch-video
    讲解一个话题,画面全是设计出来的/faceless-explainer
    其他任何自定义视频/general-video

    入口之后是一组领域 skill,各管一段:

    skill管什么
    hyperframes-core合成的契约:data-* 时间属性、轨道、子合成、确定性渲染规则
    hyperframes-animation全部动效知识:48 条原子动效规则、22 个多阶段场景蓝图、12 份运行时适配器说明、13 类 CSS 转场、14 种着色器转场
    hyperframes-keyframes推拉摇移、Ken Burns、遮罩、SVG 变形、3D 景深
    hyperframes-creative设计规范、配色(9 套)、字体、旁白、节拍规划
    hyperframes-audio淡入淡出、闪避、混音、效果链
    hyperframes-registry搜索并安装约 450 个现成积木,先搜再自己写
    hyperframes-cliinit、check、snapshot、preview、render 以及云端渲染

    这套的设计思路值得单独记一笔:把”怎么做出这个效果”写成 agent 可读的规则文件,每条有配方、数值范围和关键约束(比如 glitch 规则里的「量化时间就是效果本身」)。这也是它和”写个 GSAP 脚本”的区别。

    提醒:这些 skill 的 check 门槛比较严,会拦住系统中文字体、转场中的文字重叠、空的第一帧。这是好事,但第一次会觉得啰嗦。

    Remotion:13 个官方 skill

    官方文档列出 13 个:最佳实践总入口、创建工程、标记与排版、Studio 预览、渲染、地图、字幕、SaaS 集成、可交互编辑、文档检索、许可证、升级、多媒体(Mediabunny)。其中地图一项很有辨识度,能做路线动画、地理讲解和 CesiumJS 的 3D 飞行。官方页没有写任何已知限制,也没有提到着色器或转场库,那些靠社区方案。

    第三方

    项目做什么
    OpenMontage 的 Remotion 技能在官方转场之外提供一套转场库,其中带 glitch,并建议 20–30 帧让它显得突然
    remotion-transitions skill用 TransitionPresentation API 做自定义转场,含「Glitch Slam」示例

    擅长与不擅长

    想做的事代码动画视频生成模型
    文字、logo、数字必须精确适合,字形和数值完全由你给定文字渲染不稳定,logo 易变形
    同一模板批量换文案、语言、品牌色适合,边际成本接近零每次重新抽卡
    改一个词只想重渲那一处适合,结果可复现难以局部修改
    数据图表、代码窗口、界面演示适合容易出错
    无缝循环、任意分辨率和帧率适合受模型限制
    写实镜头、真人表演不适合适合
    水、布、毛发、人群等自然物理运动不适合适合
    真实素材上的跟踪、抠像、粒子流体不适合,用 AE 或 Blender部分可行
    分钟级长片吃力:内嵌视频逐帧 seek 很慢,有评测说未优化素材会让渲染从 2 分钟涨到 20 分钟取决于模型

    「精确文字和 logo」这一条,依据是生成模型的文字渲染问题(来源为厂商和营销文章,可信度有限)加上代码渲染字形的原理,没有找到严格的对照实验。

    能力阶梯:从简单到复杂

    层级能做什么难度例子
    1 文字与 UI 动效进场、强调、计数、打字机、图表、光标演示低动效字、数字滚动、界面演示
    2 转场与镜头推拉摇移、Ken Burns、CSS 转场、景深低到中产品宣传片、讲解视频
    3 着色器与后处理逐像素的转场与整屏质感中到高着色器转场、CRT、液态玻璃
    4 数据驱动合成把外部模型的结果(坐标、掩码、深度)画成画面高,且超出纯 HTML骨架线、检测框、分割色块

    第 4 层不是 HTML 独立能做的,它需要先用视觉模型从素材里算出数据。这一层在下一篇「数据故障美学」里单独讲。

    进阶:以 glitch 为例,看一档特效怎么做

    glitch 是第 3 层的典型,也是最容易做错的一类:它的「故障感」来自量化时间,而不是随机。下面是它的纯函数版:拖动滑块到任意一帧,画面只由帧号决定。 关掉「时间量化」试试,抖动会变成平滑摆动,像果冻而不是数字故障。

    赛博小强
     

    30 fps,glitch 持续 0.5 秒 = 15 帧。关掉「时间量化」,抖动变成平滑摆动,像果冻而不是数字故障。

    我用 cyber-fly(赛博小强)的文字和配色做了一条 12 秒 demo,分三档演示。

    第 1 档:DOM 叠层(文字、卡片的进场和强调)

