← العودة إلى المدونة
Aiحوالي 1 دقيقة قراءة

anymove: من مقطع مولّد إلى هيكل متحرك لأي مخلوق

نُشر في 10 نوفمبر 2026
anymove: من مقطع مولّد إلى هيكل متحرك لأي مخلوق

لالتقاط الحركة مشكلة توسّع لا يتحدث عنها أحد، وليست كلفة البدلة. المشكلة أن التقاط الحركة مبني للبشر — ساقان، وهيكل معروف، وارتفاع حوض قياسي — ولحظة أن تكون شخصيتك تنيناً أو عنكبوتاً عملاقاً أو شيطان نار، يتوقف الخط كله عن الانطباق.

تحل الألعاب والأفلام هذا بالمحركين. يشاهد المحرك مرجعاً، ثم يضع مفاتيح أطراف المخلوق بيده، إطاراً بإطار، لأن المرجع إنسان يمشي والهدف شيء بست سيقان وذيل. هذا هو العمل الفعلي. ولهذا أيضاً يعد تحريك المخلوقات من أغلى بنود الإنتاج في إنتاج له بنود كثيرة.

anymove من Patch محاولة لأتمتة تلك الفجوة تحديداً. لديه 452 نجمة، وظهر في 27 أكتوبر، ويفعل شيئاً واحداً: تحويل فيديو واحد مولّد بالذكاء الاصطناعي لمخلوق إلى ملف GLB مهيكل ومتحرك.

والجزء المثير هو الحيلة التي يستخدمها للوصول إلى ذلك، والحيلة تتعلق بالكاميرات.

منظران في إطار واحد

التقاط الحركة البشري يعمل لأن كاميرات متعددة ترى الجسم نفسه من زوايا مختلفة، وتقاطع خطوط النظر يعطي موضعاً ثلاثي الأبعاد. أما كاميرا واحدة فتعطيك موضعاً ثنائي الأبعاد على مستوى، والمستوى ليس جسماً.

ولا تستطيع وضع كاميرتين حول مقطع مولّد، لأن المقطع غير موجود في ثلاثة أبعاد. إنه بكسلات.

فـ anymove يطلب من نموذج الفيديو شيئاً غريباً قليلاً: صوّر المخلوق نفسه من الأمام ومن الجانب، في الوقت نفسه، في الإطار نفسه. ديبتيك — لوحان جنباً إلى جنب، مخلوق واحد، منظوران، يتحركان بتزامن.

الآن لديك خطا نظر مرة أخرى. المنظر الأمامي يعطيك X وY. والجانبي يعطيك Z وY. وتقاطعهما يجعل للمفصل موضعاً ثلاثي الأبعاد، مستعاداً من فيديو مسطح، دون نموذج عمق ودون تجهيز متعدد المناظر.

كان اسم المستودع في الأصل diptych، وتغييره إلى anymove قرار منتج مفهوم، لكن الاسم القديم كان يصف الآلية بصدق أكبر. إطار اللوحين هو الاختراع، وكل ما عداه سباكة.

A wireframe skeleton rig overlaid on a creature model in a 3D viewport

خط الإنتاج، مرحلة بمرحلة

توليد المقطع. فيديو واحد لكل حركة. يضعه الـ README عند 0.26 دولار للمقطع — والتنين والعنكبوت العملاق وشيطان النار والذئب في العروض صُنع كل منها بهذه الطريقة. وعلى النص التوجيهي أن يحفظ تكوين الديبتيك ثابتاً، وهذه النقطة الوحيدة التي يمكن أن يفشل فيها النهج كله: إن أزاح النموذج التأطير بين اللوحين توقف تقابل المنظرين وصار التثليث نفاية.

قراءة المفاصل. قارئ مبني على DINOv2 يجد كل مفصل في المنظرين. هذا هو النموذج الذي تدرّبه، وهو الجزء الغالي — 24GB من ذاكرة الرسوميات للتدريب. أما القراءة بعد ذلك فتحتاج أقل بكثير.

ملاءمة الهيكل. المنظران «ينتصبان كجدارين ويثبّتان كل مفصل في الفضاء الثلاثي»، بتعبير الـ README. ثم يلاءم الهيكل للنقاط المستعادة. والمخرج تحريك عظام لا سحابة نقاط، وهذا ما يجعله قابلاً للاستخدام في المراحل التالية.

التصدير. ملف GLB، مع showcase.mp4 يضع التحريك إلى جانب المقطع المصدر لتقارنهما دون أن تكذب على نفسك.

وذلك الأثر الأخير هو الغريزة نفسها التي تراها في أدوات الوكلاء الأفضل هذا العام: أنتج المقارنة الجانبية دائماً، لأن النموذج سيخبرك بكل سرور أنه نجح، والدفاع الوحيد هو النظر.

التثبيت، وهو حيث سيتوقف معظم الناس

المتطلبات محددة: بطاقة NVIDIA مع CUDA، وPython 3.11، وBlender 5.x على PATH (أو متغير بيئة BLENDER)، ومفتاح fal إن أردت صنع مقاطع جديدة.

git clone https://github.com/Patch-gg/anymove && cd anymove
python3.11 -m venv .venv
.venv/bin/pip install torch==2.11.0 --index-url https://download.pytorch.org/whl/cu128
.venv/bin/pip install -r requirements.txt
cp .env.example .env    # add your FAL_KEY

لاحظ بناء torch المثبّت وفهرس CUDA 12.8 الصريح. هذا ليس مشروعاً يعمل على أي بايثون تصادف أن لديك.

