Flame 的 Inference 节点适合放在一个可替换的后期试验分支里。它可以加载 ONNX 模型或 Flame inference 文件，把模型输出接回节点图。团队需要自己准备模型并验证结果，节点本身没有一套可以直接套用的默认模型。使用方法的重点在于输入、版本和输出都可追溯。
先确认模型和平台
当前文档说明，模型初始化可能需要几分钟。macOS 支持 CPU，Rocky Linux 可以按实际配置使用 CPU 或 GPU。不同平台、软件版本和模型文件不能互相替换，开始前应先核对当前安装版本和模型要求。
Flame 2026.2 的机器学习资料列出 Morph、Timewarp、Upscale 和 AutoMatte 等模型类别。可用项要以具体版本和平台文档为准，文章中不能把这些名称理解成所有机器都能直接调用的现成功能。若模型加载失败，先检查文件、路径和版本关系，再判断是否需要换平台。
把模型放进可回退的分支
建议先复制一个短镜头，在原片之后建立独立的输入预处理和 Inference 分支。原始素材、预处理结果、模型文件、节点参数和输出都保留独立版本，方便比较模型前后的变化。这样做还能在结果不符合要求时回到传统节点，不会破坏原有工程。
预处理阶段要记录画面尺寸、裁切、颜色处理和帧范围。Inference 阶段再确认输出通道是否接到了正确的下游节点。只要输入尺寸或颜色设置发生变化，就需要重新验证，不能直接沿用上一段的结论。
短镜头先看四件事
批量处理前，先用具有代表性的短片段检查以下结果。
- 边缘是否出现断裂、抖动或不自然的软化
- 纹理和细节在连续帧里是否稳定
- 播放整段时是否出现闪烁、跳变或时间错位
- 关闭工程后重新打开，能否得到相同的输入和输出
单帧看起来干净，并不能说明序列可以交付。应把原片、模型输出和人工修正放在同一时间线上回看，再决定是否扩大到更多镜头。修正过的帧要记录原因，后续换模型或换版本时仍能找到依据。
研究案例不能替代当前验证
归档文章中的个人去龄实验属于 2020 年的探索案例，使用了当时的版本、数据和人工调整。它可以帮助理解艺术家如何把机器学习放进 Flame，却不能当成今天产品的统一输出标准。当前项目要以本地短样和官方版本文档为准。
ONCE 自有片场画面放在这里，用来说明协作和回看场景，不代表 Flame ML 节点的处理结果。
进入批量前要留下什么
至少保留原片、模型文件、版本信息、输入预处理、节点参数、测试片段、人工修正和最终输出。模型初始化时间、平台差异和驱动要求要在自有机器上测量。只有当结果稳定、工程可复现并且保留手工回退路径，机器学习节点才适合进入正式镜头流程。
资料核对
- Autodesk Inference node
- Autodesk Flame 2026.2 configuration and ML support
- Autodesk Flame help
- 研究种子 0930 Machine learning in Flame
