克雷西 发自 凹非寺
量子位 | 公众号 QbitAI

新春佳节，苹果又给设计师们奉上了新的大礼——全新的AI动画助手！

有了它，只要一句话，就能让静态的图像“运动”起来，没有专业知识也能轻松上手。

利用ChatGPT，工程师们研发出了这款智能动画工具Keyframer，它的界面十分简洁，初始状态下只有图片和提示词两个输入框。

只需要用自然语言描述动画的内容，它就会为我们搞定动画代码并进行实时渲染，平均耗时17秒，最长也不过1分钟。

如果对效果不满意，还可以通过语言描述、图形界面或直接改代码等多种方式进行编辑调整。

一名UI设计师看到后表示，虽然自己（对AI）抱有偏见，但这项成果确实太棒了。

那么，Keyframer这个工具，都能做些什么呢？

一键生成动画代码

首先需要明确的是，Keyframer添加动画的对象是SVG（Scalable Vector Graphics，可缩放矢量图形）格式的图稿。

不同于我们常见的jpg、png等图片格式，SVG是通过人类可读的代码来表示图像当中的元素的。

比如下面这张图，就是用SVG仿制的量子位logo，它直接以右侧的代码形式存储，可以直接被浏览器读取。

通过给SVG代码中的属性设定动态变化，就可以实现元素的位移、缩放、旋转、变色等各式各样的动画。

其中，属性变化既可以通过SVG规范设定的内置动画实现，还可以嵌入到网页中通过JS脚本或CSS（层叠样式表）动画实现，Keyframer采用的是CSS方式。

在Keyframer中，用户需要做的就是上传静态的SVG图像，并用自然语言描述动画的需求。

需要注意的是，SVG文档中的元素需要带有id标注，这既是为了让大模型能够知道添加动画的位置，也是为CSS动画代码提供靶点。

点击绿色的生成、按钮后，Keyframer就会调用GPT，生成动画代码并可在页面中显示渲染结果。

如果需要对生成的动画做进一步调整，还可以向其中继续添加新的prompt。

当然也可以自己直接上手修改，支持“代码”和“属性”两种方式。

代码模式就是直接对代码进行改动，如果不懂代码就可以利用属性模式，调整动画中的一些关键参数。

据开发者统计，Keyframer生成一段动画代码的平均时间约17秒，最快6秒即可完成，最长也只有一分钟。

生成质量方面，Keyframer在大多数情况下都能生成高质量的动画代码，测试中错误率只有6.7%。

这样一来，Keyframer解决了设计师难以将动画迁移到Web界面的问题，快速的修改方式也大大降低了动画版本迭代过程的工作量。

在体验用户中的调查结果表明，Keyframer的总体用户满意度达到了3.9分（满分5分）。

那么，Keyframer是如何实现的呢？

提示工程新成果

研发过程中，苹果的工程师并没有训练任何新的模型，而是直接使用了GPT。

所以，除了用户界面之外，最关键也是最困难的便是提示词的设计——而除了开发者，用户也需要思考这个问题。

为了探究这一问题，让使用者可以更好地运用Keyframer，研究团队邀请了来自不同职业的13名测试人员。

这13名测试者都有AI工具的使用经历，其中11人用过ChatGPT，7人用过DALL·E或MidJourney，按照他们平时工作中“代码”和“设计”含量的高低，这13名人员被分成了四组。

（表中Low Code，Low Animation可简写为LCLA，以此类推）

这些受试者首先用15分钟的时间了解了关于SVG动画的基础知识和Keyframer的使用方法。

接着，他们又用了3分钟的时间体验了传统的SVG动画设计工具，并观看了Keyframer的效果演示。

完成这些铺垫后，他们被要求用Keyframer为下面两张图添加动画，两张图各有5分钟思考和15分钟操作时间。

每完成一张图的动画，研究人员都会和他们进行5到10分钟的谈话，询问对Keyframer是否满意，以及操作过程中遇到的问题，最后还会谈论整体感受。

通过对体验者的prompt特征进行分析，13人中有9人更倾向于分步式的提示风格，另外4人则设计了“一体式”的提示词。

另外，研究者还发现，用户对“语义”（Semantic）提示词的青睐程度高于高特异性（High Specificity）提示词。

语义提示词主要通过非技术性的自然语言对动画进行描述，后者则会直接使用具体的关键词和参数值。

在实验中，研究团队收集到的提示词中，有84.4%都是语义性的，特异性提示词则主要是被HCLA组选择。

这些研究结果虽未直接应用到Keyframer当中，但仍不失为未来用户的一项重要参考。

目前，Keyframer的DEMO尚未发布，感兴趣的朋友可以持续关注一下~

论文地址：
https://arxiv.org/abs/2402.06071