lottie-mini 压缩工具的工作原理
把 70 MB Lottie 文件压成约 800 KB 等价物的技术管线讲解——全程在你的浏览器里完成, 没有任何服务器参与。这篇文章记录了设计选择、什么跑在哪里、以及每个选择为何重要。
阶段 0:读取文件
用户把 .json 或 .lottie 文件拖入页面。 纯 JSON 文件用 File API 的 readAsText 读成字符串,然后 JSON.parse。.lottie 的情况更有意思:它是标准 zip 归档, 我们用 fflate 库在浏览器里解压——一个 6 KB 的纯 JavaScript zip 实现,无原生依赖。 我们提取第一个 animations/*.json 条目,这是动画本体, 并保留原始 buffer 以便用户想要 .lottie 输出时能重新打包。
阶段 1:识别可压缩资源
拿到 JSON 后,我们遍历顶层 assets 数组。 每个内嵌图像条目的 p 字段以 data:image/ 开头。 我们只动这些条目——子合成资源原样透传。
对每个图像资源我们提取:MIME 类型(从 data URL 头)、base64 载荷长度(代表这个资源在 JSON 里的字节成本)、 以及二进制解码后长度(base64 解码后的实际图像大小)。 Inspector 页面的资源表按第一个数字排序,因为那才是真正决定 JSON 体积的。
阶段 2:抽帧
在重编码单帧之前,我们可选地按可配置的步长抽帧。步长 2 保留每隔一帧(60 fps 变 30 fps); 步长 3 保留每三帧之一(60 变 20);步长 4 保留四分之一。 这是整个管线里杠杆最大的旋钮,因为抽帧不仅减少了编码工作量, 还按比例减小了文件体积,而且没有单帧画质损失。
代价是我们必须重写动画时间轴,让播放时序保持正确。 Lottie 格式在每个图层上有 ip(起始帧)和 op(结束帧)值, 外加每层的 st(开始时间)。抽帧意味着幸存的帧播放速度比原定快, 除非我们调整这些值。我们的管线按步长的倒数缩放它们。
阶段 3:PNG 解码
对每个幸存的图像资源,我们从 data URL 切出 base64 载荷、解码成 Uint8Array, 通过 createImageBitmap 加载到 OffscreenCanvas。 这一步在 Web Worker 里跑,这样主线程在(可能很慢的)解码数十张大 PNG 时保持响应。
OffscreenCanvas 在现代浏览器里支持良好(Chrome、Edge、Firefox、Safari 16.4+)。 旧浏览器我们回退到主线程上的普通 HTMLCanvasElement——慢但能用。
阶段 4:WebP 编码
解码后的像素数据然后被重编码为 WebP。我们打包了 Google 官方 libwebp 编码器的 WebAssembly 构建。 为什么用 WebAssembly 而不是浏览器内置的 canvas.toBlob("image/webp")?两个原因:
- 质量参数控制。不同浏览器对
quality参数的解释不一致。 有些映射到 libwebp 的 "method" 参数,有些映射到自定义启发式。直接打包 libwebp 给我们确定性输出。 - Alpha 处理。Lottie 内嵌 PNG 经常带 alpha 通道。 浏览器编码器在 alpha 上有历史 bug(特别是无损模式),libwebp 没有。
编码器以用户可选质量 30–100 运行(默认 75)。质量 75 通常相对源 PNG 减少 80% 体积, 且对动画帧的画质几乎无差异。质量更低压缩更多,但 50 以下开始在硬边出现振铃伪影。
阶段 5:重新内联
输出的 WebP 二进制被重新 base64 编码,组装成新 data URL(data:image/webp;base64,...)。 原始资源的 p 字段被替换为这个新 URL。 如果资源的 MIME 类型改变了(PNG → WebP),我们也更新资源条目里的任何嵌套类型提示。
阶段 6:时间轴收尾
所有幸存帧重编码完毕后,我们对图层树做最后一遍,把抽帧缩放应用到ip、op、st,以及任何时间映射关键帧。 合成的顶层 op(总时长)也调整,让动画跑出与原始相同的墙钟时长。
阶段 7:序列化与下载
修改后的 JSON 用 JSON.stringify 序列化。.json 输入, 我们包成 Blob 并提供下载。.lottie 输入, 我们用 fflate 重新打 zip,替换原动画条目,同时保留 manifest 和任何同级图像文件, 然后把那个 zip 作为 .lottie 下载提供。
故意不动的部分
我们刻意不碰:
- Bodymovin 表达式——这些是绑定到属性的类 JavaScript 代码块。 压缩它们有静默破坏可交互动画的风险。
- 形状层几何——矢量数据基本免费。 为边际字节收益去碰它们,有视觉退化的风险。
- 图层顺序或命名——播放器有时按图层名做运行时定位(比如颜色主题化)。 我们保留原树完全不动。
这种保守范围正是为什么 lottie-mini 的输出能直接落入现有播放器,无需配置改动。 压缩后的文件对市面上所有 Lottie 播放器看起来都和原始文件完全一样——只是更小。
为什么完全在客户端?
服务端压缩按字节算更高效(无 JavaScript 开销、无 WebAssembly 间接、无浏览器安全边界)。 我们还是选客户端,因为:
- 机密性。许多人想压的 Lottie 文件是未发布的品牌资产。 上传到任何地方都引入操作员可能无权接受的风险。
- 无大小限制。服务端需要上传带宽;非常大的文件会超时或在网关被拒。 浏览器内处理没有这种天花板。
- 无基础设施成本。站点是静态导出,托管在 Vercel 免费层。 没有计算费用要付,没有限流要执行,没有配额要管。
收益量化
典型的 70 MB Lottie 文件,内嵌 PNG 帧,质量 75 和步长 2:
- PNG → WebP q75:70 MB → 约 14 MB(位图字节减少 80%)
- 抽帧 2:14 MB → 约 7 MB(帧数减少 50%)
- 矢量 + 结构数据:约 50 KB,不变
- 总计:70 MB → 约 7 MB(保守设置)
用"极小"预设(质量 70、步长 2、目标宽度 600 像素)同一文件通常落到 1 MB 以下——70-100× 压缩。
源代码
压缩核心位于开源仓库 github.com/Alex92908/lottie-mini。 web/lib/lottie-compress.ts 文件包含主管线; 同样的逻辑也以 Python + PyQt6 桌面 GUI 打包在同一仓库里,适合批量处理。