方法论与洞察

人耳打点吸附 —— 卡点裁决权归人耳,毫秒精度归算法

来源:50 号案例《学员作品集混剪·The Banjo King》卡点迭代(2026-07-02) 验证状态:✅ 单项目强验证(v1 纯算法被否 → v2 人耳打点吸附获用户”非常完美”)

一句话律

卡点剪辑中,“选哪些拍”必须归人耳,“精确到哪一毫秒”归算法:让创作者跟着音乐打拍子,再把每个手打点吸附到 ±0.18s 内最强能量攻击峰、提前 1 帧补视觉延迟。

问题链(三层失败逐层暴露)

  1. v0 纯 onset 检测:切点普遍晚于人耳感受的攻击 100–380ms(能量流量峰滞后于 attack 起点)→ 用户反馈”没敲在鼓点上”。
  2. v1 算法吸附攻击峰 + 提前 1 帧 + 冲击力度特效:时机对了,但仍被否——蒙眼剪辑法_方法论笔记早有记录:算法分不清预备拍/主拍、乐句边界/鼓点。装饰音密集的曲子(本例班卓琴),吸附会钉在装饰音上。
  3. v2 人耳打点 + 算法吸附:命中。

操作流程

  1. 给创作者一个浏览器打点器(单 HTML:AudioContext 播放 + 空格打点 + 导出秒列表;见 50 号项目 scripts/卡点标记器.html)。引导语:先完整听一遍不打;第二遍只在”画面必须换”的重击上打,宁缺勿滥。
  2. 手打点典型误差 +30~160ms(轻微滞后)——不修正手速,只做吸附:每个点取 ±0.18s 窗口内未平滑能量冲击(RMS 帧差半波整流)最大处。
  3. 吸附结果再提前 1 帧(30fps 下 33ms):人眼处理比人耳慢,画面须略早于声音才”感觉同步”。
  4. 手打点自然携带乐句级结构(密刀段/长镜段/冲刺连击),这是算法给不出的额外收益——直接决定各段镜头时长分布。

边界与反例

关联

类型/IP视觉