在树上写诗：把一个诗意的瞬间，做成产品

你可以把摄像头对准一棵树。网页先拍下一帧画面，辨认树干和枝条，再沿着结构放置小点。文字和颜色随机排序在小点上，变成叶子。手指划过屏幕，叶子散成鸟，从枝头飞走。 很多朋友在报名活动的时候，都夸了一句「审美好好」。这个产品「在树上写诗」，它没有从完整的艺术命题开始，也没有先学一套编程语言。起点是几项现成技术、一棵没有叶子的树，以及一个很小的念头：既然冬天不长叶子，那就在屏幕里加上去。 找到生活里，技术的运用场景 在做这棵树之前，小怪先接触了 MediaPipe。它能识别手、身体和面部，把手掌拆成一组关节点，再为每个点生成坐标。有人用它翻译手语，有人用手势控制音乐节奏、旋律和画面效果。她想使用这项技术，一直在找合适的场景。 随后，她在社交媒体上看到粒子交互。屏幕上的点会受到鼠标排斥，向四周散开，再回到原位。她顺着作品查到实现方式，发现复杂效果背后有两组关系：网格与鼠标，粒子与光标。 波兰的冬天，树枝光秃秃的。小怪看着窗外，觉得冷清，便想给树手动添上叶子。MediaPipe 可以追踪手指，P5.js 可以控制粒子。三者合在一起，树叶变成可移动的点，指尖取代鼠标，原本抽象的交互落进一棵真实的树。 这种路径与常见的创作顺序相反。先有技术，再找场景，并不意味着作品由技术支配。技术只提供动作，生活经验决定动作落在哪里。手语翻译有明确用途，手势 DJ 有表演效果；到了这件作品里，同一套骨架识别只负责一件事：让冬树短暂长出叶子。 把诗意拆成计算机能执行的规则 摄像头打开后，网页先截取一张图片，判断画面里是否有树，再识别主干和枝条。小怪为叶子设定分布：主干周围密一些，部分枝梢多一些，其他位置稀一些。用户输入文字和颜色后，每个字会随机落进叶片。 手势识别负责下一层变化。MediaPipe 将指尖标成一个坐标，这个坐标进入粒子附近，触发排斥动作。树叶随即散开，并用鸟的图形替换原来的形态。离开触发范围后，它们缓慢回到原位。 「树叶变成鸟」听起来像一句诗，交给计算机时却需要一组明确选择：什么东西是叶子，叶子分布在哪里，手指靠多近才触发，鸟向哪个方向飞，扩散多快，飞多远，是否回来，多久回来。 这也是艺术家使用ai写代码时最关键的一步。艺术家不必先解释「我要在树枝上挂哪些照片」，可以先把照片、文字、叶子和鸟都当作占位点。点的位置、数量和运动规则确定后，内容再被放进去。声音也可以成为一个点：手指碰到它时播放音频，或让声波变成可见的线。照片、文字、图像和声音由此进入同一套交互结构。 所谓把灵感翻译给计算机，并不是改用技术术语说话，而是像画素描前打形：先确定位置和关系，再补材料与细节。感觉负责给出方向，规则负责让它发生。 创作者决定什么值得保留 原型在 Google AI Studio 里完成。小怪先写下需要的技术和效果，让 Gemini 生成可以直接预览的网页。整个项目有三个核心部分：识别树枝、识别手势、控制鸟的运动。 树枝识别调用图像接口。照片上传后，模型判断树和枝条的位置，再把结果传回网页；手势识别接入 MediaPipe；鸟的运动则建立在一段 P5.js 粒子代码上。原代码用鼠标排斥粒子，她将鼠标换成指尖，又调整排斥半径、扩散速度、飞行范围和返回速度。 真正写出原型只用了一两天。短时间完成并不等于作品自动完成。AI 能接起接口、生成代码和修补错误，却不会替创作者决定枝头该有多少叶子，也不会决定叶子为什么要变成鸟。每一次微调都在让画面接近脑中的感觉。 开源让重技术变成个人材料 像MediaPipe一样的技术模块，背后需要数据采集、人工标注、算力和长期训练，个人很难独立完成。开源项目把这些成本封装成可以调用的模块。艺术家不必重做底层识别，只需把已有能力接入新的关系。 这改变了创作的起点。过去，手势识别可能属于实验室或大型团队；现在，一个人可以在周末把它接到网页里。P5.js 的教程、创作者公开的代码、展览里的实现线索，也构成另一层基础设施。看到一个作品后，可以继续追问它怎样运行；博主没有教程时，也可以留言或私信询问。 艺术细胞是怎么被培养的 @小怪 和 @爽Marsha 都说，每个人身上都有些艺术细胞，只需要做自己。