patch-gg/anymove

这是一套能跑通的流程而不是成品工具：它能从 AI 视频做出生物动捕，但需要手工调骨架，并且有若干类动作明确失败。

解决什么问题

给非人类角色做可信动作，通常要么拍参考、要么买动捕，然后为带翅膀、尾巴或八条腿的生物手工绑定或重定向骨架，循环很慢，而现成动捕库里几乎没有龙。anymove 改的是输入侧：让视频模型在一帧里同时给出正面和侧面的同一只生物，工具在两个视角里定位每个关节，合成 3D 位置，逐帧套到你的骨架并输出 GLB。得到的是可以带进 Blender 的动画，而不是成片。

有什么不同

机制本身是重点。关节读取器基于 DINOv2，按生物单独训练：用约 2,200 个随机姿势在双视角下渲染成数据集，让模型学会这只生物关节的样子。同一关节在两个视角里高度相同，两次检测就能把它的 3D 位置定住。然后骨架逐帧贴合这些点，README 还给出每条片段的“双视角一致度”，可以作为判断这段素材能不能用的参考。每个肢体涂不同颜色，避免左右腿在贴合时互换。

代价是读取器只适用于它训练过的那只生物：换一个模型就要手工放关节、生成数据集、在 12 GB 显存上训练约 20 分钟，再检查效果。双机位构图也不是视频模型的常规输出，依赖模型在同一帧里对同一只生物保持两个角度一致；README 提到普通 MiniMax H3 在 5 条狼素材里有 2 条把肢体颜色搞反，加 LoRA 后 5 条里 0 条出错。README 里的费用与速度（每条片段 $0.26、读取加贴合不到一分钟）是作者 2026 年 10 月给出的数字，不是独立评测。

谁值得试

适合：已经在 Blender 里做生物、熟悉 Python 和 GPU 环境、并且愿意在网格视图上手工摆骨架的小型游戏或动画团队。README 的示例结果对大幅单次动作比较乐观：后腿立起、咆哮、砸击、起飞、扑击，蜘蛛后立一致度 0.99，龙起飞 1.00。

不适合：需要位移、行走或地面接触的人。README 直接写明八足行走在两个视角间对不上（0.36–0.49），躺下也失败，因为训练姿势里没有侧躺。如果目标生物主要就是四足行走，或者角色需要躺倒，这套流程目前撑不起这个镜头。README 还提供 Claude Code 插件和配套技能（绑定、拍摄、训练、捕获），对在该助手内工作的人是另一种入口，但不是必须。

使用条件与边界

真正卡人的是环境准备：需要 NVIDIA GPU 加 CUDA、Python 3.11、放在 PATH 里的 Blender 5.x，以及生成新片段用的 fal key；读取和贴合远低于训练所需的 24 GB 显存。走完整流程时 Blender 不是可选项，除非你自带网格和骨架。示例 release 附带了龙的网格、355 MB 已训练读取器和一条片段，可以在 CPU 上约 20 秒完成贴合，先看双视角一致度再决定是否为自己的生物投入。

长期限制：骨架要在网格视图上手工放；读取器只认识训练过的姿势；视频模型会漂移、可能交换肢体颜色；许可也混合。仓库是 Apache-2.0，但发布的狼 LoRA 继承 MiniMax H3 的社区许可，fal 上的托管生成受 fal 条款约束，发布前两边都要确认。

HotRepo 点评

唯一有日期的信号是 2026-10-27 新项目榜（Python，第 25 名，共 141 星）的快照——这是快照，不是当日增长数据。仓库也在同一天创建，没有趋势历史可以判断热度能否持续。判断依据应回到 README 的限制：如果你的生物是站立、咆哮、砸击，并且团队愿意手工摆关节，可以拿自带的龙的示例先试一遍。

项目源码与说明