AI生成演示视频翻车，他拍下自己做虾行才救回来

用AI给每个动作生成演示视频，俯卧撑、深蹲、平板支撑都像模像样。轮到巴西柔术最基础的虾行（hip escape），模型直接崩了——它压根没见过这个动作。

这是一位在日本做SRE的独立开发者，给自己练柔术的教练一句话逼出来的项目。教练说，每天做HIIT是攒比赛体能最快的路子。他于是做了BJJ FLOW：一个柔术单人训练App，带柔术专项训练菜单、垫边计时器、每个动作的演示视频，还有完全离线的语音指导。

计划本来很简单：演示视频全用AI生成。结果一半成功，一半彻底失败。

先写假设，再写功能

他的本职是SRE，最怕的失败模式是独立开发者的经典死法：埋头做自己想做的，做完发现没人用。

所以动功能之前，他先在自建的工具里写下11条假设：按腰带颜色和训练频率看留存、用户为什么会从通用计时器换过来、对练时能不能感觉到体能变化、愿不愿意为一次性Pro付费、习惯养成率。

埋点也排在界面之前。workout_start、workout_complete、mat_feedback、paywall_view这些事件，加上腰带颜色、伤病关注部位这类用户属性，先埋好再谈功能。这样后面每个决定都能拿数字对，而不是凭感觉。

概念先落成文字，再交给AI重做界面

第一版原型有4个标签页，长得像通用健身App。但这个App是用在垫子边上、练到一半的时候，装饰和深层导航都是负担。

他先把概念写成文档：主题叫“垫边伙伴”，背景用暖炭黑#10120F，颜色各有分工——青柠色#C5F467给主操作，薄荷色#8ADCB8表示训练中，琥珀色#F59E0B表示休息中；字体是一个超大等宽计时器，隔着垫子也看得清。明确排除霓虹、火焰、游戏化特效。

概念和界面规格写清楚之后，他把文档丢给AI设计工具，一次就把18个屏幕的Flutter界面重做完了，连App图标都是柔术腰带拼成的字母“F”。他的结论不是“AI擅长设计”，而是AI输出的质量，取决于你先把概念用文字说得多精确。

视频问题上半场：Veo只擅长它见过的动作

每个训练动作都要一段演示视频，还得是同一个虚拟运动员、同一件防磨服。第一版流水线是：先用图像模型生成运动员的起始姿势静帧，喂给Veo 3.1，指定首尾帧一致，拿到8秒循环，再用ffmpeg转成960×540的H.264打包进App。

每个动作配一份JSON规格，描述头、躯干、手臂、腿和接触点随时间的变化，由生成脚本统一处理。

标准动作效果确实自然：俯卧撑、深蹲、平板支撑、登山跑。连三角绞的顶髋和技术起立，在详细关键帧指令下都出得来。

一到地面动作就塌了。虾行、反向虾行、坐起穿越、90/90髋部拉伸，这些动作在视频训练数据里几乎不存在。提示词写得再细——“用下侧肩和上侧脚支撑身体，髋部向后向外推”，再加“不要站起来、不要做桥”的反向提示——出来的要么是一个人侧躺着蜷起来，要么干脆站起来。

模型没见过的动作，靠提示词是绕不过去的。

视频问题下半场：自己上，把动作迁移过去

他把流水线倒过来：AI不认识这个动作，那就自己演一遍，让AI复制动作。

换成Wan 2.2的动作迁移之后，它从源视频里读出骨架和运动，再重绘到那个参考运动员身上。代价是拍摄成了整个项目最费力的环节。女儿拿手机在家里和道场拍他：虾行、坐起穿越、受身、拉伸，十几条源视频。要让模型正确读动作，机位必须完全侧向，全身入画，一次干净的动作，不能有多余晃动。他演得晃，虚拟运动员就跟着晃。重拍很多次，流了很多汗。

原始迁移结果也不能直接上线，中间垫了一整套后处理：

• 用OpenCV做稳定，把画面锁到第一帧，手持抖动会让迁移后的运动员跟着摇
• 用MediaPipe提取人物遮罩，把背景涂灰，免得家具杂物被误读成肢体或道具
• 受身这类快动作会跑出模型的处理能力，先用ffmpeg插帧，降到0.5倍速做迁移，再恢复2倍速
• 迁移输出大约每0.8秒会卡住一帧，脚本按帧间差异检测重复帧，用线性插值补上
• 比较首尾帧亮度差做交叉淡化，让循环播放不跳帧

他也把局限说得很直白：动作迁移还不完美。早期用户反馈有些动作视频看着不太对，他说他们说得对。这条流水线能把冷门动作做到大致像样，最后那点准确度的差距还在补，是他清单上的头号事项。

语音：预生成，全离线

练到一半没法盯着屏幕，所以App得会说话：动作名、倒计时、“还剩10秒”。

系统自带的语音合成每台设备音色不同，还跟着系统语言设置走。他改成用Gemini TTS预生成全部语音，音色选Charon，指令是“一个冷静、低音的体育教练：清晰、自然、简短、不喊叫”，用批处理脚本一次生成。文件从WAV转成32kbps的AAC，控制App体积。

结果是：App里没有API密钥，每台设备音质一致，没信号的地下道场也能用。

回头看这个项目，他总结的几条都挺朴素：假设和埋点排在功能前面，能让开发不跑偏；让AI生成之前先把概念写下来，那些文字形式的设计规则才是AI界面不散架的原因；知道每个模型的边界，绕过去，而不是跟它吵。文生视频负责训练数据里有的动作，动作迁移负责没有的。

他自己说得更直接：这个最“AI”的项目，真正的突破口是他趴在垫子上做虾行，女儿举着手机拍。