开篇：为什么一定要把 CATIA 模型做成视频
在方案评审室，客户不会等你慢慢旋转模型；在远程汇报里，静态截图又很难讲清装配关系。一段 30 秒的 CATIA 模型视频，能把复杂的运动副、间隙配合、维修路径一次性讲透，既节省返工，也减少差旅。把“三维设计”转成“动态展示”，本质上是把技术语言翻译成决策语言，让非 CAD 用户也能秒懂。
——这就是今天想聊的：用 Python 把 CATIA 自动“录屏”，一键生成高清演示视频。
痛点盘点：手动录屏的四大坑
效率低
工程师一边拖动鼠标一边录，3 分钟视频往往要拍十几次，后期还要剪。大型装配体卡顿
超过 5 万个零件的装配，手动旋转时帧率掉到个位数，录出来像 PPT 翻页。镜头运动不流畅
人手拖动无法保证匀速，客户看着“晃晕”，注意力全在画面抖动，不在产品。版本差异
同事用 R2020 录的宏，到你 R2022 就打不开，脚本一升级全报废。
技术路线对比：CATIA 动画模块 vs Python 自动化
| 维度 | CATIA 自带动画 | Python + CATIA API |
|---|---|---|
| 批量生成 | 手动逐条 | for 循环一键出片 |
| 镜头精度 | 关键帧靠眼估 | 贝塞尔曲线数学插值 |
| 大模型 | 容易崩 | LOD+多线程，帧率稳 |
| 后期合成 | 额外导入 PR | 直接 ffmpeg 编码 |
| 可维护性 | 版本绑定 | 源码可控，Git 管理 |
结论：动画模块做“创意广告”够用；做“工程汇报”还是脚本靠谱。
核心代码：从 0 到 1 的自动化脚本
以下代码基于 Python 3.8，依赖库：pywin32,numpy,scipy,opencv-python,ffmpeg-python。CATIA 必须运行在 Windows 且已注册 COM 接口。
1. 启动 CATIA 并获取文档对象
import win32com.client as win32 import time, os catia = win32.Dispatch('CATIA.Application') catia.Visible = True # 方便调试，生产环境可 False docs = catia.Documents prd_root = docs.Open(r"D:\assy.CATProduct") # 装配体路径2. 贝塞尔曲线生成相机路径
from scipy.interpolate import splev, splrep import numpy as np def bezier_cam_path(p0, p1, p2, p3, n_frames=900): """ p0~p3: 4 个 3D 坐标点，控制相机位置 return: (n_frames, 3) 数组 """ t = np.linspace(0, 1, n_frames) # 三次贝塞尔公式 path = (1-t)**3*p0 + 3*(1-t)**2*t*p1 + 3*(1-t)*t**2*p2 + t**3*p3 return path示意图：
（图中绿色点为控制点，红色曲线为相机中心轨迹，蓝色箭头为 Look-At 向量）
3. 逐帧渲染与多线程分发
from concurrent.futures import ThreadPoolExecutor import cv2 def render_one_frame(i, cam_pos, look_at): # 设置相机 cam = catia.ActiveWindow.ActiveViewer.Viewpoint3D cam.PutOrigin(cam_pos) # 相机位置 cam.PutTargetPoint(look_at) # 目标点 catia.ActiveWindow.ActiveViewer.Update() # 高分辨率截屏 tmp_png = f"tmp/frame_{i:05d}.png" catia.ActiveWindow.ActiveViewer.CaptureToFile(tmp_png) return tmp_png n_frames = 900 positions = bezier_cam_path(...) # 上文函数 with ThreadPoolExecutor(max_workers=6) as pool: tasks = [pool.submit(render_one_frame, i, pos, target) for i, pos in enumerate(positions)]4. 视频编码
import ffmpeg ( ffmpeg .input('tmp/frame_%05d.png', framerate=30) .output('catia_demo.mp4', vcodec='libx264', crf=18, pix_fmt='yuv420p') .run() )至此，一杯咖啡的功夫，900 帧 4K 视频自动出炉。
性能优化：让大装配也能跑满 30 fps
内存管理——LOD（Level of Detail）
在 CATIA 里调用Part.Tessellation对象，把公差从 0.01 mm 放宽到 0.1 mm，三角面片数立减 60%，显存占用腰斩。GPU 加速对比
- Quadro P2200：驱动对 CAD 有专属优化，但 CUDA 核心仅 1280，4K 帧率 12 fps
- RTX 4070：CUDA 5888 + NVENC 硬编，同场景 4K 帧率 28 fps
结论：纯渲染管线吃 CUDA 数量，RTX 游戏卡性价比反而更高。
多线程阈值
线程数 ≤ 物理核心 *1.2，超线程对 OpenGL 上下文切换收益有限；经验值 6 核 12 线程机器开 8 worker 最稳。
避坑指南：血泪踩出来的 5 个细节
中文路径
CATIA COM 接口对 Unicode 支持老旧，输出目录务必英文，否则CaptureToFile直接返回E_FAIL。版本兼容
录制宏时把“引用库”改成最低目标版本（如 R19），高版本向下兼容，反之不行。视频编码
甲方要 PPT 嵌入时选 H.264 + AAC，封装 MP4；如果继续后期合成，优先 PNG 序列 + ProRes 422，防止二次压缩。64 位进程
Python 一定用 64 位，与 CATIA 保持一致，否则 COM 调用会随机闪退。显存监控
每渲染 200 帧调用nvidia-ml-py检查显存，剩余 <500 MiB 时主动gc.collect()，防止 OOM 导致 CATIA 崩溃。
未来一步：把视频搬进 VR 头显
视频是线性播放，VR 才带自由度。下一步，如果把贝塞尔路径改成 6DoF 轨迹，导出 FBX+Omniverse，就能在 Quest3 里手势拆解装配。问题是：
——在 VR 里，用户想“伸手抓零件”时，CATIA 的 B-rep 数据如何实时串流到 Unity？
欢迎一起思考，也许下一篇就写它。
写在最后
把上面的脚本跑通后，我最大的感受是“可控”：
镜头节奏、分辨率、压缩码率，甚至相机光圈，都能写进代码里版本管理。再也不用半夜三点还在屏幕前手动旋转模型。
如果你也想试试“让 CATIA 自己演自己”，不妨到火山引擎的从0打造个人豆包实时通话AI动手实验逛一圈。虽然实验主打语音对话，但里面关于 Python 调用大模型、多线程任务编排的思路，和本文的批量渲染脚本异曲同工，对工程自动化同样受用。
小白也能顺利体验，我亲测半小时就跑完官方 Demo——把 AI 和 CAD 串起来，也许下一个提效 10 倍的点子就在你手里诞生。
