AnyMove
patch-gg/anymoveAI 已审核
用途
一套脚本和Claude Code技能,用于为带骨架的3D生物(狼、龙、蜘蛛、恶魔)制作动画,不需要动作捕捉服。一个视频模型在一帧画面里从正面和侧面拍摄该生物,一个针对这只生物单独训练的视觉模型在两个视角中找出关节位置,再由这两个视角把每个关节定位到3D空间,这样骨架就能被适配并导出为GLB文件。适合3D和游戏技术人员:你需要类Linux命令行、Python 3.11、Blender 5.x、带CUDA的NVIDIA显卡(训练需要24GB)以及一个用于生成片段的付费fal.ai密钥。
安装难易度
D · 终端、多个工具或特定显卡 · Linux
D,仅适用于Linux这一系统,说明书也只针对它:你需要克隆仓库、用Python 3.11搭建虚拟环境、安装带CUDA的PyTorch版本、把Blender 5.x加入PATH、添加fal.ai密钥,然后依次运行一串`tools/*.sh`脚本;训练关节识别模型需要一块24GB显存的NVIDIA显卡。骨架仍需在网格视图上手动摆放。有一个较小的步骤不需要显卡:README展示了如何在CPU上适配示例龙吼叫的动作。
即将推出：用 RepoPicks 应用一键安装。
GitHub 数据
- 星标
- 4482026年10月31日
- 下载量
- 1,183本周 314
- 增长
- +4484 天内新增星标
星标变化
事实
- 可运行于
- Linux
- 需要安装
- Python, NVIDIA 显卡, 其他工具
- 从源码编译需要
- Python, NVIDIA 显卡
- 磁盘空间
- 950 MB–4.3 GB · 估算
- 账号或密钥
- fal.ai
- 费用
- 免费，API 另行收费 · 代码采用Apache-2.0许可。付费部分在README中列出("截至2026年10月fal上的价格"):一个5秒双镜头片段约0.26美元,一个来自Tripo的网格约0.40美元,训练可选的MiniMax H3 LoRA约12美元。为已有生物添加一个新动作约0.52美元。
- 许可证
- Apache-2.0 (宽松型)
- 可以替代
- Move AI, DeepMotion
- 最近更新
- 2026年10月27日
风险信号 (6)
- 注意所有者账号刚创建不久
所有者账号创建于 23 天前
自动检查
- 注意依赖存在已知漏洞
锁定的依赖项中存在已知漏洞（OSV）：torch：GHSA-rrmf-rvhw-rf47；pillow：GHSA-22hg-r758-rrw9、GHSA-24rc-8hj2-v98c、GHSA-254f-3936-288h
自动检查
- 注意你创作内容的许可证不只是 Apache
README 的许可证部分："MiniMax H3's open weights carry a community licence and hosted use on fal goes through fal's terms: check both before shipping what you make with them"，已发布的狼 LoRA "is a LoRA on MiniMax H3, so MiniMax H3's community licence applies to it, not Apache-2.0." Patch 的名称和标志也不在该许可证的授权范围内。
AI 审核
- 信息首次使用时会下载模型和示例文件
requirements.txt：DINOv2 主干网络 `facebook/dinov2-with-registers-base` 标注为 "downloaded on first use"；`tools/fetch_examples.sh` 会拉取发布版本中的文件（"13 MB mesh, 355 MB reader, 4 MB clip"），PyTorch 则来自 `--index-url https://download.pytorch.org/whl/cu128`。
AI 审核
- 信息作者列出了行不通的情况
README 的 "limits." 部分：八条腿的行走不适用（"The two views disagree about which legs are up (0.36-0.49)"），躺下的动作会失败，"Video models drift"（未经处理的 MiniMax H3 在 5 个狼的片段中有 2 个把四肢颜色弄混了），而且地面接触项只认识狼和龙风格的爪子名称。
AI 审核
- 信息仓库只有几天历史
创建于 2026-10-27，只有一个发布版本（`examples-v1`，同一天发布），已有 359 个星标；自动检查也标出所有者账号只有 23 天。
AI 审核
证据以原始语言显示。
Radar 无法验证的内容
- 能否在Windows(配合WSL)或Mac上运行;这些命令和shell脚本都假定使用类Linux系统和NVIDIA显卡。
- PyTorch、DINOv2权重和示例文件装进机器后,实际占用的磁盘空间。
- 在你自己的生物和网格上,动画质量是否能达到README中给出的数字。
- 对于有多个动作的项目,整个流程在fal上要花多少钱,以及2026年10月的价格是否仍然有效。
- 对于与四个示例差别较大的生物,手动摆放骨架需要多少工作量。