Three.js 3D 渲染技术专题全层级19 / 21 已发布

Three.js 动画系统:骨骼、变形与过渡混合的完整链路

· 0 分钟阅读
Three.js 动画系统:骨骼、变形与过渡混合的完整链路 Skeletal, Morph Targets & Transition Blending — Three.js 3D 渲染技术专题

Three.js 动画系统:骨骼、变形与过渡混合的完整链路 Skeletal, Morph Targets & Transition Blending

为什么动画系统是角色可信度的第一块基石

我见过太多这样的画面:一个人花三周把 PBR、阴影、IBL、后处理全调到能当壁纸的程度,然后把一个 Mixamo 免费模型拖进去,写了点东西让角色跑起来。三秒钟后,这个画面就废了。

废在哪?角色在跑,但他跑向哪,脚就在哪打滑。停下的时候,上半身已经刹住了,脚还在原地倒腾两下。你按攻击,他先做一个 0.4 秒的准备动作,这 0.4 秒里你按什么键都没反应。你以为这是设计,其实是你根本还没写打断规则。

玩家不会夸你骨骼绑得好。但他会在角色停下那一瞬间,非常本能地判断出“这游戏有做过”还是“这是个学生作业”。动画系统就是游戏的手写体——字都对,一看笔迹就知道是不是赶工的。

在 Web 3D 里这件事尤其扎心。光照决定“像不像真的”,动画决定“像不像活的”。而 Three.js 给你的动画工具,说句实话,只到“让模型动起来”这一步:一个混音器、几个动作实例、每帧推一下,能跑。但它没有状态机,没有 root motion(根骨骼位移驱动),没有骨骼遮罩,没有过渡图,也没有取消窗口。它给你一盒积木,不是一辆车。

所以这篇不聊 API 手册,聊的是:怎么用这三块积木,拼出一个玩家愿意相信的角色。四层往下拆——三层结构、混合的算术、时序控制、手搓状态机——最后给你几张能直接抄去用的表。

第一层:Clip 是数据,Action 是旋钮,Mixer 是时钟

先把三层关系拆干净,因为绝大多数动画 bug 都源于搞混了这三个东西谁管什么。

动画片段(AnimationClip)是乐谱。它是一段纯粹数据:一堆按时间排好的轨道,每条轨道盯死一个属性——某根骨骼的旋转、某个变形目标(morph target,用来做表情、肌肉鼓起这类顶点级变化)的影响值、某个材质的颜色。它不知道谁在演奏,不知道要弹几遍,也不知道弹的时候音量多大。它只有一串时长和一个名字。

动画动作(AnimationAction)是乐手。同一份乐谱可以有好几个乐手同时演奏,各自音量不同、速度不同,还有人偷懒停在某个小节不动。动作实例上挂着所有你能拧的旋钮:权重(音量)、时间缩放(速度)、当前时间(唱到第几小节)、是否启用、是否暂停、循环方式、播完是停在最后一帧还是回开头。

混音器(AnimationMixer)是节拍器兼调度员。它绑定一个根对象,把乐谱上的轨道和真实的骨骼对上号,然后每帧往前推一次。你调用它的更新那一刻,所有在台上的乐手一起往前唱一步,唱完的结果被加权混合,写进骨骼矩阵。

层一句话职责你能改的它根本不管的
片段数据:谁在第几秒转到哪个角度时长、轨道内容、名字谁播、播几次、多大声
动作一次播放实例,一个手权重、时间缩放、当前时间、循环、暂停、播完停帧别的动作在干什么
混音器时钟与绑定器每帧传入的时间增量、整体时间缩放状态切换逻辑(压根不归它管)

有个特别实用的认知,值得单拎出来:同一份片段绑到不同角色身上,必须得到不同的动作实例。创建动作时传的那个根对象就是干这个用的。我见过有人图省事写了个全局混音器,所有 NPC 共用一份动作,结果整条街的村民动作完全同步,像在军训。你猜怎么着——因为那本来就是同一个乐手在演,当然整齐。

