唱歌模式视觉方案

结论摘要

一个已经存在的好基础

她画面底部已经有一条实时歌词——半透明深色底，当前句橙红高亮，上下句灰白小字。 说明她已经有「唱歌模式」的意识和一套能出实时字幕的工具链，本方案的增量成本比从零开始低。 待确认 这条歌词是用什么做的（桌面歌词软件窗口捕获 / 插件 / 其他）， 因为它决定了迁移到 OBS 时这块能不能平移。

现状拆解

画面构成

从投稿封面、歌切与录播反推。录播与直播画面基本一致，因此以下即她的实时画面特征。

已有 · 缺失

工具门槛：她没有门槛

B站第三方推流（OBS）权限门槛为 5000 粉（2025-05-26 起生效，此前为 100 粉）。 她 1.7 万粉，完全满足。已验证 所以她回到直播姬是主动选择，不是被平台卡住—— 真正需要搞清楚的是她当初为什么退回来（见 Q1）。

根因分析

舞台冲击感需要三样东西。她三样都被结构性挡住，而且三者互相咬死。

方向判断：冲击感可能不是正确目标

她的歌单——《接受》《天梯》《月光》《甲乙丙丁》《崇拜》——全是抒情， 整个视觉资产是「温柔、亲密、治愈」。硬上舞台冲击感会与人设正面冲突。

在她这条线上更该追求的是「进入感」：从「在房间里和你聊天」变成「进入她的世界」。 压暗、聚焦、色温转冷就能做到，比彩光更贴她，成本也更低。

效果示意图

全部以她真实的直播画面为底图改造（取自《接受》Cover 投稿的原始帧， 1080×1920）。分两组：竖屏是直播实时能做到的， 横屏是投稿离线精修能做到的——两组的分界就是「能不能替换背景」。

竖屏 · 直播实时线

背景是她原本的房间，只做压暗、调色、加灯，不替换。

竖屏 · 运镜示意

同一张 V3，三个不同的裁切窗口。运镜的本质就是让这个窗口移动，而不是让摄像头移动。

建议一次推近走 30–60 秒。她的画面最大的问题是「静」—— 一个人坐着不动、构图几十分钟不变。加一段缓慢推近，画面立刻就活了， 而且完全不碰脸、不碰肤色、不碰美颜。

横屏 · 投稿离线线

允许替换背景，因此能做出实时做不到的环境。人物偏右、左侧留白给歌名， 左右背景由 outpainting 扩展。

另有一张 3840×2160 的 4K 封面级版本（W4）， 规格同 W1，用于投稿封面。投稿封面是 B站信息流里拉新的第一入口， 它值得单独投入——同一场直播的素材，投稿时能做出直播里做不到的质感。

两条线的能力差别

方案 A · 直播姬简化版

推荐起点 零采购、零迁移、保留内置美颜。今天就能配，用来验证「模式切换到底有没有用」。

可行性依据

直播姬 PC 版支持多场景预设 + 多图层素材（摄像头／图片贴片／视频循环／文本）+ 快捷键切换。 这意味着「聊天场景」和「唱歌场景」可以直接在直播姬里做，不用换 OBS，美颜也保住。

两个场景的配置

素材规格

能力边界

方案 B · OBS 完整版

一个热键触发，构图、色调、背景、遮幅、UI 全部同时切。 能力上限高出方案 A 一大截，代价是必须先解决美颜与 GPU 开销。

唱歌场景的图层结构

• L5歌词条 / 曲名条现有歌词来源 + 曲名文本或 PNG
• L4letterbox 遮幅带 alpha 的 PNG，最上层
• L3假轮廓光层人物遮罩偏移相减得到单侧边缘，着色后 Screen 混合
• L2人物层摄像头副本 → AI 抠像输出 alpha → 美颜滤镜。不加任何调色
• L1背景层摄像头副本 → 色彩校正（压暗、转冷）+ 暗角。脸被 L2 盖住，不受影响

核心手法一：背景单独压暗，脸完全不动

用 obs-backgroundremoval （开源 AI 人像分割）——但不是拿它换背景，而是拿它生成的遮罩做分层： 摄像头源复制两份，一份当背景层加调色，一份当人物层用遮罩抠出来叠上去、不加调色。

结果是背景压暗转冷了，脸的曝光和肤色一点没动。 而且因为背景只是被调暗调色、不是被替换，边缘就算有几像素误差也几乎看不出来—— 这比绿幕换背景的容错率高一个量级。

核心手法二：假轮廓光

光的方向严格说软件做不出来，但可以骗，而且效果不差：

1. AI 抠像得到人物遮罩
2. 遮罩往一个方向偏移几像素（例如 x+6, y-6）
3. 偏移后的遮罩减去原遮罩 = 单侧边缘环
4. 边缘环着色（暖橙或冷蓝）+ 高斯模糊约 4 px
5. 以 Screen 混合模式叠回人物层上

用 obs-shaderfilter 写一个 shader， 或者用遮罩 + 模糊 + 混合模式硬凑也行。 关键是第 2 步的偏移——不偏移就是均匀发光一圈，一眼假；有了方向才骗得过， 尤其在背景已经压暗的情况下。

