UNIT 15整条管线约 31 分钟
修片台（二）：动起来、放出来才露馅的毛病
这一课的四张卡，停在任何一帧上都看不出毛病：要么藏在两帧之间（剪切点那一帧的重影），要么在镜头动起来时才露出来（推近时一闪、人走远以后凭空消失），要么在片子放到最后几秒（配乐结束以后多出来的一句）。查它们，得把时间也算进去。上一课的功夫在「定到哪一环」；这一课多一样：一个毛病常常不止一个原因，修掉一个，症状只轻了一截。所以先讲叠在一起的原因怎么拆，再上卡。每张卡的顺序和上一课一样：① 先定位，② 再找原因，③ 能造的亲手造一次，④ 看当年怎么修的，有三张再请你⑤ 写一句指令，或读一份汇报。
15 · 1几个原因叠在一起，怎么拆
第 13 课的排除法，是在一串嫌疑里找出那一个。可有的毛病是几个原因一起造成的，这时会碰到一个让人犯糊涂的结果：改了一样，毛病轻了，但还在。常见的两个错正好相反：以为这一步改错了，把它撤回去；或者一口气全改，好了也说不清是哪一处起的作用。
叠法有两种，拆法不一样：
- 加在一起：每个原因各贡献一份，拿掉一个只少一份。拆法：先把症状量成一个数，一次加一处修法、量一次，降多少就是这一处的份；降了没到底，说明还有下一个，留着这一处，接着找。卡 7 的闪烁就是这种。
- 缺一不可：几个条件同时成立才出事，拿掉任何一个都好。拆法：每个条件各拿掉一次试试，哪个都修得好，就挑代价最小的那个。卡 6 的重影就是这种。
两种都靠同一件事：症状得先变成一个能量的数，而且那个量法要看得见这种毛病。卡 7 当年栽的跟头，正是量错了东西。
剪切点上，有一帧重影
红魔 v4 交付前自查 · 19.5 秒和 21 秒两个切点这张卡没有留下原帧：交付前自查时发现的，修好才交。前后两个镜头拍的是手机的两面，接在同一条时间线上，所以手机在切点上被一个关键帧瞬间翻了 180°。下面的复现就是它的样子：切点那一帧里，背面和正面叠在了一起。
① 先定位：出在哪一环？
- 画面底子
- 建模
- 材质
- 灯光相机
- 渲染
- 动画
- 引擎
- 后期
渲染或动画都算对：又是两环碰上。动画里那个翻转是瞬间完成的（两个关键帧之间怎么过渡叫插值，这里用「常量」，到点直接跳，第 9 课）；渲染时开着运动模糊（第 12 课）。怎么碰上的，下面亲手造一次。
这就是第 12 课的快门台，诚实声明见那一课。这里已经切到「剪切点上的翻转」、停在切点那一帧（第 585 帧，19.5 秒 × 每秒 30 帧）。
把 02 的「快门位置」在「以帧为中心」和「从帧开始」之间来回换：以帧为中心时，第 585 帧的快门从 584.75 开到 585.25，一半的子帧在翻转之前，一半在之后。再拖 03 看前后两帧，它们为什么是干净的？
② 原因④ 当年怎么修的
一行设置：运动模糊的快门位置改成从帧开始（motion_blur_position = 'START'），从这一帧往后采样，切点那一帧就只有翻转之后的样子。交付前自查发现、修好，19.5 秒和 21 秒两处。
这是「缺一不可」的那种：跳变键和跨过它的快门窗口，缺一个都不出事。所以两环各有一条路：把瞬间翻转改成几帧的过渡（动画），或者把快门改成从帧开始（渲染）。挑的是代价小的那条：改一行设置，不碰动画、不改剪辑点。
移动的时候，画面会闪
长卷宣传片 v2 · 一镜到底，每秒 30 帧
「移动的时候，画面会闪烁。这是什么问题？是渲染过程中的问题，还是编码过程中的问题？如果用Windows GPU进行处理，会不会缓解？」
背景（第 11 课）：长卷的画是切成一块块小方块（瓦片）画好存起来的；推近时要按新的精度重画，精度分成一档一档，网页上每放大一倍分 2 档。