    三份相同文字叠在同一个网格单元里:两份彩色副本(暖红、冷青)在后面抖,清晰的主体在最上面。抖动幅度由一条 1→0 的包络控制,抖完副本回到精确的 0,画面「咔」地变清晰。

    glitch 峰值:副本错位、字形被拉宽
    收束后:只剩一点残影的清晰主体

    关键参数(取自 HyperFrames 自带的 chromatic-glitch 规则):

    参数取值说明
    抖动步长1/20 秒必须不小于一个渲染帧,否则量化消失
    最大偏移标题字号的 6%–10%过大像布局坏了,不像干扰
    单次时长入场 0.25–0.6 秒,强调 0.12–0.2 秒超过约 1 秒就像渲染故障
    副本混合深底用 screen,浅底用普通混合并降低透明度screen 在白底上看不见

    它只能动 DOM 元素,动不了整个画面的像素。

    第 2 档:WebGL 着色器转场(场景之间)

    @hyperframes/shader-transitions 自带 14 种:glitch、chromatic-split、domain-warp、ridged-burn、light-leak、swirl-vortex、thermal-distortion 等。两个场景被截成纹理,片元着色器逐像素合成,所以能做出 CSS 做不到的碎块和色散。

    场景 1 → 2,glitch 着色器转场的中间帧
    碎块散去,新场景浮现

    接入只有一段配置,init() 返回主时间线,之后往上加你自己的动画:

    const tl = HyperShader.init({
      bgColor: "#0a0d12",
      scenes: ["s1", "s2", "s3"],
      transitions: [
        { time: 4.0, shader: "glitch", duration: 0.6 },
        { time: 8.0, shader: "chromatic-split", duration: 0.7 },
      ],
    });

    一个会误导人的坑:hyperframes snapshot 截出来的第 4.2 秒是干净的新场景,看不到着色器效果;只有真正渲染出的成片里,这一帧才是碎块。着色器转场不能靠快照验收,要渲一遍。场景的 CSS 也有约束(不能用 transparent 渐变、屏幕上可见元素不能用 var() 等),否则转场边缘会有黑边。

    第 3 档:整屏质感(CRT、胶片、热扭曲)

    官方路线是 drawElementImage:把任意 HTML 抓成 GPU 纹理,再接 WebGL / Three.js / TypeGPU 做后处理。skill 自己的建议是一条视频只用 1–3 个重点镜头,其余用普通 GSAP,对比本身就是叙事。

    chromatic-split 转场:色散带
    CRT 近似:扫描线、暗角、荧光字

    实测数字与踩坑

    项数值
    规格1920×1080,30 fps,12 秒,H.264,无音频
    草稿档 --quality draft3.4 MB,渲染 29.1 秒
    --quality looks(最终)3.7 MB,渲染 25.0 秒
    捕获方式截图捕获 + 本机硬件 GPU
    视频里的 CJK 字体自带 Noto Sans SC 子集 26 KB(61 个汉字)

    耗时对本机 GPU 敏感,只是一台机器上的一次结果。

    • 系统中文字体会被拒。 check 报 font_family_without_font_face:本地能用 PingFang SC,但云渲染机器上没有,字会悄悄退回通用字体。解法是把用到的汉字裁成 woff2 子集再 @font-face 引用。
    • 转场会触发「文字重叠」报错。 转场中间两个场景同时可见,check 会判重叠。给场景加 data-layout-allow-overlap,装饰层和副本加 data-layout-ignore。
    • 第 0 帧不能是空的。 它会成为社交平台上的缩略图。
    • 快照看不到着色器效果,见第 2 档。

    小结:怎么选

    • 内容是文字、数据、界面、品牌包装:用 HyperFrames 或 Remotion,从 skill 的蓝图和积木起步。
    • 需要像素级的转场和质感:加着色器,但控制在 1–3 个重点镜头。
    • 需要写实、真人、自然运动:交给视频生成模型,代码只负责包装和字幕。
    • 想要画面里出现骨架、检测框、分割色块这类「数据美学」:这需要视觉模型,见下一篇。

    各工具的更多对比见工具地图。

    来源

    13 条
    系列全部 5 篇
    1. 01一条爆款视频是拍的、生成的还是代码写的?rea-video 用证据链逐镜回答19 分钟
    2. 02用 agent 做视频该选谁:从 Hypit 到 HyperFrames,按手里有什么分五类15 分钟
    3. 03代码写出来的动画16 分钟
    4. 04做完就吆喝:/brag 把项目变成 20 秒发布视频,值得抄的是它的『创意法则』12 分钟
    5. 07为什么它用代码建的 3D 模型能这么好:拆解 ESCAPEMENT 的建模手法28 分钟