P04 · 表达型
Vivian
运动博主 · 化名
“如果打得不好，是真的会被人骂的。”
人与社交媒体
TennisAtom
一支 AI 剧组，把业余球员的一段素材剪成他们敢发出去的短片。
- 年份
- 2026 年 5–6 月
- 角色
- 设计主导：项目框架、研究、交互设计、设计系统、原型；视觉管线与一位队友合作搭建
- 团队
- 我和两位队友。
- 机构
- 信息可视化 2026，同济大学设计创意学院 · 客户：阿里巴巴橙狮体育
- 状态
- Best Creation Award，信息可视化 2026 · 阿里巴巴与同济大学 Qualia Intelligence & Innovation Lab（Q LAB）共同颁发
01门槛
业余球员在记录和分享上，卡在了哪里？
背景
1项目来源
阿里橙狮体育希望利用球馆现有的视觉算法，为业余网球爱好者自动生成赛后集锦。
2最初的想法：一键出社媒大片
我们手上有一条从视频里读取球员身体的管线，还有一个设想：任何片段，一键变成能发社媒的大片。动手之前，我先去问了四位球员：他们拍下的素材，后来都去了哪里。
用户调研
P01–P04 半结构化访谈，6 月 3 日 → 开放编码 → 3 个主题 主题分析（Braun & Clarke, 2006）
P01–P04 → 六个阶段 → 3 个痛点 关键事件法（Flanagan, 1954）
球馆方对话 → 已有记录：球速、界内外、最长回合
四位球员的素材去了哪
访谈者：我，在合作球馆逐一访谈四位，2026 年 6 月 3 日。
P01 · 记录型
老陈
以结果论一天的好坏 · 化名
“拍完最多自己看看，很少拿去分享——说实话，我们打球的样子都挺难看的。”
P02 · 复盘型
林夕
进阶学习者，跟教练上课 · 化名
“我觉得自己现在还没那个能力，把网球做成专门的内容方向。”
P03 · 成长型
小杨
在读学生 · 化名
“这次我就没发。我觉得自己还没做出足够满意的视频。”
3 / 4
的球员手里有素材，却选择不发。
敢发门槛
公开平台
发一部分，其余留着自己看
痛点 03 · 社交顾虑 担心动作不够标准，在社交媒体平台得到负面评价
朋友圈
偶尔发给朋友看
小红书
发过，又删了
痛点 02 · 剪辑受阻 不会自己剪，也不满意一键生成的模板（核心设计机会）
相册
留着
痛点 01 · 原片落差 回看监控视角原片，与场上体感差距大
球馆方 · 无照片
鹰眼测球速、判界内外都很准。集锦取最长回合或最快的球。
主题 1
固定机位画面单调，缺乏个人特征
开放编码：素材/内容同质化
- P01
只用手机拍，机位很有限。
- P03说博主的视频会跟拍，看起来更好；自己当观众时也更愿意看那种
主题 2
自动剪辑总认错，手动精剪又太耗时
开放编码：自动工具剥夺叙事主权
- P01
自动集锦总认错回合，还得手动改；既然都要手动改，不如整段自己剪。
- P02宁可花时间自己动手剪
主题 3
相比硬核技术指标，更在意打球时的状态与氛围
开放编码：非技术性身份认同诉求
- P03
比起技术，我更想展示一种气质。
- P02
希望别人看到会觉得，我是个很能坚持的人，虽然我打得很菜。
- P04
我发这些，不是为了显得自己打得多厉害；我做的是穿搭和照片。
- 参见 iBall，CHI 2023：先感受，后阅读
- 素材的去向
- 原话支撑的主题
- 留着素材没发的三个人
洞察
拍得到，发不出
落差
3/4 的受访者拍了视频，却没有公开发出去。如何跨过从“保存素材”到“愿意分享”的心理落差，是本项目的核心切入点。
概念
1设计透镜
成绩单
我打得多好？
给分析师和观众看
奖杯
我看起来多厉害？
给内容消费者看
肖像
这是谁在打球？
给打球的人自己看
球馆的系统做的是成绩单；我们最初的想法，一键出大片，做的是奖杯。球员想被看见的，是他们自己。
2身体的肖像：保留真实的动作特征和身体数据