① 先定位：主要出在哪一环？
- 画面底子
- 建模
- 材质
- 灯光相机
- 渲染
- 动画
- 引擎
- 后期
渲染或引擎都算对。你问「渲染还是编码」，答案是渲染；再往下细分，出在长卷自己那台画画的引擎怎么分档：推近时每跨一档，整屏换一套细节。编码（后期）占一小份：分享版码率只有 2.2 Mbps，平移时纹理会糊会闪。
这就是第 11 课的实验台 E-3：长卷原函数画的一段小镜头，诚实声明见那一课。
照上面的拆法走一遍。帧差曲线就是那个数：拨「02 逐帧看」过第 41、42 帧，看它在换档处冒尖。先加第一处修法，把 01 档位换成每倍 32 档：小尖全平了，第 31 帧那个大尖还在。降了，没到底。
留着它，接着找：大尖是另一个原因，细节分支多抽了随机数（第 11 课）。打开 03，大尖也没了。两处各管一种尖，缺哪一处曲线都不平；要是第一步就撤回，第二个原因就永远藏在第一个后面。
④ 当年怎么查、怎么修的
先认错：v2 交付时写了「闪烁：已修复并验证」，验证用的是整屏平均亮度，看不见局部。重新查：渲一小段快速推拉，把上一帧按镜头的移动挪到和这一帧对齐（运动补偿），再逐帧相减：第 1250 帧，相减后的图里陈家祠的陶塑屋脊整片是亮的（差得多）——它在这一帧换了一套细节。改了五处：视频每倍 32 档、一帧一档；人和船每帧都画；运动模糊按镜头速度自适应、最多 24 个子帧；帧率 30 提到 60；分享版码率提到约 6 Mbps。帧差「最高那一帧」和「一般的帧」之比从 1.33 降到 1.10（越接近 1 越平稳）。至于「用 Windows GPU 会不会缓解」：瓦片是 CPU 画的，换显卡救不了换档。
这五处是一起改的，1.33 → 1.10 是五处合起来的效果：每一处各占多少，这两个数拆不开。「主要在渲染」这个判断是从另一个证据来的：在编码之前的帧上就有跳。实验台里那两处（档位、随机数分流）是一次加一处量出来的，那才叫拆开。
教练走出几米，凭空消失了
投篮课 · three.js 网页上篮那一段，教练助跑出去几米，人突然不见了，球场还在。没有留下截图，下面的复现就是它的样子。
① 先定位：出在哪一环？
- 画面底子
- 建模
- 材质
- 灯光相机
- 渲染
- 动画
- 引擎
- 后期
引擎：每一帧画什么、不画什么，是引擎决定的。下面亲手造一次。
- 来自材料
- 包围球按静止姿势算、留在原点，角色被骨骼带走几米后被整个剔除，修法是对整个角色设
frustumCulled = false：来自投篮课的记录（C44）。 - 本复现的设定
- 水平视野 50°、相机在教练身后 6 米、包围球半径 0.9 米都是本复现挑的；只算俯视的左右两个面。教练在第几米消失由这几个数决定，不是投篮课的实测。
- 它能证明
- 包围球不跟着骨骼走，角色一走远就会被错剔除；两种修法都能让他回来。
- 它不能证明
- 关掉剔除的代价有多大：一个角色无所谓，几百个就要算账。
先说教练是怎么动的：他是被骨骼带着走的，动的是网格上每个点的位置，「教练」这个物体本身的位置一直记在原点。实时引擎为了省事，看不见的东西干脆不画，叫视锥剔除（frustum culling）：相机能拍到的范围是一个尖朝相机的锥形（视锥），给每个物体套一个包得住它的球（包围球），球整个落在视锥外，就整个跳过（第 10 课）。把 01 往右拖：相机跟着教练走，可他的包围球还留在原点；拖过 3.8 米左右，球整个出了视锥，右边的画面里教练一下子没了。
② 原因④ 当年怎么修的
对整个教练角色（VRM 格式，网页上常用的人物模型格式）设 frustumCulled = false，不再剔除它。一个角色多画几次没什么代价。