再往下是最关键的一句:混合是按轨道逐个算的,不是按整个模型算的。这句有两层含义。

第一层,只有两个片段都包含的轨道才会互相影响。A 片段只有上半身骨骼,B 片段只有下半身骨骼,两者混在一起时井水不犯河水,各写各的骨骼——这就是全部的分层混合原理,别想复杂了,没有什么高级的骨骼遮罩机制,靠的是轨道不重叠。

第二层,如果你的某个片段少了一条轨道(比如美术导出时手滑删了根手指),那根手指就永远保持最后一次被写入的值,或者保持绑定姿态。于是你会看到角色砍人的时候有根手指在抽搐。这类 bug 极难查,因为同样的文件在 Blender 里是好的——问题出在导出环节,不在渲染环节。

玩家实际感知到的是什么?他感知到的不是“这只手绑了 42 根骨骼”,而是“这个角色动起来有没有一处让我觉得不对劲”。人的眼睛对肢体的异常敏感得要命,尤其是手和脖子。你可以把阴影做得糙一点,玩家未必察觉;但一根手指头抽一下,他能盯着看半天。

第二层:混合的本质是加减法,crossFade 只是它在时间上的投影

这一层讲权重。混音器每帧干的事说穿了很朴素:把所有在台上的动作各自算出一份完整姿态,然后按权重加权平均,写进骨骼。权重就是“这个动作占多少股份”。

但这里有个隐藏股东,绝大多数人不知道它在。

内存里存着模型绑定时的那份原始姿态(通常就是 T-pose 或者 A-pose)。当这一帧所有动作的权重加起来不到 1 的时候,剩下那部分权重就自动分配给这个原始姿态。

举个例子。你想做个“半举盾”的姿势,只有一个动作,把权重设成 0.5。你以为结果是“动作幅度减半”,实际上你得到的是“这个动作 50% 加上 T-pose 50%”——角色的手臂会整个松下来,往 T-pose 的方向靠。这是很多人第一次调权重时最困惑的现象:调小权重不是“变淡”,是“变回 T-pose”。

反过来,权重加起来超过 1 反倒没事,系统会归一化,只是两个动作互相稀释,看起来“软”。

所以有一条铁律:任何时候你想淡出一个动作,就必须同时淡入另一个。只淡出、不淡入,中间那段就是权重真空,角色会往绑定姿态塌。这个 bug 的典型症状是:角色从跑步切到攻击,攻击前摇阶段肩膀会诡异地缩一下。我第一次遇到时以为是绑骨有问题,查了整整一天,最后发现是自己少写了一个淡入。

再说过渡混合本身。它做的事非常简单:在指定时长内,把当前动作的权重从现值线性降到 0,把目标动作的权重从 0 线性升到 1。直线,不是缓动曲线。所以你给 0.08 秒,观感几乎就是硬切;你给 1 秒,观感是两个人慢慢交接话筒,中间那段两个动作都在,姿势会明显不自然。

它有 Üç 个前提,缺一个就只做一半:

一,目标动作必须已经在播放且处于启用状态。很多人写成“先发起过渡、再让它播放”,结果淡入根本没发生,你看到的是权重真空导致的塌陷。

二,目标动作最好先重置。否则它会从上次停下的时间点继续,你看到的是“攻击动作从第三帧开始播”,前摇凭空蒸发,打击感全无。

三,源动作必须真的在播。如果它已经因为单次播放音播完而停在最后一帧、处于暂停状态,那这次过渡会带一点粘滞感,像被人拽了一下才走。

过渡方法还有一个常被忽略的参数,开启后会在过渡期间联动拉伸两个动作的播放速度,让它们在过渡结束时“相位一致”。什么时候该开?走→跑、慢走→快走、跑步变速,这类同构不同频的切换,开了能明显减少跳感。什么时候不该开?待机→攻击,以及任何结构完全不同的切换。开了只会让攻击前摇被拉长或压缩,手感立刻发黏。我第一次用它就是在待机切攻击上开的,结果那一刀前摇被拉长了将近一倍,打出去像在水里挥拳。

最后补一个被严重低估的工具:加法混合。普通混合是“平均”,加法混合是“叠加”——片段里的值被当成偏移量,直接加到当前姿态上。

用途非常具体:呼吸起伏、受击抖动、疲劳摇晃、情绪层(生气时肩膀耸起来、受伤时护住肋骨)。这些东西不该做成独立状态,因为它们需要出现在所有状态里。你可以让角色待机时叠加 0.3 强度的呼吸片段,跑动时把强度降到 0——因为跑步本身就有起伏,再叠呼吸会像哮喘。