剪辑与视觉包装由 AI 完成，但挥拍节奏、跑动习惯全部源自球员真实的动作数据。系统仅在真实球技的基础上强化视觉表现，不篡改、不替换。
肖像由什么构成
- 每帧身体上 33 个关键点，按 5 帧平滑
- 14 类事件，如挥拍开始、挥拍结束、击球、起跳，以及击球类型：发球、正手、反手或截击
- 特效按这些事件，用 ADSR 包络定时
02旅程
Vivian 的一场球：最低点在决定发不发的那一刻
我们原本要做一键出社媒大片。访谈把目标改成了：做一条你敢发的片子。
用户旅程
AS-IS · Vivian 的一场球，团队根据访谈按 0–10 打分
TO-BE · 同一场球，换用我们的原型；测试者口头给每一步打分落差：设计要补上的部分
-
01
出发打球
↑7 期待
去球场，希望今天能留下点什么。
打完球
首页直接回应“不敢发”：“打得再普通，也值得一条好看的视频。不用会剪、不用敢发，先做出来。”
- S1 不好意思公开发 · P01 P02 P03 → 围绕“敢发”写文案
首页 -
02
击球高光
↑9 兴奋
某一拍特别有感觉：这是高光时刻。
↑8 发现瞬间
先选风格（默认“运动气质”），再上传素材，选“这次的成片”或“我的进步混剪”。风格只有到了展台版，才进到成片里。
- S4 想看到进步，想要报告 · P02 → “这次的成片 / 我的进步混剪”
- S5 想展示气质，不是炫技 · P03 P02 → 默认“运动气质”风格
上传 
风格 -
03
看素材
↓4 落差
翻了翻自动集锦，感觉都平平无奇。
痛点 01 · 原片落差
↑8 选叙事风格
六位剧组成员在群聊里按管线顺序看片：先姿态，再球和事件。星探问你要留哪些瞬间。
- S2 自动集锦又慢又不准 · P01 P02 → 带数据的结论都能一键改
“数据不对？改一下” 
@你，第 1 次 -
04
尝试剪辑
↓3 困惑
套了个模板，又删掉，找不到感觉。
↑9 特效生成
然后编剧、特效师、剪辑并行开工。剧组再问一次语气。两个问题都可以跳过。
- 这一步不来自访谈：剧组是 v2 加的，为了把进度条藏起来的过程摆出来。
@你，第 2 次 -
05
放弃 / 将就
↓2 挫败
随便发一条，或者干脆不发。
痛点 02 · 剪辑受阻 不会自己剪，也不满意一键生成的模板（核心设计机会）
↑9 发出去 口头打分；没有人真正发出去
三个出口，存档在前。公不公开，由你决定。
- S1 不好意思公开发 · P01 P02 P03 → 三个出口，存档在前
-
06
发出后
↓3 失落
没几个回应，也没什么下文。
痛点 03 · 社交顾虑
↑10 收到共鸣 口头打分；没有人真正发出去
报告分三部分：高光、要改的、接下来练什么。教练会标明哪些回答“基于你这场”，哪些是“通用建议”。
- S4 想看到进步，想要报告 · P02 → 三段式报告
- S5 想展示气质，不是炫技 · P03 P02 → 报告封面写“坚持”
报告 
教练
设计机会
我们如何让不会剪、怕被骂的业余球员，也敢发出一条符合自己预期的打球短片？
-
痛点 01 · 原片落差
1AI 找瞬间，你来挑
原因 主题 1 · 固定机位画面单调，缺乏个人特征
P01“只用手机拍，机位很有限。”TO-BE ↑8 发现瞬间
星探系统自动标记高光回合，同时坦承识别可能存在偏差；用户可直接采用星标片段，或手动补标关键回合。 -
痛点 02 · 剪辑受阻
2预设视觉风格，支持随时跳过
原因 主题 2 · 自动剪辑总认错，手动精剪又太耗时
P02“自动剪一分钟就出来了，可是不准；我自己剪要三四十分钟。”TO-BE ↑8 选叙事风格
默认匹配“运动气质”风格；生成途中提供两次分镜与文案确认，不愿深究的用户可一键跳过。 -
痛点 03 · 社交顾虑
3弱化公开压力，默认私密存档
原因 担心动作不够标准，在社交媒体平台得到负面评价
P04“如果打得不好，是真的会被人骂的。”TO-BE ↑9 发出去
将“存档留念”设为主操作，“发给球友”与“公开社媒”作为次级入口，贴合业余球员真实的分享习惯。
03系统
