KeyFrame內部研究專用

Keynote 动画制作全流程,以及我对 AI 动画的一些看法

马克的技术工作坊52 min中文
觀看原始影片

三句話摘要

用 Keynote 制作科普动画的完整流程,以及为什么 AI 目前还无法完全取代传统动画工具。 动画质量取决于创作者的设计能力和反馈循环的快慢,而不是工具本身;科普内容需要稳定的视觉参考点让观众不迷路,这点目前 AI 还难以自动实现。 1. Keynote 是高效的动画工具

重點整理

  1. 1. Keynote 是高效的动画工具

  2. Keynote 不只是PPT软件。通过形状绘制、关键帧动画、神奇移动(Magic Move)等功能,能快速制作带有复杂过渡效果的科普动画。最关键是即时反馈——改好就能立刻看效果。

  3. 2. 「神奇移动」是核心技巧

  4. 在第一张幻灯片放一个图形,第二张修改它的属性(位置、大小、颜色等),Keynote 会自动平滑过渡中间的变化。这让观众看不出是两张幻灯片,而是元素在动。

  5. 3. 科普动画需要「视觉毛点」

  6. 所有内容应围绕一个稳定的布局展开,让观众始终知道自己在流程的哪个位置。AI 随意生成的动画常缺这个概念,导致观众每次都要重新建立方位感。

  7. 4. AI 的真正瓶颈不是生成速度

  8. 动画制作最耗时的是设计与打磨,不是操作。用 AI 需反复用文字描述修正方向,反馈循环很长;Keynote 想到什么立刻看到,加快收敛到理想方案。

實用技巧與重點

  • 软件与工具
  • Keynote(Mac):主要动画制作
  • Audacity(免费):录音与音频编辑
  • Pixabay:免费音效库
  • 剪映(免费):合成视频与旁白
  • 具体步骤
  • 新建 Keynote → 换深色背景 → 添加标题与流程图元素
  • 为每个元素配动画(淡入、画线等),调整时长
  • 复制当前页,修改元素属性,设置「神奇移动」过渡
  • 在 Audacity 录制旁白与音效
  • Keynote 录屏(禁用麦克风,仅录音效),导出视频
  • 剪映导入视频 + 旁白音频,对齐后导出成品
  • 关键参数
  • 淡入动画时长:0.3 秒
  • 画线动画时长:0.5 秒
  • 神奇移动过渡:1 秒
  • 文本框同步:设置「与上个构建一起」播放
  • 设计原则
  • 维持用户/工具/模型三个角色的相对位置不变
  • 讲解细节时放大对应区域,其他区域降低透明度
  • 一次只让一个信息变化,避免观众眼睛无处放
  • 保留「毛点」(不变的参考物),方便观众追踪内容进度

結論

动画质量取决于创作者的设计能力和反馈循环的快慢,而不是工具本身;科普内容需要稳定的视觉参考点让观众不迷路,这点目前 AI 还难以自动实现。

完整解析

讲者马克演示了一个完整案例:将「AgentScale」概念讲解转成 20 秒动画视频。这涉及从零建立 Keynote 文稿、绘制流程图、添加动画和音效、录制旁白,最后在剪映中合成。

制作的核心是「神奇移动」功能。当两张幻灯片中同一元素的位置、大小或颜色改变时,Keynote 会自动补充中间帧,产生流畅的过渡效果。但有个陷阱:如果第一页元素是单个对象(如带文字的方框),第二页拆成两个独立对象(方框 + 文字),Keynote 无法对应,只会简单淡出淡入。解决办法是保持两页的对象数量一致——第一页也要拆成两个。

为了让动画更有质感,讲者从 Pixabay 下载音效(如箭头滑动声),用 Audacity 编辑到正确长度。然后在 Keynote 录屏时禁用麦克风(仅保留音效),同时通过手机播放旁白稿件来卡准点击鼠标的时机。这样生成的视频只包含音效和动画,旁白在后期用剪映对齐合成。

讲者特别强调了「视觉毛点」的重要性。在他做 Token 生成流程的动画时,始终保留"用户 → Tokenizer → 模型"三个角色及其相对位置不变。讲编码细节时,只是把该区域放大,观众始终能在这个布局里找到自己的位置。而一个 AI 生成的版本虽然逻辑清楚,但每换一页布局就大改,导致观众需反复建立方位感,理解成本上升。

最后讲者转向讨论 AI 动画的限制。他承认自己有用过 AI 生成的 HTML 动画,但大部分视频还是用 Keynote。原因不是 Keynote 操作简单,而是设计与打磨才是最耗时的环节。用 AI 需将脑中想法转成文字指令,等待生成,再看效果,如果不符合预期还要重新描述——这个反馈循环很长。而 Keynote 让你想到什么就立刻调整立刻看,快速逼近理想效果。工具本身没那么重要,重要的是创作者的设计判断力:为什么要这个转场、为什么这里要留白、为什么这个元素要一直在画面里。这些决策需反复调整,Keynote 的及时反馈让这个过程更高效。

8 min
AI 技術中文11月17日

Muse AI 国内注册方法来了!无需排队、无需信用卡,全程免费!

一路向前看原片 ↗
  • IP環境是核心要素:乾淨的住宅IP搭配日本節點能大幅提升註冊成功率,講者稱日本節點「幾乎秒過」,可選美國但成功率較低。
  • 全新郵箱是必要條件:系統會記錄每個郵箱的註冊歷程,曾排隊或卡在信用卡驗證的信箱會直接失敗,必須使用全新未註冊過的郵箱才能完全規避之前的失敗記錄。
AI 技術中文11月17日

Meta 改写 K-Means,训练轮次降到十分之一​ | K-Means | e-means | Meta FAIR | 聚类算法 | 向量检索 | Faiss | DINO10B | 向量数据库

Best Partners TV看原片 ↗
  • 從累加到衰減的中心維護:傳統小批量更新會累積歷史統計量造成早期分配記錄長期影響,而 e-Means 用指數移動平均使新分配能即時調整中心,早先統計逐漸失效,避免陷入次優解。
  • 死簇復活機制是關鍵改進:消融實驗顯示這項改動影響最大,透過每 5 批次檢查樣本不足的中心,從較大簇拆分一半重新安排,將樣本不足 10 個的中心比例從 26.3% 降到 0.3%。
AI 技術英文11月17日

Goal Engineering - The New Buzzword

Prompt Engineering看原片 ↗
  • 長期開放式目標中最難提供的上下文不是文件或 API,而是人類的判斷力與品味。傳統的檔案查詢或技術規格是相對容易部分,真正瓶頸在於定義「什麼是好的結果」。
  • Actively AI 初期採用單一代理處理多種任務類型失敗,因為人類審查者必須在十種不同的任務格式間切換心智模式,造成效率低落。重新架構為多個專一代理後,人類可在相同心智模式下快速連續審查。