5.从“手工”到“智能”：AI 动效新范式-遥清.pdf

《5.从“手工”到“智能”：AI 动效新范式-遥清.pdf》由会员分享，可在线阅读，更多相关《5.从“手工”到“智能”：AI 动效新范式-遥清.pdf（27页珍藏版）》请在三个皮匠报告上搜索。

1、从“手工”到“智能”：AI 动效新范式蚂蚁终端体验科技大会遥清 蚂蚁集团 支付宝验技术部探索 AIGC 新赛道/01/02/03为什么要做？怎么做呢？AI 大趋势能力增强 问题解决硬训模型直出？还是？得到什么？灵魂 3 问文生视频文生3D文生图文生动效领域AIGC 空白赛道早期布局&机遇领域空白早期布局探索机遇支付宝动效渲染标准应泛数据基础AI 提效99%的业务选择数据、技术积累GE 多年积累大量动效数据业务强诉求内部 Done、淘天、画眉、N项目现阶段能力Single Agent+MCPReAct ModeAgentic Workflow2 MCP Server10 tools基础动效制作、

2、资源处理等能力现阶段的问题1.GE JSON 过于复杂，模型训练效果不佳2.仅输出动画数据、且效果固定、缺乏创造性3.编辑器集成工具较多，学习成本高，劝退普通用户一些解题思路1.改变让 LLM 直出 GE JSON 的思路2.让 LLM 关注于描述动效的样子和感觉3.跳脱复杂的交互，一语生动效然语领域模型DSLParserGE JSON渲染用户想要的句 Prompt 变成可渲染 GE JSON然语领域模型DSLParserGE JSON渲染用户想要的句 Prompt 变成可渲染 GE JSONDSL 规范LLM+PromptDSL 数据 领域 LoRA 训练基础 LLM 输出 领域 LoRA

3、输出Parser 实现解决思路DSL模型学习、输出 DSLParser 解析&输出实现链路GE JSONLLM+领域 LoRA 微调自然语言（Prompt）转 DSL提高 DSL 生成准确度明确结构和规范定义结构化输出骨架作为 LLM 输出的目标格式解析 LLM 输出的 DSLDSL 转标准结构化数据输出 GE JSON 或其他格式产物核心点 DSL整体架子元素定义规范动画片段核心点 DSL足够简单、泛化性好、大模型擅长整体架子元素定义规范动画片段前期准备DSL 预览动画数据精筛搭建快速预览 DSL 能力排查问题&优质 DSL 挑选2.4W 条动效数据过滤、去重优化动画描述，转换最新数据1.解

4、析 DSL核心点 Parser2.拼装基础 JSON3.处理父子级修正 RTS 4.处理元素时长和生命周期5.修正适配基础曲线数据6.曲线数据变体7.输出 GE JSON1.解析 DSL核心点 Parser2.拼装基础 JSON3.处理父子级修正 RTS 4.处理元素时长和生命周期5.修正适配基础曲线数据6.曲线数据变体7.输出 GE JSON数据极简，逻辑内聚动态时序，自动计算1.解析 DSL核心点 Parser2.拼装基础 JSON3.处理父子级修正 RTS 4.处理元素时长和生命周期5.修正适配基础曲线数据6.曲线数据变体7.输出 GE JSON终点优先，布局稳定曲线变体同一份动画，根据

5、场景可以做出无限中变体变体三旋钮：强度/速度/扰动同一个跳动曲线，强度 0.8轻微，2.5强烈，扰动 0.3随机抖动曲线变体基础款element:sprite_1animation:旋转跳跃startTime:0parameters:intensity:1speed:1loopCount:Infinitynoise:0慢速款element:sprite_1animation:旋转跳跃startTime:0parameters:intensity:1speed:0.5loopCount:Infinitynoise:0炸裂款element:sprite_1animation:旋转跳跃startTi

6、me:0parameters:intensity:1.5speed:1.2loopCount:Infinitynoise:0.5一些非预期的状况1.基础数据原子化2.动画数据分类3.元素归类1.限定场景2.限定元素3.引导生成过度叠加效应动态参数+原始动画数据本身存在“非均匀性”（快慢、强弱不一）动画参数的精准调控策略动画布局的“设计感”缺失布局全靠大模型脑洞，部分场景过于抽象为 AI 设计师装上“护栏”与“导航”从“一刀切”到“精准应用”在约束中创造，在引导中精准Workflow 规划|User Prompt 优