向用户敞开算法管线
既然视觉识别难以做到 100% 准确，我们将黑箱流程拆解为可干预的节点，让用户在关键步骤随时修正。每位剧组成员对应管线的一个环节，按运行顺序排列。TennisAtom 的名字就来自这里：AI 导演把一个个原子能力组合成一部影片。
系统设计
1角色分工：两组共六个 Agent，配合三类用户介入
读懂身体 输出姿态、球速与事件数据，并附上识别依据供用户核对
骨骼师 追踪 33 个身体关键点，还原挥拍与步伐姿态
球探 识别网球轨迹，测算球速与落点
星探 检测发球、制胜分等关键事件，初筛高光片段
做出片子 多线程处理分镜、特效与渲染，由用户把控整体视觉基调
编剧 编排分镜脚本，并生成匹配的字幕与话题标签，如：#网球 #坚持打球
特效师 根据选定风格，在关键帧叠加定格、残影等视觉特效
剪辑 合成画面、特效与字幕音轨，导出成片及数据报告
你 三种介入深度
纠偏数据 识别有误的球速与回合数据支持手动修正
把控偏好 挑选高光片段与文案语气，也可直接采用默认配置
选择去向 提供三类保存与分享渠道，默认优先本地存档
2编排逻辑：一次制作怎么跑
姿态
MediaPipe Pose：每帧 33 个关键点，5 帧平滑
骨骼师已跑通
球
TrackNetV2：检测、轨迹与落点
球速不可用：有一次导出最高到 11,673 km/h；没有任何环节测量旋转
球探部分可用
事件
14 类事件检测器，从挥拍开始到击球类型
高光排序还没有打分机制
星探部分可用
特效
定格、残影等六种；ADSR 定时
特效师已跑通
渲染
OpenCV 与 Remotion
视频合成和发布功能还只是占位
剪辑部分可用
适配器
视频：MiniMax、HappyHorse · 报告：Seede · 文案：MiMo
编剧代码在仓库里
基于自建状态机（State Machine）统一调度：按“视觉解析 → 提示词组装（YAML 模板注入比赛数据）→ 多线程生成 → 合成后处理”顺序执行。群聊中各 Agent 的发言次序，严格映射底层管线的真实数据依赖。
采用适配器模式（Adapter Pattern）解耦外部生成服务：更换底层大模型时仅需替换对应适配器，无需改动主干管线。Python 3.11 · Pydantic · FastAPI · asyncio
群聊是按管线顺序写好的脚本。这里每张界面上的演示数字都已遮住。
事件 → 特效
一次挥拍如何决定特效的节奏，出自管线的特效导演模块。
- 挥拍峰值 → 漫画速度线
快起慢落：漫画式爆发 - 高速 + 位移 → 像素残影
持续，跟随速度 - 挥拍开始 → 轮廓粒子
平时低强度，挥拍开始时迸发
04收尾
经历 10 版原型迭代，我是如何逐步厘清人机协同的介入边界的
迭代
转向 1 · 内部评审 全黑箱生成缺乏过程反馈，用户难以建立信任
转向 2 · 深度访谈 提炼 4 项核心痛点信号（S1、S2、S4、S5），确立分步介入机制
转向 3 · 双重评估 24 场认知走查（Cognitive Walkthrough），12 名网球爱好者可用性测试
转向 3：两项测试，三处改动
A · 认知走查
12 位同伴（同学和队友）分四组，每组代入一个人物画像走完流程。做两轮，共 24 场。
B · 可用性测试
12 位业余球员使用高保真原型，边用边说出想法。
测试计划写明的目的：找出所有交互不顺的地方，而不是证明设计是对的。我们记录了卡点、误触、任务耗时和挫败感。
同等分量的按钮太多：大家会犹豫
→ 每屏只留一个主操作，用唯一的橙色按钮之前每一版原型里，你选的风格在成片里几乎看不出来
→ 重做这一环，让选择进到渲染里；不然工具又把故事拿走了，和主题 2 一样教练建议很空泛，比如“好球，随挥再顺一点”
→ 每条回答标上“基于你这场”或“通用建议”
我们没记录每个问题是哪项测试发现的。两项测试都不是对照实验，也没有测试者用自己的素材，或需要决定发不发。
成果
1五部成片，都在展台上播放
01 运动气质 0:32