前提是这份加法片段必须是“相对于基准姿态的差值”,得在 DCC 里专门做,不能拿普通动画硬当加法用,否则角色会以一个很奇怪的角度整个飘走,你会以为是自己写错了矩阵。

第三层:时序——过渡时长、相位对齐与打断规则

这一层全是手感和翻车点,我一条一条说。

第一件事:过渡时长必须分档,不能一个 0.2 秒走天下。很多项目所有切换都用同一个数,结果就是“跳跃很迟钝、受击很软、待机切换很突兀”——三种毛病同时存在,因为这三件事对速度的要求完全相反。

切换类型建议时长为什么是这个数
走 ↔ 跑0.18 – 0.25 秒太短像瞬移,太长像踩在冰上滑
移动 ↔ 待机0.22 – 0.32 秒留时间收势,让最后一脚落地
进入跳跃0.06 – 0.10 秒响应优先,玩家要“我说了算”
落地0.12 – 0.20 秒要有重量,但不能拖成慢动作
受击0.04 – 0.08 秒几乎是硬切,慢了就不疼
攻击起手0.05 – 0.08 秒前摇要果断,玩家误判成本高
攻击收势 → 待机0.20 – 0.35 秒松一口气,允许稍微拖沓
死亡0.15 秒起,可更长唯一允许“戏剧化”的地方

第二件事:相位对齐。这是最容易被跳过、但最能体现做过游戏的一步。

实际情况:走路一个完整循环 1.0 秒,跑步 0.7 秒。你在走路第 0.55 秒(左脚刚落地)切到跑步,跑步从第 0 帧开始播——那是右脚落地。于是切换瞬间角色“换了一只脚”,视觉上像踩空,或者像原地打了个趔趄。玩家说不出哪儿不对,但就是觉得别扭。

解决办法很简单:切换那一刻,把新动作的起始时间设成“旧动作当前进度比例乘以新动作时长”。两只脚就对上了。这比拉伸速度精确,而且不改变播放节奏,代价只是切换瞬间有一帧的姿势不连续——但那一帧藏在动作里,看不出。

它的局限也明显:如果两个动作步幅差异大(走路 vs 全速冲刺),相位对上了步频还是不对。这时候得再叠一点速度补偿。说句实话,很多项目就是靠镜头晃动和特效把这零点几秒骗过去的,这不丢人,这就是手艺。

第三件事:一次性动作的完整生命周期。这是新手翻车率最高的地方。一个单次播放的动作,完整流程是:重置 → 播放 → 播完触发结束事件 → 如果设置了播完停在最后一帧,则停在末帧并暂停 → 想再播必须重新重置。

不重置直接播,第二次使用时它还停在末帧或者暂停状态,你会看到角色卡在攻击收势的姿势上一动不动。这个 bug 我至少遇到过五次,其中有一次是我自己写的,当时还信誓旦旦跟人说“动画系统有 bug”。

第四件事:事件契约。混音器的结束事件是状态机最重要的信号源,但有个陷阱:正在淡出的旧动作如果恰好在这一刻播完,它也会触发结束事件。如果你的回调里不加判断地切状态,就会出现“角色受击动画播到一半,被上一段攻击的结束事件硬拽回待机”。

处理办法很土但有效:回调里校验一下,这个事件是不是当前状态持有的那个动作发出来的,不是就忽略。

第五件事:时间增量必须钳制。浏览器切标签页回来,传进来的时间增量可能是三秒。你的角色会在这一帧里把攻击播完、把死亡播完、把自己传送出地图。这不是动画系统的锅,但动画永远是第一个炸的地方。所有活得够久的项目都会在主循环里钳一下上限,通常 0.05 到 0.1 秒。我现在的习惯是:不管什么项目,第一行先写这个钳制,就当交保护费。

