影石3D时光舱拍下来的楼梯，为什么一抬脚就穿过去

全景视频你已经很熟了：食指按住屏幕左右一拖，画面跟着转，客厅、走廊、窗外，像站在原地转了一整圈头。8月的X6发布会上，影石带出了一个叫"3D时光舱"的功能。我第一次看到生成结果，反应大概和你现在一样：全景视频，加了个滤镜？

打开生成好的场景，区别就出来了。画面左下角多了两个摇杆，一个管走，一个管看；右下角有个"回到起点"。你不是在转头，是在走。从客厅走到餐厅，蹲下看茶几底下，再退到门口回头看整个房间。当年举相机的人站过的位置，只是你的起点。

问题是：一段视频，怎么就变成了一个能走进去的地方？走进去之后，为什么有人发现楼梯走不上去，一抬脚直接穿了过去？

环顾和漫步，差的是一个可以挪动的观察点。

换掉的不是镜头，是你站的位置

这不是滤镜。全景视频和时光舱的差别不在画质，在你能站在哪。全景视频拍得再清楚，你的眼睛也锁死在摄影师站过的那个点上。往左看、往右看可以，往前走一步不行。那一步之外的世界，镜头没拍到，程序也变不出来。时光舱做的，就是把这一步让给你。

有人在博物馆里用它扫了一整组展陈，回来还能移动视角，看房屋结构、内部布置，以及现场没注意到的细节。也有人拍了撒马尔罕的雷吉斯坦，说画质很糊，也做不了多层建筑的模型，"但还是能很立体地保存回忆，真的比平面相机更能让人回到过去"。两句话说的是同一件事。

为什么必须走，不能原地转

用时光舱拍素材，App会先给一张准入单：设备X6、X5、X4 Air；模式必须是全景普通录像；时长30秒到2分钟；分辨率5.7K30帧起步；开了杜比视界或iLog的素材暂不支持。手里囤的旧素材，得先对一遍这张单子。

机型、模式、时长、帧率，App里都写在单子上；"必须移动"是教程反复强调的一条。

为什么非走不可？举着相机原地转一圈，每一帧里的东西位置关系是一样的：沙发一直在那，茶几一直在那，画面之间没有位置差。没有位置差，程序就拿不到一条关键线索：这个东西有多远。你朝前挪半步，近处的东西在画面里挪得多，远处的挪得少。这点差别，就是判断深度的依据。人的两只眼睛也是这么干的，两只眼看同一个东西差出的那一点，就是立体感的原料。

所以那两分钟怎么走有讲究。海外实测的建议是：相机举过头顶，杆子伸出半米，走得比平时慢三成，来回走，相邻两条路线别隔太远；走完一遍再把相机降下来，到要紧的东西旁边绕一圈补细节。用过的用户还补了一条：路线走S形，多换几个视角。你走的不是运镜，是取证。每个站位交上去的一帧画面，都是一份证词。

走一遍的意义：每个站位交上去一帧画面。

等的那一两个小时，云端在画像

上传之后要等一到两个小时。这段时间，云端程序在给房间画像。它把画面拆成几百万个带颜色、半透明、有大小有方向的小粒子，然后一遍遍调：挪位置、换颜色、改大小，直到从你站过的每个位置看过去，拼出的画面都和你当时拍到的那一帧对得上。

这就像一位画家听着几百份证词作画。证人说沙发是灰的、靠左、前面有个抱枕，画家就改，改到每个证人看了都说"对，就是这样"。

这项技术叫3D高斯泼溅，官方说明里写了，App界面上一个字没露，按钮就叫"生成"。粒子的学名叫高斯，就是统计课本里那条钟形曲线的名字；几百万个高斯泼到画面上，就叫高斯泼溅。2023年之前，同类研究走的是神经网络路线，论文里的对照组训练一个场景要48小时，还得4张A100；3DGS出来以后，训练压到40分钟上下。到了2026年，它成了手机App里的一个生成按钮，背后是一家叫Remy的公司，算法接进来只用了三周。

等待的一两个小时里，云在干什么。

画得再像，也没有地板

画像画得再像，也缺一样东西：地板。

海外实测里最出名的失败是楼梯。有人在巴黎街头拍了一段带台阶的场景，重建出来挺像样，可想顺着台阶往上走，一抬脚就穿了过去。原因不难懂：重建结果里没有台阶的实体，你看到的只是一片看起来像台阶的高斯。粒子是画出来"像"的，不是真"在"那里。整个场景没有表面，没有厚度，粒子之间可以互相穿透。你也量不出这个房间放不放得下一张两米的沙发，因为里面没有一个坐标是准的。

漫游的自由拿到了，测量的自由没有。这不是没做完，是这类方法压根不往那儿做：它重建的是"从你看过的每个角度看都对"的外观，不是几何。

顺着这个病根，其他失败也都对得上。天花板飘着一团雾、近处发丝拉丝、远处物体融化，都出在同一个地方：观察角度不够。一个地方你没怎么走到、没怎么看过，证词就不够，那几百个粒子只是恰好从你站过的方向看着像回事，换个方向就露馅。玻璃和镜子最容易翻车：镜子里还有个房间，证词打架，画家两边都想听，画出来就是一团乱。户外开阔的广场缺参照物，同样糊成一片。

所以民间教程的第一条永远是：白天拍，灯全开，慢慢走。翻译一下：给画家多留证词，别让证词打架。