Sega CD《Silpheed》的艺术与工程

上世纪90年代是家用游戏机技术突飞猛进的十年https://fabiensanglard.net/silpheed/arch_b.png。每一代新机都在算力与画质上实现了实打实的突破，没有半点妥协。

但90年代中期CD-ROM光驱的普及，却是个颇为反常的插曲。尽管CD-ROM拥有640MiB的存储空间，是传统卡带的320倍https://fabiensanglard.net/silpheed/arch_sprites.png，但它800毫秒的读取延迟……

世嘉Mega-CD是为Genesis主机打造的CD-ROM扩展设备，平台累计推出了近200款游戏https://www.youtube.com/watch?v=v-1-5M3M1po，其中不乏佳作，而《Silpheed》绝对是最耀眼的那一个。它凭借精湛的美术设计和惊艳的动画引擎，当时就引得媒体疯狂报道。

或许有人对此不以为然，但请别忘了：这些近乎全屏的过场动画，是在主频仅12.5MHz的m68k处理器上运行的，仅用16色，数据传输速率为150KiB/s。扣除16位16kHz的音频占用后，每秒15帧的视频流，每帧仅能分配到8KiB的存储空间。

过去两周，我利用业余时间逆向解析了《Silpheed》的FMV（全动态视频）格式。这和我以往的工作模式截然不同——全程没写一行代码。下个月我可能会分享自己开发的AI框架并开源，但这次的逆向工作体验着实令人愉悦。

以下是我的研究成果。如果想先熟悉相关内容，看看所有过场动画和游戏背景视频，可以查看我用自研工具制作的分镜脚本（说是“制作”而非“编写”更准确）。

在深入解析《Silpheed》视频格式的优化技巧前，我们得先了解世嘉Genesis与Mega-CD的协同工作机制。

GENESIS │ MEGA-CD
│
┌──────────────────────┐ │ ┌───────────┐ ┌──────────┐
│ MC68000 7.67 MHz │ │ │ WORD RAM │ │ MC68000 │
│ │ ┌───┴──────┐ │ 256 KB │ │ │
│ 64 KB RAM ◄──┤Expansion ├────────►───────────┤ │ 12.5 MHz │
│ │ │ Port │ │PROGRAM RAM│ │ │
│ 8 KB Audio RAM (Z80) │ └───┬──────┘ │ 512 KB │ │ │
└──────────┬───────────┘ │ └─────┬─────┘ └─────┬────┘
│ │ └──────────────┬─────┘
┌─────┴──────────┐ │ │
│ │ │ ┌───────┐ ┌────┴────┐
┌────▼──────┐ ┌─────▼─────┐ │ │ Ricoh │ │ ASIC │
│ VDP │ │ Z-80 │ │ │ PCM ├─────┤ GFX │
│ ┌───────┐ │ │ YM2612 │ │ └───┬───┘ └────┬────┘
│ │64KVRM │ │ │ SN76489 │ │ │ │
│ └───────┘ │ │ │ │ │ │
└─────┬─────┘ └──────┬────┘ │ │ │
│ │ │ │ ┌───────┴──────┐
│ │ ┌──┴──────┐ ┌────▼────┐ │ CD-ROM │
│ └───┤RCA Cable├─────────► MIXER ◄─┤ DRIVE │
│ └──┬──────┘ └────┬────┘ └──────────────┘
│ │ │
┌────▼────┐ │ │
│ TV ◄──────────────────┼─────────────────────┘
└─────────┘ │

加装Mega-CD后，整套设备就变成了两个并行运行的系统。Mega-CD端负责PCM音频与CD播放，直接连接混音器⟦10⟧；还搭载了具备图形加速功能（旋转/缩放等）的ASIC芯片，性能足以对标《马里奥赛车》这类游戏。两个系统通过共享内存（扩展端口）与模拟音频混音实现通信。

了解这套机制后，我对Mega-CD开发者的敬佩更甚以往——这简直是个开发噩梦，尤其是系统同步问题，处理起来难度极高。

Mega-CD系统仍通过三层画面输出到电视：其中两层是由图块构成的背景层（A层和B层），另一层是包含精灵的前景层。

副CPU（m68k）负责绘制背景B的图块与图块映射表；主CPU则负责绘制包含HUD（抬头显示）的背景A层，以及前景精灵层。

副CPU采用双缓冲机制，以L1模式在Word RAM中渲染画面：当一块缓冲被主CPU送入VDP（视频显示处理器）时，副CPU就在另一块缓冲中渲染下一帧。

音频方面，非交互式过场动画仅使用Mega-CD的Ricoh芯片生成PCM级别的音乐；而在交互场景中，Ricoh芯片仅偶尔用于播放PCM音频采样，音乐主要由Genesis的YM2612芯片负责。

初代Genesis（Model 1）的音频链路设计极为复杂：必须用一根“混音线”，将Genesis正面的耳机插孔与Mega-CD背面的RCA输入接口物理连接。Mega-CD会将输入的音频信号与自身的CD-DA（CD数字音频）+PCM信号混音，再通过另一根RCA线直接输出到电视。