配乐结束以后，还有一句话
广州片 · 199 秒的生成配乐配乐是另一个 AI 生成的，交回来长 199 秒（要的是 100 秒）。音乐在 3 分 11 秒就停了，静了几秒，3 分 16 秒又冒出一句话：「当前内容由 AI 生成」。另一首生成时标着「无水印语音」，3 分 19 秒照样有同一句。这几天广州片和长卷用的 5 首里，4 首有。停在哪一帧画面上都看不出它，要放出来才听得见；而做片子的 AI 连听都听不见。
① 先定位：出在哪一环？
- 画面底子
- 建模
- 材质
- 灯光相机
- 渲染
- 动画
- 引擎
- 后期
后期：声音素材的检查。这一句是生成平台在音频末尾加的提示，一个原因、一环，不用拆。难的是查：做片子的 AI 听不见声音，只能靠语音识别（把声音转成文字）、响度曲线（声音随时间的大小）、频谱（各个音高的分布）去量。量什么，才看得见什么。
- 来自材料
- 整首 199 秒、3 分 11 秒音乐停、3 分 16 秒语音识别听出「当前内容由 AI 生成」、原曲的响度曲线「从 15 秒到 160 秒几乎是平的」、每分钟 89 拍：出自广州片的记录和文章（C08）。
- 本复现的设定
- 声音是浏览器合成的替身，不是原曲：音乐是四个和弦轮换的长音加每拍一下低音；那一句是按普通话的声调画出音高、叠上谐波和两个共振峰的合成音，并不像真人。响度按 0.5 秒（放大时 0.05 秒）一段的均方根电平算，没做 LUFS 的频率加权；频谱每 0.05 秒取 64 毫秒、把 0–3200 赫兹分成 80 个频带。
- 它能证明
- 响度曲线只看得出「那里有声音」；频谱看得出它像人声（一叠跟着音高一起弯的谐波）；只有语音识别说得出是哪几个字；只看文件信息、只听开头，什么也碰不到。
- 它不能证明
- 语音识别本身：本页不跑识别，那一行字是当年的结果。真实的配乐更复杂，提示音也可能压在音乐底下而不是藏在静音之后，那时响度曲线就看不出它了，只剩语音识别。
把 01 从上往下换一遍。前两样什么也碰不到，却最容易让人说出「查过了」。响度曲线看得见音乐停了又冒出一段声音，说不出是咳嗽、环境声还是一句话；频谱看得出它像人声。能说出说了什么、也能证明「整首没有这句」的，只有语音识别，而且每一首都要过：标着「无水印」的那首，照样有。
④ 当年怎么修的
把那一句剪掉，让音乐跟着画面一起收住（02 打开就是剪过的样子），配乐再按画面剪成 99 秒，最后一个和弦落在片名上。发布时照样勾选 AI 生成的声明：片子本身就是 AI 生成的，国内发布 AI 生成的内容本来就要标识，剪掉提示音不等于不用标。后来《拾光》的环境声和背景乐里，也查出了同一句。
带走一个问题
这四张卡有一个共同点：挑一帧截图，看不出任何毛病。下一次交片之前，你会要求做哪几项「动起来、放出来」的检查？每一项查的是什么、能证明什么、不能证明什么？
不看上面，写下这一课撞上的几堵墙，再展开对照
- 挑一帧看不出的毛病 → 要在时间里查：快门区间跨过跳变键（C26）、换档的那一帧（C14）、人走远以后（C44）、片子的最后几秒（C08）。
- 改了一处，毛病轻了但还在，就撤回 → 原因加在一起时，一次加一处、量一次，降了没到底就接着找；缺一不可时，拿掉哪个都好，挑最便宜的。一次全改，好了也拆不开每处各占多少。
- 量的是什么，就只证明什么 → 整屏平均亮度抓不到局部换细节；在编码之前的帧上对齐相减，才抓到第 1250 帧。
- 引擎为了省事，会跳过它认为看不见的东西 → 包围球留在原点，人就被整个剔除了。
- 做片子的 AI 听不见 → 声音只能靠量：响度看得见「有东西」，频谱看得出「像人声」，语音识别才说得出是什么；每一首都整首过一遍。