وأجمل ما في التهيئة اختبار الدخان على المعالج فقط. فالمستودع يشحن كشوف المفاصل التي وجدها قارئه لزئير التنين، فتستطيع ملاءمة الهيكل دون تنزيل 355MB من الأوزان أو تثبيت Blender:

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

نحو عشرين ثانية، ويطبع مدى توافق المنظرين — وهو التشخيص الذي تريده فعلاً، لأن اختلاف المنظرين هو نمط الفشل الذي تتعرض له المعمارية كلها.

والمسار الكامل، مع شبكة المخلوق المثال والقارئ المدرّب والمقطع من الإصدار (شبكة 13MB، وقارئ 355MB، ومقطع 4MB):

tools/fetch_examples.sh dragon --readers --clips
tools/prep.sh dragon && tools/rig.sh dragon
tools/capture.sh dragon runs/dragon/videos/roar/s1/h3max.mp4 roar

وحركة جديدة للمخلوق نفسه، تكلف نحو 0.52 دولار لأنها تصوّر مقطعين:

.venv/bin/python tools/make_prompt.py assets/dragon \
  "the dragon whips its tail from side to side, then stands still." \
  prompts/dragon/tailwhip.txt
tools/film.sh dragon tailwhip h3max 1,2
tools/capture.sh dragon runs/dragon/videos/tailwhip/s1/h3max.mp4 tailwhip

ما هو صعب فعلاً هنا

إعادة الاستهداف. استعادة مواضع المفاصل مشكلة؛ وإسقاطها على هيكل محدد بطول عظم محدد ووضع راحة محدد مشكلة أخرى. فإن كان في هيكل التنين رقبة أطول مما توحي به النقاط المستعادة، إما تنحني الرقبة بشكل غريب أو يطفو الرأس. وصياغة الـ README — «الهيكل يهبط على النقاط» — توحي بالملاءمة لا بإعادة الاستهداف، وهو الخيار الأسهل والأصدق: التحريك بجودة تناسب تطابق أبعاد الهيكل مع المقطع.

تلامس القدمين. كل خط التقاط حركة يعاني انزلاق القدمين، والحل من منظرين لمقطع مولّد لا يملك مستوى أرض ولا بيانات قوى ولا قيوداً فيزيائية. والتنين الذي ينزلق تنين يبدو مزيفاً، مهما كانت المفاصل جيدة.

الاحتجاب. المنظران يساعدان، لكنهما اثنان فقط. والطرف المخفي خلف الجسم في اللوحين يجب استنتاجه، وسيخترع النموذج شيئاً معقولاً.

الاقتصاد، وهو القصة الحقيقية

ستة وعشرون سنتاً للمقطع. وأقل من دقيقة للقراءة والملاءمة. وأربعة مخلوقات أمثلة في المستودع، ولكل منها هيكلها ونصوصها وقارئها.

قارن ذلك بالبديل: محرك، ويوم كامل، ودورة مراجعة. والمقارنة ليست عادلة — المخرج ليس بالجودة نفسها، ولا أحد سيشحن الحركة المميزة لبطل من هذا. لكن لمخلوقات الخلفية، وأشكال الأعداء، وحشو الجموع، أو الأربعين ثانية من إعلان لا يظهر فيها الوحش إلا لثانيتين، ستة وعشرون سنتاً تزيل جدالاً كاملاً حول استحقاق اللقطة.

هذا نمط هذا العام مرة أخرى. ليس «الذكاء الاصطناعي يستبدل الحرفة»، بل يهدم كلفة النسخة التي كنت سترميها، وترتفع الحرفة إلى القرارات التي تبقى.

هل تجربه

إن كانت لديك بطاقة NVIDIA، وتثبيت Blender، وهيكل مخلوق يهمك، فنعم — وابدأ باختبار الدخان على المعالج لا بالخط الكامل. يستغرق عشرين ثانية ويخبرك هل يتفق المنظران على بياناتك، وهو السؤال الوحيد المهم قبل أن تنفق أي شيء.

وإن كنت على Mac فتدريب القارئ خارج الحساب، والملاءمة نظرية. المستودع برخصة Apache-2.0، فيمكنك نقله. لكنني لن أفعل، هذا الشهر.

مقالات ذات صلة

جدول نقرات يديره المجتمع يطفئ الإعلانات داخل بناءات أندرويد الصينية

لا يمس النظام، ولا يفتح القفل، ولا يكتب أي شيء على الجهاز. يقلب فقط المفاتيح التي عرضتها الشركات أصلاً. الثمن قائمة يجب أن يظل أحدهم يكتبها.

GPT Image 2.6 أبقى على سعر الرموز ورفع الفاتورة

أبقى GPT Image 2.6 على كل أسعار الرموز كما كانت في 2.5، ومع ذلك صارت الصورة الواحدة أكثر كلفة، لأن جزءاً أكبر من العمل يجري الآن في رموز الإخراج. بعد أحد عشر يوماً من الإطلاق، تقول بنية التسعير أكثر مما تقوله لوحة الصدارة.

أحدهم أعاد بناء IDM من الخارج وكتب ما لم يمسّه

إعادة تنفيذ بلغة Rust لبرنامج Internet Download Manager تزعم سرعة أكبر بخمسة أضعاف ودعماً لـ 86 لغة. والوثيقة الأكثر إثارة للاهتمام هي الفقرة التي تشرح كيف بُني المشروع دون نسخ أي شيء.

Rune إطار عمل UI بلغة Rust صُمم كي يستطيع الوكيل التحقق من عمله

يرسم Rune بلا واجهة، ويفرّغ شجرة عناصره، ويقبل إدخالًا مكتوبًا، ما يمنح وكيل البرمجة إشارة قابلة للمقارنة لا تقدمها لقطة الشاشة أبدًا. الإطار في مرحلة ما قبل الإصدار ولا يستقبل pull requests.