第四层:手搓状态机——没有内置,就自己画一张转移表

因为引擎不提供,所以只能自己搭。我的看法是:状态机的核心不是“状态”,而是“谁有权拒绝”。你把这件事想明白,代码结构自然就出来了。

先看案例,看成熟作品是怎么用这套东西的。

《艾尔登法环》大概是“严格锁定”这一端的极端样本。你一定有过这种体验:翻滚结束,你疯狂按攻击,角色纹丝不动,然后被一刀砍死。你血压飙升,觉得游戏“吞键”。但真相是,它的动画状态机执行得非常严格——动作播出的每一帧都是承诺,不可撤销。翻滚有完整的前摇、无敌帧、后摇,后摇期间低优先级请求一律拒绝,只有极少数动作能在极窄的窗口里打断。

这不是技术做不到取消,这是一个明确的设计选择:它用“不可撤销”制造重量感和恐惧感。你每次挥砍都是在赌,赌这一刀能不能在对方抬手之前砍出去。如果它允许随时取消,这套紧张感立刻消失,游戏会变成一个动作很快但没什么分量的东西。

反面对照是《鬼泣》那一类。取消窗口宽松到几乎任何时刻都能用跳跃取消攻击后摇,所以你打起来像跳舞,风格评级蹭蹭往上涨。同一套技术,参数不同,做出了两个完全相反的游戏。

这件事对独立开发者的启示特别直接:锁定时长、取消窗口这两个数字,必须做成配置表字段暴露给策划,而不是埋在状态机代码里。埋进去的结果一定是——半年后没人敢动,只能在旁边加判断,最后长成一团谁都改不动的面条。

再看一个 Web 域内的真实处境。官方那个士兵模型演示,三个循环动作(待机、走、跑)之间用过渡切换,看起来很顺——它的目的就是展示 API,所以它只做单层混合、不考虑转向、不考虑坡道、不考虑位移。很多独立开发者就是拿这个演示当起点,然后发现只要角色一拐弯,整个东西就散了:因为待机、走、跑三个状态是够的,但“转向”这件事它是连续值,不是状态。这就是为什么真实的角色控制器里,移动永远用参数驱动,而不是状态驱动。

具体怎么做?我的建议是两张皮:

移动用参数驱动。状态机每帧读一组连续值——移动速度、是否着地、朝向差——按阈值决定播哪个动作、播放速度多快。速度 0 到 0.5 是待机,0.5 到 3 是走,3 以上是跑,走和跑的速度按移动速度同比缩放。你不需要“向左走”这个状态,你只需要一个混合空间:前后速度一个轴,左右速度一个轴,从四个方向的动作里按权重插值出来。方向太多就退化成“上半身朝目标、下半身朝移动方向”,也行。

战斗用事件驱动。外部抛一个请求(我要攻击、我被打了、我要闪避),状态机判断能不能接,接了就给一个锁定期。战斗是离散且互斥的,你必须能精确回答“我现在能不能动”,这件事参数驱动给不了。

然后是整套东西里最值钱的部分:锁定期和取消窗口。

举个具体参数。一个重击动作全长 0.9 秒,前摇 0.35 秒,判定 0.1 秒,后摇 0.45 秒。状态机给它切三段:

时间段行为可被谁打断
0 – 0.35 秒(前摇)锁定,拒绝一切低优先级请求只有受击和死亡
0.35 – 0.45 秒(判定)生成伤害判定,通常也不允许取消受击和死亡
0.45 – 0.75 秒(后摇)继续锁定,但这是最难受的一段受击和死亡
0.75 – 0.90 秒(取消窗口)允许被闪避、连段、跳跃打断开放给闪避与下一段攻击

最后这 0.15 秒,就是“手感”和“硬直”的分界线。窗口给 0,游戏立刻变成回合制;窗口给到 0.4 秒,游戏立刻变成砍瓜切菜。绝大多数玩家所谓的“这游戏手感好”,说的就是这段窗口的宽度和他手指的节奏对上了。

再补一件事:分层混合。上半身砍人、下半身跑,在 Three.js 里最省事的做法不是运行时去遮罩骨骼,而是让美术导出两份片段——一份完整的全身攻击,一份只含上半身骨骼的攻击。后者叠在跑动上,天然各写各的骨骼,零成本分层。

它的坑在于节拍:拆出来的上半身片段如果和下半身动作节奏完全无关,你会看到角色跑步的时候,上半身砍人的频率和脚步对不上,像两个人拼在一起。解决办法是让美术在同一个基础姿态上做,或者在状态机里给上半身动作加一点播放速度自适应。