多数FMV游戏画质糟糕，是因为开发者采用了“自上而下”的思路——试图用性能孱弱的CPU，把真实电影塞进容量有限的CD-ROM。为此，他们不得不缩小画面尺寸、忍受严重的压缩失真，还得用令人不适的抖动效果。

而Game Arts开发《Silpheed》时反其道而行之，采用了“自下而上”的思路：从硬件的性能限制出发，向上推导设计方案。他们做出了精准的取舍：采用平面着色多边形、仅用16种颜色、放弃高洛德着色、尽可能减少抖动效果。

当然，这一思路能成功，离不开Game Arts团队里才华横溢的美术师——正是他们在有限的条件下（尤其是16色的限制），将视觉效果做到了极致。

同期的PC-CDROM游戏则是另一番景象。得益于性能更强的CPU（如DX4-100），它们能使用更出色的编码技术。一些资金充足的大作，比如《命令与征服》https://www.youtube.com/watch?v=v-1-5M3M1po、《十字军：无悔》https://www.youtube.com/watch?v=rUnvNTvHMnQ、《银河飞将3》https://www.youtube.com/watch?v=uhPlK6yOT3g（足足4张CD！），就借助FMV极大地提升了叙事表现力。

FMV的核心问题本质是带宽问题：数据需从CD-ROM读取，经处理器解压为图像，再输出到屏幕最终显示在电视上。而Mega-CD在这三个环节的表现都不尽人意。

初看之下还有另一个难题：由于没有帧缓冲，渲染必须遵循一套繁琐的流程——先绘制768个8×8像素的图块，再通过图块映射表（Genesis术语中通常称为“名称表”）将这些图块以32×28的布局排列，最终形成256×224像素的画面。

降低带宽最直接的方法是缩小视频尺寸。《Silpheed》也用到了这一技巧，但幅度很小：仅将画面顶部和底部各一行图块设为黑色（共16行）。这反而营造出了电影般的宽屏比例，看起来更像是一种艺术设计。

第二种降低带宽的方法是降低帧率。《Silpheed》主要采用15fps的帧率，复杂场景则会降至7.5fps。

最后一种方法是压缩。在这方面，过场动画与背景视频的处理方式有所不同。

《Silpheed》并未采用帧间差分压缩，视频中的每一帧都是独立完整的——每帧都包含所需的全部图块，以及用于布局的图块映射表。

这么看似乎完全没有压缩，但恰恰是这套繁琐的图块映射系统，为优化提供了巨大空间。以“游戏开始”过场中的第44帧为例：

如果给画面加上8×8像素的网格，就能发现图像的一个特点：大量图块是纯色的。

《Silpheed》的视频格式充分利用了这一点：编码器在一帧中仅存储15种纯色图块各一份，之后在图块映射表中反复引用它们。在这一帧的896个图块中，有456个都引用这15个纯色图块，直接节省了50%的带宽。

剩下的图块则包含多种颜色，针对这些图块，《Silpheed》也有优化技巧。

处理完456个图块后，还剩440个（见下图）。其中一部分图块有个共同特点：仅由两种颜色构成。

Mega-CD的ASIC芯片具备强大的图形处理能力，最知名的就是旋转与缩放功能（足以对标超级任天堂的《马里奥赛车》）。还有一个鲜为人知的功能叫“字体位”⟦11⟧，如其名所示，原本是为了快速渲染双色汉字/文本。通过3字节的数据，字体寄存器可生成16个半字节（即8字节），对应8×8图块的完整两行。具体原理如下：

用3字节生成16个半字节（8字节），相当于在第一轮优化的基础上，又节省了37%的带宽，还省去了CPU用于掩码写入半字节的时间。

上图左侧的234个双色图块，就是通过ASIC的“字体寄存器”生成的；右侧剩下的206个图块，则以8×8“原始”半字节的形式存储在帧数据中。

每帧的图块映射表同样经过压缩。正常情况下，768个图块位置需要占用768×10比特=960字节。压缩方案利用了图像的另一特性：图块映射表中的图块索引呈线性递增（如下方8×2的映射表所示）。

0 1 2 3 4 5 6 7 8 9 A B C D E F

映射表被存储为768比特的位图（96字节），其中0表示“自动递增”，1表示“读取立即值”。实际应用中，这一技巧将存储空间需求降低了近30%（96字节位图+556字节数据=652字节）。

查看分镜脚本就能发现，第一关和第十关包含复杂纹理（开发者在采访中称之为“分形纹理”）。这些画面极难压缩，因此所有图块都采用原始格式存储，没有使用任何优化技巧，只能通过将帧率降至7.5fps来满足带宽要求。

观察实际游戏画面还会发现，激光和爆炸效果并非纯色，而是多彩的。实现这一效果的方法是：在调色板末尾预留4种颜色，由主CPU（m68k）每帧对其进行偏移。

这也意味着，美术师在设计游戏关卡时只能使用12种颜色（过场动画则可使用全部16种颜色，因为其中没有激光效果）！