色调差异

一键控制

「一键」这个诉求本身就把方案推向 OBS：直播姬的快捷键只能切它自己的场景、没有对外 API； OBS 有 obs-websocket，才是能当总控的那个—— 未来要联动伴奏、点歌队列，甚至一盏灯，都挂在这一层上。

overlay 与运镜

这两项来自对西野柚子直播回放的拆解，因此是实时可做的， 不是后期效果。已验证

overlay

素材格式：静态用带 alpha 的 PNG；动态用 webm（VP9 + alpha）—— OBS 媒体源原生支持带透明通道的 webm，这是做动态 overlay 的标准格式。

运镜

在高分辨率源上开一个输出尺寸的裁切窗口，让窗口动，而不是让摄像头动。

• A裁切窗口动画4K 源内开 1080×1920 窗口，用 Move 插件做关键帧动画，绑定场景切换或热键。画质无损。最佳方案
• B多机位跳切预设 3–4 个不同裁切的场景，热键切换。直播姬也能做，但只能跳切，没有连续运动
• C呼吸式缩放对源做 100%→105% 慢速循环缩放。1080p 源也能做，画质损失肉眼不可见。降级方案

参数建议

音频驱动

Move 插件的 Audio Move 能把音频电平直接映射到源的变换值—— 画面跟着低音微微推近。比固定节奏的运镜自然，而且完全自动，不占她的操作。

能力对照

一句话概括：直播姬能做「贴纸 + 跳切」，OBS 能做「光 + 运动」。

地基 · 美颜方案

直播姬内置美肤滤镜、五官微整（瘦脸／大眼）、一键美妆，OBS 原生一个都没有。 对颜值向唱见来说美颜是刚需不是加分项，这一条是整条 OBS 路线的地基。

分步路径

核心原则：先验证假设，再上工程量。每一步都有明确的退出条件。

1. 验证「模式切换有没有用」 在直播姬里配方案 A（构图 + UI 清空 + 遮幅 + 曲名条），一场试 2–3 首歌。 零成本零风险。
   退出条件：看弹幕反应、唱歌段的留存与礼物。没有可感知的变化就停在这里，不要继续投入。
2. 解决地基 确认 Q1 的答案。若是美颜，跑通一个 OBS 美颜方案并让她本人认可效果；同时确认 GPU 能不能扛。
   退出条件：美颜达不到她的标准，或 GPU 扛不住 → 永久留在方案 A，不要硬迁。
3. 迁到 OBS 做完整版 背景分层压暗 + 假轮廓光 + 色调差异 + 一键热键。这一步拿到软件能给的全部效果。
   退出条件：推流稳定性下降、她操作负担变重 → 回退。
4. 要真正的立体感才加灯 一支轮廓光，接进已经搭好的 obs-websocket 总控。 灯的一键控制并不复杂（见下），别把它当作不可能。
   触发条件：前三步做完，仍觉得「不够立体」才做。

补充：物理灯的一键控制没那么复杂

一旦用了 OBS + websocket，接一盏灯的边际成本很低。建议先不做，但不要因为「要连物联网」就排除它。

补充：让灯进虚化区（她的独有优势）

如果最终决定加灯，把 RGB 灯棒藏在背景景深里而不是打人。 大光圈会把灯化成柔和的大色块光斑——同一支便宜灯，别人拍出来是廉价彩光，她拍出来是高级光斑。 唱歌时改灯色，背景就变了，零抠像风险、零画质损失。

待确认清单

调研的缺口全在这里。这几个答案会直接改变上面的方案排序，建议先问完再动手。

1. 当初为什么从 OBS 回到直播姬？ 美颜 / 卡顿 / 太麻烦 / 掉帧。最关键的一题——决定整条路线怎么走，以及美颜地基的优先级。
2. 摄像头是什么型号，输出多少分辨率？ 微单 + 采集卡 / 网络摄像头 / 手机。现在是优先级最高的一题—— 构图切换和运镜都依赖 4K 源的裁切余量，只有 1080p 的话两条会一起废掉， 只能退到呼吸式缩放。
3. 电脑配置，特别是显卡？ 决定 OBS 美颜插件 + AI 抠像 + shader 能不能同时跑而不掉帧。
4. 现在有几盏灯、什么型号、能不能调色调亮度？ 决定第 4 步加灯时是买新的还是改现有的。
5. 唱歌时是坐着不动，还是会站起来或换位置？ 决定固定构图的两套裁切是否够用。
6. 底部那条实时歌词是用什么做的？ 桌面歌词软件窗口捕获 / 插件 / 其他。决定迁到 OBS 时这块能不能平移。
7. 她自己想要什么感觉：更亲密，还是更有舞台感？ 这两个方向相反。她全部视觉资产都是「温柔亲密」，突然上舞台彩光会与人设打架。 这题必须她本人定，不能替她决定。

附录 · 对标

做得最好的样本：西野柚子（B站 VTuber）

本轮调研看到的最完整的实现。同一个模型，聊天一套画面，表演另一套， 而且一首歌一套视觉——下面三张分别取自三个不同场次。

可以搬到真人身上的

横向扫描的结论