至于“两个骨架两个混音器再手动合并矩阵”那条路——能做,但性能直接翻倍,骨骼数一多就炸。只有特殊需求才值得。

参数化设计工具:三张表把动画系统钉死

下面这几张表,我现在的习惯是开项目第二天就填。填不满说明设计还没想清楚,这时候写代码纯属浪费。

表一:状态表。每个状态一行,字段固定。

字段含义示例值
状态名唯一标识重击一段
片段对应的动画资源attack_heavy_01
循环单次 / 循环 / 往返单次,播完停帧
速度来源固定值还是跟随参数固定 1.0
锁定时长不可被打断的总时长0.75 秒
取消窗口允许被特定动作打断的区间0.75 – 0.90 秒
优先级被打断时的比较依据60
出边能切到哪些状态、条件是什么→ 待机(播完);→ 重击二段(窗口内输入)

表二:打断优先级。数字别乱给,留出足够间隔。

优先级动作类型可被谁打断
100死亡不可打断
80受击硬直死亡
60攻击 / 施法受击、死亡、同级的连段
40跳跃 / 闪避受击、死亡、攻击(仅在取消窗口内)
20移动除待机外全部
0待机全部

规则只有一条:只有优先级更高、或者同级且处于取消窗口,才允许打断。看着简单,但它能干掉 80% 的“角色突然抽搐”类 bug。

表三:同屏动画预算。这张表决定你的项目能撑多少角色同屏。

同屏角色数单角色骨骼数建议策略
≤ 560 – 100每帧全量更新,随便来
5 – 2040 – 60每帧更新,但视野外角色停掉混音器
20 – 5030 – 40距离分级:25 米外降为隔帧更新,50 米外降为四帧一次或直接冻结
> 50≤ 30考虑顶点动画贴图,或者用简化骨架 + 实例化

关于降频,这里有个几乎人人都犯的错:降频的正确做法是减少更新调用次数、但每次传累计的时间,不是把时间增量减半。后者只是慢放,角色会像在水下走路。我第一次做人群 LOD 就是这么干的,远处的 NPC 一个个像在跳慢舞,我盯着屏幕看了十分钟才反应过来。

双路径:十分钟速览和半年深耕

初级路径:让角色不丢人地跑起来,六步。

一,一个角色配一个混音器,别共用。共用会让你怀疑人生。

二,所有动作实例在初始化时建好、缓存住,别每帧临时创建。

三,切动作的标准姿势:目标动作先重置再播放,同时让当前动作淡出;或者直接用过渡方法,但要保证目标已经在播。

四,单次播放的动作一定记得设置“播完停在最后一帧”,并且每次重播前重置。

五,主循环第一步把时间增量钳到 0.1 秒以内。

六,过渡时长分三档起步:移动类 0.2 秒,受击类 0.06 秒,收势类 0.3 秒。

这六步做完,你的角色已经超过市面上大半 Web 3D 演示了。真的,不夸张。

进阶路径:五件需要动手重构的事。

一,把状态表、打断优先级、取消窗口从代码里搬出来,做成外部配置。这是最有回报的一件事,改一次省一个月。

二,做相位对齐。走跑切换的那一下,玩家能记住一整局。

三,做分层。上半身和下半身分开,哪怕只有一两个技能用得上,体验提升也值回票价。

四,处理根骨骼位移。要么在导出时删掉位移轨道(原地动画),要么把它提取出来交给移动控制器。这个坑下面单独说。

五,做动画 LOD。同屏人数一上去,这是唯一的出路。

争议与常见坑:那些我亲手踩过的雷

坑一:滑步,是 Web 3D 角色最大的脸面问题。Three.js 没有内建的根骨骼位移提取机制。如果你的动画里带了位移,引擎会把它当成普通骨骼轨道播放,结果就是:角色在原地跑完一段位移,然后“弹”回原位。另一种情况是你删了位移轨道,但代码里的移动速度和动画的步幅不匹配——于是脚在原地倒腾,人却滑出去。判断标准很粗暴:让角色以一个速度走直线,盯着他的脚看三秒,如果脚落地那一下有明显的横向摩擦感,就是滑步。调法是把移动速度调到和步幅匹配,或者反过来给动画加播放速度缩放。没有第三条路。

