AI 补帧：RIFE 2× 与光流 minterpolate
为什么要补帧
帧率翻倍（比如 30fps → 60fps）在视频创作里是一个常用技巧：
- 慢动作更平滑（24fps 电影通过补帧变 48fps 流畅慢放）；
- 定格动画或时间推移（timelapse）可以更顺滑；
- 游戏录制素材（原神、赛博朋克这类 30fps 游戏）补到 60fps 观感大幅提升。
补帧（Frame Interpolation）的核心思路是：在两个相邻的真实帧之间，用算法合成一到多帧"中间帧"。
ZenConverter 提供两条路线：一条深度学习，一条传统光流。
RIFE 2×：Tencent NCNN Vulkan
RIFE（Real-Time Intermediate Flow Estimation）是清华团队的光流神经网络模型，可以实时做视频补帧。ZenConverter 把它移植到了 Tencent NCNN 推理框架上，用 Android GPU 的 Vulkan 加速。
技术栈
- 模型：RIFE 2×（把帧率翻倍）；
- 推理引擎：Tencent NCNN，GPU 后端走 Vulkan；
- 模型加载：persistent session lifecycle（避免每帧都 reload 模型，减少 IO 开销）；
- 高分辨率自适应：1080p+ 自动下采样到中间分辨率推理，再上采样回原分辨率，减轻显存压力。
为什么标"实验性"
RIFE 路线在 README 里被归为"实验性"，原因是移动端芯片的 GPU 驱动和显存调度差异很大：
- 某些老旧的骁龙 855/865 设备可能不支持 NCNN Vulkan；
- 某些联发科芯片的 Vulkan 驱动有 bug，推理会直接崩溃；
- 显存不够时会触发 Android 的 Low Memory Killer，直接杀掉进程。
如果你的设备 RIFE 跑不起来，应用不会假装成功——会明确报 Vulkan 初始化失败或模型加载失败。
模型下载
RIFE 模型需要从 GitHub Releases 下载（约 XX MB），下载完成后用 SHA-256 校验，确认和官方一致才加载。不需要网络时不能使用 AI 补帧（模型没下载）。
FFmpeg minterpolate 光流 2×（v0.2.4 新增）
FFmpeg 内置的 minterpolate 滤镜也能做补帧，原理是传统光流算法（Sobel + Lucas-Kanade）而不是深度学习。v0.2.4 版本新增了这条路线，作为 RIFE 的补充。
对比 RIFE
| 对比项 | RIFE 2×（NCNN Vulkan） | minterpolate（FFmpeg） |
|---|---|---|
| 引擎 | Tencent NCNN | FFmpeg 兼容路线 |
| 模型依赖 | 需要下载 AI 模型 | 不需要，FFmpeg 内置 |
| GPU 依赖 | Vulkan | 可纯 CPU 跑 |
| 画质 | 深度学习，边缘处更准 | 光流算法，运动模糊或遮挡处有残影 |
| 速度 | GPU 加速很快 | CPU 跑较慢 |
| 稳定性 | 实验性（依赖 Vulkan 驱动） | 稳定（FFmpeg 兼容路线） |
怎么选：设备支持 Vulkan 且你追求画质 → 选 RIFE；设备 Vulkan 有问题或你不想下载模型 → 选 minterpolate。
与视频输出管线的关系
补帧路线独立于视频互转的编码管线：
- 补帧 + 压缩预设：先把视频补帧到 60fps，然后按压缩预设编码输出；
- 补帧 + 高级滤镜：补帧后的视频可以叠加倒放、降噪、镜像等高级滤镜；
- 补帧 + 裁剪：裁剪范围先生效，裁剪后的片段补帧，再编码输出。
已知边界
- 只支持 2× 翻倍：不支持 3× 或其他倍数；
- 大视频耗内存：RIFE 在 4K 视频上可能触发显存压力，应用会自动 downscale 推理；
- minterpolate 有伪影：快速运动场景、物体遮挡、黑白边界锐利处可能出现残影——这是传统光流算法的固有局限，不是 bug；
- 源视频帧率越高效果越差：如果源视频已经是 60fps，补到 120fps 没有实际价值（中间帧都是合成的，不会增加真实细节）。
使用场景
- 电影慢放更顺滑：24fps 电影补到 48fps，慢放时更自然（很多电影机就是拍 48fps 做慢动作）；
- 游戏录制变流畅：手机录制的 30fps 游戏画面补到 60fps，剪辑时观感提升明显；
- timelapse 平滑：间隔拍的照片合成 timelapse 后帧率偏低，补帧让过渡更顺滑。
相关页面
- tmix 时间运动模糊 —— 补帧的伴侣功能
- 手动编码与高级滤镜 —— 补帧后的视频可以叠加其他滤镜