先说结论：你用 AI 生成的那条飞龙视频，看着很酷，但它其实是"死"的——你没法让它的翅膀扇一下，也没法把它拖进游戏里。 有一个叫 anymove 的开源插件专门补这一段：它从一条 AI 视频里，把怪物的动作扒出来，套回 3D 骨架上，导出成游戏引擎能直接播的 GLB 文件。整个动作的花费约 3 美元，平均要试 7 条片段才出一条能用的。
Apache-2.0，475 星，10 月 27 日建的仓，今天还在提交代码。仓库属于 Patch（patch-gg，Lights Down 品牌）——方法来自 @CanItCode，MiniMax H3 LoRA 那一步是 @Graalitoo 的主意，10 月 27 日的发布由 Rehan Sheikh（@rehan_shei）宣布。
上面这六个是它的成品——霸王龙、骑士、马、半人马、女人、巨怪、猿、机甲、蝎子，一共九个生物在作者自己的素材库里，每个带 4 到 7 个动作。
缺的是什么AI 视频工具现在很卷，生成一条会飞的龙只要几毛钱。但视频是像素，是一张张画出来的图。它没有骨头。
所以你想拿这条龙做点事的时候，就会撞上一堵墙：
• 想让它在游戏里动——不行，你只有 MP4• 想给它换个动作——不行，动作被烧进像素里了• 想改一帧——不行• 想让它转身——不行，视角是焊死的传统做法是找专业动捕：搭棚子、穿动捕服、请演员、按小时收费。这套下来一个动作几千块，而且只对人类角色友好——狼、飞龙、蜘蛛这种非人型生物，现成工具基本直接哑火。
anymove 的思路是：既然 AI 视频已经能生成任何生物了，那就让 AI 视频成为动捕的数据源。
核心思路：让视频模型同时拍两个机位这是整个项目最关键的一步，也是它跟普通 AI 视频工具最大的区别。
普通做法是生成一条正面视频，然后祈祷模型没把左腿和右腿搞混。anymove 不这么干——它让视频模型在一帧里同时输出两个视角：左边固定正面，右边固定侧面。提示词里写清楚"正面的龙和侧面的龙，在同一帧里同时动"。
一个关节，在正面视角告诉你上下和左右，在侧面视角告诉你前后。两个一合，3D 坐标就出来了。这就是为什么后面要"两台机器"：正面给 X，侧面给 Y，高度 Z 从两者共同得到。
作者在中文社区的解释更直白——正面画面提供上下和左右的位置，侧面画面提供前后的深度，两边的数据拼在一起，每个关节在立体空间里的准确位置就能被算出来。
八步流程整个流程作者拆成了 8 步，每一步都是独立脚本，按生物名字索引，产物落在 runs/<生物名 class="imgbox"> 下面。
第 1 步：一张图变成 3D 模型
FLUX 出图，Tripo H3.1 转网格，$0.40。出来的是真实尺寸的带贴图网格——龙的肩高就是它实际该有的高度，不是随便缩放的。
第 2 步：摆骨架
在 Blender 里把骨骼摆到网格上并蒙皮。42 根骨头：腿、翅膀、尾巴都在里面。
第 3 步：每条肢体一个颜色
这一步看着多余，其实很关键：6 条肢体，6 种颜色。颜色是给后面那个视觉模型当"锚点"用的——如果不涂色，模型分不清左腿和右腿，配色一乱，骨架就左右互换了。
第 4 步：双机位拍片就是上面说的那一帧两视角。MiniMax H3 Max 跑在 fal 上，5 秒 $0.26。
第 5 步：教模型读关节
这一步是整个项目里最"AI"的部分。它拿刚才那只龙，用随机姿势渲染出 2200 张图，每张图的关节位置都是已知的（因为骨架是刚摆好的）。然后拿这些去微调一个视觉骨干模型 DINOv2。
平均误差从 40 像素降到 6 像素。 一张 GPU，20 分钟。
关键在于：它不是去学"龙的腿长什么样"，而是学"这张图上的这个点，对应骨架上的哪根骨头"。所以换一只新生物，就得重新训一个——这也是它跟传统动捕的根本区别。
第 6 步：逐帧读出所有关节
读关节器在两个视角里逐帧找出所有关节。50 个关节，每条片段 10 秒。
第 7 步：两个视角转成 3D
作者的说法很形象：把两个视角立起来当成两面墙。正面那面墙给左右，侧面那面墙给前后，两条线的交汇点就是关节在 3D 空间里的位置。
第 8 步：骨架跟着动
Blender 里的骨骼弯到这些点上，散落的误检点直接忽略。导出 GLB，24 fps，无需手工调整，每条片段不到 1 分钟。