坑二:淡出但没淡入,权重真空。症状是切换瞬间角色某个部位往回缩。很多人第一反应是“骨骼绑定有问题”,其实只是加法不闭合。记住:淡出的同时必须淡入。

坑三:旧动作不回收。权重降到 0 的动作不会自动消失,它还在混音器里被遍历、被判断、被跳过。角色池一开一关几百次之后,你的混音器里可能挂着上百个僵尸动作。该停就停,该回收就回收。

坑四:Mixamo 与 glTF 管线的三个静默雷。一是 T-pose 和 A-pose 混用,重定向之后手臂角度永远是歪的,而且你怎么调都调不回来;二是采样率不一致,有的导出 24 帧每秒,有的 30,两个片段混着用,时长就对不上,过渡时节奏全乱;三是骨骼命名不一致,重命名之后轨道绑不上,动画静默播放失败——最坑的是它不报错,模型就是不动,你能查一整天。

坑五:把动画更新放在渲染回调里但不固定步长。设备性能一抖,动画就跟着抖。做单机演示无所谓,做联机或者有精确判定的项目,动画推进必须和逻辑帧对齐,否则判定帧和数据表现对不上,玩家会觉得“我明明躲开了”。

坑六(观念上的):“动画是美术的事”。不是。美术决定动作好不好看,策划和程序决定动作什么时候播、播多快、能不能被打断。后三者才是手感的来源。把这句话贴在显示器上。

FAQ

Q:动作切换的时候角色会抖一下,或者像是回到了第一帧,为什么?

A:九成是没重置。单次播放的动作播完之后停在末帧并处于暂停状态,你直接让它再播,它要么不动,要么从末帧跳回起点产生一个瞬间的位移。标准做法是每次进入新状态都先重置再播放,别省略这一步。

Q:同屏五十个角色直接卡成 PPT,怎么办?

A:先量,别猜。把混音器的更新耗时单独统计出来,你会发现问题往往不在骨骼计算,而在每个角色都在跑全套逻辑。三个方向:一是距离分级降频,远处角色减少更新次数但传累计时间;二是视野外直接停掉混音器;三是砍骨骼数,移动端三十根以内是安全线。真到上百人的场面,就别用骨骼动画了,换顶点动画贴图。

Q:走路一直滑步,动画里明明是有位移的。

A:那就是位移被当成骨骼轨道在播,然后你的代码又在移动角色,两份位移叠加了。要么导出时删掉位移轨道做成原地动画,让代码全权负责移动;要么把位移轨道提取出来驱动角色位置,动画本身原地播放。二选一,别混着来。

Q:想一边跑一边射,上半身怎么单独动?

A:最省事的是让美术导出只含上半身骨骼的攻击或射击片段,叠在跑动动作上。因为混合是按轨道逐个算的,轨道不重叠就天然分层,不需要任何运行时遮罩。前提是两个片段的节拍要对齐,不然上半身和脚会各演各的。

Q:A 模型的动画能不能直接用在 B 模型上?

A:能,但只在骨骼层级结构一致的前提下。轨道是按骨骼名字找目标的,名字对不上就静默失败,模型一动不动还不报错。做重定向的时候务必做一次校验:加载后检查每个片段的关键轨道是否都找到了目标节点,把找不到的打日志打出来。这个校验我省过一次,代价是三小时。

最后一个反直觉的观察,送给你:大多数玩家说不出“动画系统”这四个字,但他们能准确指出“这个游戏怪怪的”。他们指的那个怪,十有八九是你某一段过渡只有 0.05 秒,或者某个动作的权重真空了 0.1 秒。这条路没有捷径,只有一格一格调。但你调完之后,玩家会说“这游戏手感挺好的”——然后他以为那是战斗数值的功劳。

文章标签
Three.jsReact Three FiberR3FWebGLWebGPUdreiThrelteTresJSThree.js 性能优化GLSL ShaderPBR 材质Three.js 阴影
更多专题全部专题
觉得有价值?点赞或收藏支持内容持续产出。
← 返回专题:Three.js 3D 渲染技术专题