Pulse of Motion：测算真实物理帧率，矫正 AI 视频的「计时幻觉」

你看现在的 AI 生成视频，画面已经逼真到能骗过眼睛，但只要盯着看两秒，总会觉得哪里怪怪的。

有的动作像在太空漫步，慢得违背物理常识；有的动作又快得像按了快进键。3 月 15 日，Texas A&M University 的研究团队把这个问题翻了出来，并开源了一个轻量级模型 Pulse of Motion，专门给 AI 视频找回现实节奏。

为什么 AI 视频总在「瞎猜时间」

研究团队把这种毛病叫做「计时幻觉」（Chronometric Hallucination）。说白了，就是生成模型只有一副好皮囊，脑子里却没有一块靠谱的时钟。

造成这个问题的根源在训练数据上。网上的视频拍摄速度五花八门，有的原本是慢动作升格，有的做了缩时摄影。但在喂给 AI 训练时，往往全被简单粗暴地统一压成了固定的帧率，比如 24 帧或 16 帧。

久而久之，AI 学会了物体长什么样、动作怎么过渡，却根本不知道现实世界里重力有多快。在它的理解里，蜂鸟扇动翅膀和人在地上摔倒，播放起来可能没什么时间差别。

让不到 2GB 的小模型去测算重力

Pulse of Motion 的思路很直接：不再教视频模型怎么重新画画，而是给它配一个专门测算现实运动节奏的尺子。

这个模型不到 2GB，普通消费级设备就能轻松跑起来。它会直接观察画面里的动态细节，反向推算出这个动作在现实物理世界里到底应该对应多少帧率，也就是「物理帧率」（Physical FPS）。

算出来之后，只要把视频按照这个真实帧率重新定时，观感就会瞬间正常。比如在团队给出的对比中，原先 24 帧的蛇在地板上滑行，实际物理帧率应该高达 60.2 帧；油锅里炸洋葱圈的视频，也从 24 帧修正到了 58.9 帧，那种原本发飘的慢动作立刻有了真实油花飞溅的爆裂感。

而在一些原本被过度加速的场景里，比如渔网中垂死挣扎的鱼，模型测出的物理帧率只有 15.0 帧；雨滴打在绿叶上的场景则从 16 帧微调到 21.1 帧。研究人员发现，通用的多模态大模型在判断时间节奏上非常不靠谱，必须依靠这种专用的运动预测器。

目前团队不仅公开了代码和权重，还上线了测试生成视频运动一致性的排行榜。

为什么重要

我们认为 Pulse of Motion 走了一条非常聪明的后处理路线。

现在各大模型厂商都在卷更大的参数量、更高的分辨率，试图靠死磕算力来让模型「顿悟」物理规律。但现实证明，端到端的黑盒训练在时间维度上依然漏洞百出。Pulse of Motion 没有去硬刚重训底层模型的万卡集群，而是用不到 2GB 的极小代价，在后处理阶段把动作节奏拉回地面。

对于视频创作者和特效从业者来说，这个工具非常实用。以前生成的视频动作发虚，只能靠人工在剪辑软件里一点点拉变速曲线，现在直接跑一遍脚本就能获得符合物理节奏的底片。

不过它目前本质上还是一个后处理校正器，如果原始视频生成时就已经严重丢帧或动作扭曲，光靠调速也救不回缺失的形变细节。但它明确指出了现有视频模型的一大盲区，未来的新一代生成模型，大概率不得不把物理时间建模真正写到底层架构里去。