最后把最好的几条接成一个文件，带无缝循环和 root motion。
成本账这是作者自己算的数：
关键的一条：一个动作平均要试 7 条片段，只有 58% 的片段能过检查。
这个数字作者是写在 README 开头的，很实在。"多数片段做不出来"是事实，不是 bug。所以如果你按 $0.26 算成本，实际会低估4 倍左右。
和其他方案比
它不是万能的，但在"非人型生物 + 只有一条 AI 视频"这个格子里，基本没有别的选项：
• 传统动捕：质量最高，但要设备、要场地、要演员，$100-500 一小时起，而且对龙和蜘蛛这种基本不适用• 手工 K 帧：不要钱但要人力，一个动作几小时到几天• 通用 AI 视频工具：最便宜也最简单，但出来的是视频，不是动画——骨骼不存在• anymove：$3 出一个真骨骼动画，能进引擎装起来要求不低，得先说清楚：
• NVIDIA 显卡，CUDA（12GB 能训读关节器，24GB 更稳；读和拟合用不了多少）• Blender 5.x 在 PATH 里（或者设 BLENDER=/path/to/blender）• Python 3.11• 一个 fal key（生成新片段要用）Windows 用户用 Git Bash，命令一样，只是虚拟环境路径换成 .venv/Scripts：
git clone https://github.com/Patch-gg/anymove && cd anymove
py -3.11 -m venv .venv
.venv/Scripts/pip install torch==2.11.0 --index-url https://download.pytorch.org/whl/cu128
.venv/Scripts/pip install -r requirements.txt
cp .env.example .env
export BLENDER="/c/Program Files/Blender Foundation/Blender 5.2/blender.exe".env 里填你的 FAL_KEY。
它还打包成了 Claude Code 插件，六个 Agent Skill：anymove、anymove-rig、anymove-film、anymove-reader、anymove-capture、anymove-lora，覆盖从缩放蒙皮、涂色、生成提示词、训练读关节器、采集检查到出 showcase 的整个过程。
另外有条零成本试水的路：仓库自带龙那套已经读好的关节数据，可以在 CPU 上跑拟合，不需要 Blender、不需要下载、不需要显卡：
mkdir -p runs/dragon/clips/roar
MOCAP_CREATURE=assets/dragon .venv/bin/python -m mocap.solve examples/dragon_roar/det.npz \
assets/dragon/rigged/rig_info.json runs/dragon/clips/roar/motion.json它明确做不好的事作者自己列了一份，我原样搬过来——这份诚实度比很多项目都高：
还有一条中文社区提到的问题：视频模型偶尔会幻觉，本来涂好颜色的四条腿会互相串色。
适合谁• ✅ 做游戏 / 做 3D 动画的：需要给非人型生物批量出动作，这是它唯一真正解决的痛点• ✅ 已经在用 AI 视频的：你手上已经有一堆 AI 生成的怪物视频，anymove 能让它们"活过来"• ✅ 做 AI 短剧 / 动画的：9 个现成生物 + 各自 4-7 个动作，可以直接改• ⚠️ 有 12GB 以上显卡的独立开发者：门槛在这儿，没显卡走不通• ❌ 不做 3D 的：这套流程对你完全没用，它输出的是 GLB 不是视频• ❌ 需要精确到帧的工业级动作：它是"够用"级别的，不是 Pixar 级别一句话总结：anymove 把"AI 生成的视频"变成了"AI 生成的骨骼动画"这个中间产物，代价是 3 美元和一次 20 分钟的模型训练，收益是一条能直接扔进引擎的 GLB 文件。它做不了精细打磨的主角动画，但游戏里那些飞禽走兽的背景角色，够用了。