MotionCanvas：给 AI 编舞一块画布，画几笔它补完整套动作
MotionCanvas：给 AI 编舞一块"画布"，画几笔它补完整套动作
9 月 4 日，一个名为 MotionCanvas 的人体动作生成项目在 GitHub 上线，同时放出了带完整解说的演示视频和公开的基准查看器。它的核心思路跟主流"一句话生成全套动作"的做法不一样：你不描述每一帧，只标注几个关键信息——一段走位路线、几个落脚点、一个手腕的局部动作——剩下的全身协调由模型自己补完。
> 注：这个 MotionCanvas 与 Adobe 2025 年发布的同名项目（做视频镜头设计的 MotionCanvas）没有关系，是同名不同物，别搞混了。
它想解决什么问题
现在主流的人体动作生成模型，大多走"文本进、动作出"的路线：你写一段描述，模型生成一整套动作。这对快速出素材很方便，但对真正做角色动画和编舞的人来说，控制粒度太粗——你没法精确说"从这里走到那里""这一步踩在什么位置""手腕这么摆，其他身体部位你自己协调"。
而专业动画师的工作方式恰恰相反：他们习惯画路线、摆关键姿态、指定局部动作，然后在可靠的锚点之间让动作自然过渡。
MotionCanvas 把这套工作习惯直接搬进了生成模型：项目方把它叫做"共享时间-运动学画布"（shared time-kinematic canvas）。你可以往画布上放不同类型的"提示"（cue）：
- 路线：角色沿哪条路径移动
- 脚步目标：落脚点定在哪，步态中间过程交给模型
- 朝向约束：身体面向哪个方向
- 关节局部动作：比如只控制手腕，不干涉身体其他部分
- 姿态与轨迹：几个关键姿态定住一个跳跃的形状，时机和全身配合由模型补齐
关键技术：指定的地方不许动
支撑这一切的方法叫 Mask-Consistent Flow Matching（掩码一致性流匹配）。简单说：凡是你在画布上明确指定的部分，生成过程中会被固定住、不许漂移；模型只负责在这些"锚点"之间和周围，补出连贯、协调的全身动作。
这让不同类型的指令可以组合使用——一条路线加一个手腕局部动作加几个落脚点，可以出现在同一次生成请求里，因为它们落在同一块画布上。项目页的演示里还有一个很直观的例子：只给出扣篮瞬间篮球筐的位置，模型自己规划出完整的起跳、伸展和落地动作。
它还支持编辑已有动作：把一段现成动作作为编辑上下文，用一句语言指令（比如"右手改成挥手"）改掉局部，同时保持其余动作连贯。
现在能用什么、不能用什么
需要说清楚的是，这是一个早期发布：目前开放的是 GitHub 仓库、2 分 38 秒的带解说演示、以及公开的基准查看器（包括 HumanML3D 和风格-内容基准的可视化对比）。论文、训练/推理代码和模型权重都标注"Coming soon"，还没有放出。
也就是说，现在你还不能拿它跑自己的动画。但它值得放进关注列表的原因在于方向本身：
- 角色动画师：走位、脚步、局部动作分开指定，比纯文本提示更接近真实工作流
- 编舞/动作设计：用落脚点和朝向锚定整体结构，让模型补连贯性，可以快速预演
- 3D 内容生产：如果代码和模型后续真的开源，这类"局部可控"的生成方式比全文本控制实用得多
怎么跟进
项目主页已经放出演示和基准查看器，GitHub 仓库可以 Watch 等代码放出。对一个 9 月 4 日刚上线、还在持续更新的项目，接下来最值得盯的就是它的论文和模型权重什么时候落地。
- GitHub：https://github.com/ZeyuLing/MotionCanvas
- 项目主页：https://zeyuling.github.io/MotionCanvas/
*来源：MotionCanvas 官方项目主页与 GitHub 仓库（2026-09-04 上线）*