02 热血燃向 0:45
03 电影质感 1:33
04 首页作品 1:00
05 轻松搞笑 0:48
4做出一部成片少走的步数，按团队自己的统计
五部成片，大部分直接出自管线；展台播放了全部五部。
2展出 · 一场公开展览
- 01 连线区
四个问题，在每根钉子处向左或向右，把观众带到最像自己的人物画像。 - 02 数字孪生
平板上运行的展台版。最后一屏把平板交给下一位。 - 03 实物层
球员的原话写在卡片上，插在锯开的木墩里。
价值
1阿里巴巴：评奖，并接手继续优化
阿里巴巴与同济大学 Q LAB 共同颁发 Best Creation Award；相关产品交给旗下橙狮体育继续优化。
Best Creation Award
信息可视化 2026 · 阿里巴巴 × 同济大学 Q LAB
2三位受访球员：用后的反馈
Vivian P04 · 表达型
之前 公开平台只发一部分
之后 用了我们的平台后，发了不少有风格、有特效的视频，社交媒体丰富了。
老陈 P01 · 记录型
之前 偶尔发朋友圈
之后 开始愿意把做好的片子发给球友，但还不太愿意发到公开的网上。
林夕 P02 · 复盘型
之前 小红书发过，又删了
之后 出简单的脚本和剪辑很方便，省下了不少琢磨怎么发打球视频的时间。
之前见第 01 幕的素材去向；之后为完整产出后的电话回访，由我们转述。
反思
项目初期我们试图做一款“一键生成炫酷集锦”的工具。但实地访谈扭转了方向：业余球员需要的不是替自己炫技的滤镜，而是对成片内容的掌控感。
测试进一步印证了这一点：用户的每次勾选都必须真实改变底层的渲染参数，流于表面的交互反而会削弱信任。
回访中，老陈开始把视频发给球友，但依然不发公开平台。我们也开始意识到，分享意愿存在明显的私密梯度（自己复盘 → 熟人圈层 → 公开社媒），工具的设计应当尊重不同用户的表达边界。
后续延伸 · 2026 年 9 月
项目结束后的重设计，针对“痛点 03 · 社交顾虑”，补充了面向同好圈层的轻量互动与正向反馈机制，并给 TennisAtom 设计了标识，一个原子。三个出口就是它的三种状态。
- 存档
- 朋友
- 公开
参考文献
- Sporthesia TVCG 2022 · 情绪线索可以像物体一样放进视频
- iBall CHI 2023 · 业余球员先“感受”自己的素材，再去“读”它
- SportsBuddy arXiv 2025 · 篮球视频里，多个 AI 角色逐个对象处理；网球领域我们没找到类似的
- Braun & Clarke 2006 · 主题分析
- Flanagan 1954 · 关键事件法
这份记录说明不了的
- 球追踪模块给出的球速不可用，管线里也没有任何环节测量旋转。
- 剧组群聊里的数字是脚本写好的。
- 视频合成、发布和高光排序都还没完成。
- 两项评估都不是对照研究，也没有测试者用自己的素材，或需要决定发不发。
- 四个人物画像是根据访谈综合出的复合形象，不是实证得出的类型划分。
- 2026 年 9 月的重设计是在项目结束后做的，没有经过测试，也没有展出。
AI 使用情况
部分代码（其中包括视觉管线）是借助 AI 编程助手写的，数据分析也有 AI 协助。五部成片用生成式视频工具渲染，本页的插图由图像模型绘制。
详情
- 题目
- 身体的肖像。TennisAtom 是团队做出来的 App。
- 媒介
- 一个带 AI 剧组的 App 概念 · 一条计算机视觉管线 · 一场公开展览
- 技能
- 用户研究 · 交互设计 · 设计系统 · 原型制作 · 计算机视觉
- 工具
- Figma、Photoshop、Illustrator · HTML 原型 · MediaPipe Pose、TrackNetV2、OpenCV、Remotion、Python
展览照片中的球馆标识和观众面部已模糊处理。原型里写进脚本的数字，在每张界面上都已遮住。插图是用图像模型为作品集绘制的；原子标识及其状态出自项目本身。