MagicDance

一张图+任意动作，生成身份不变的逼真人物视频

MagicDance（又称MagicPose）是一个基于扩散模型的人体姿态与面部表情重定向工具，由ICML 2024论文提出。它解决的是在保持人物身份特征（如面部、服饰）不变的前提下，将参考动作或表情迁移到目标人物身上的问题。核心能力包括：支持从单一参考图像生成具有指定姿态和表情的逼真人物图像，可应用于静态图像编辑和视频序列生成；采用身份感知的扩散模型架构，在生成过程中保留人物的独特外观；支持卡通风格动画，能实现风格化的人物动作迁移。该项目提供预训练模型和推理代码，方便研究者与开发者快速使用。其技术亮点在于同时处理姿态和表情的细粒度控制，并兼顾身份一致性，在虚拟人、数字人、动画制作等领域具有实用价值。

开源 unknown 视频生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 777

维护状态低维护

是否开源是

定价模式 unknown

项目数据

分类视频生成

开发团队Boese0601

所属国家

官网地址https://boese0601.github.io/magicdance

GitHubhttps://github.com/Boese0601/MagicDance

定价模式unknown

价格说明开源项目，官网为项目主页，未提供在线体验或定价信息。

访问状态

是否开源是

开源协议NOASSERTION

主要语言Python

技术栈/模型behavior-generation,cartoon-animation,diffusion-models,generative-ai,generative-model,image-editing,video-editing,video-generation

GitHub 星标★ 777

30天Star增速

HF 下载量

上线时间2023-11-08 00:00:00

最近更新2026-09-14 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数10

使用教程

核心亮点

身份保持出色：在姿态迁移时能稳定保留面部特征和服饰细节，避免身份漂移
姿态与表情联合控制：同时支持身体动作和面部表情的精确重定向，生成效果自然
基于ICML 2024论文：算法有学术背书，技术方案经过同行评审，可靠性较高

不足之处

文档/社区待观察：项目处于早期，使用教程和社区讨论较少，上手门槛可能偏高
资源消耗大：扩散模型推理速度慢，对GPU显存要求高，不适合实时应用

适用场景

数字人制作：为虚拟主播或游戏角色快速生成符合动作捕捉数据的动画
影视后期：将演员的表演动作迁移到CG角色上，减少手工动画工作量
创意内容生成：用户上传自拍和动作视频，生成趣味性的人物模仿视频

替代项目

ControlNet、TposePose、AnimateAnyone

项目介绍

MagicDance 是视频领域的开源项目，由 Boese0601 开发，2023 年首次发布。

它收录于视频分类，该分类目前共有 472 个项目，GitHub 星标数为 777。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-14。官网为项目主页，未提供在线体验或定价信息。从国内网络环境看，可直接访问。

它主要面向的使用场景是：数字人制作：为虚拟主播或游戏角色快速生成符合动作捕捉数据的动画。同类可对比的替代方案包括 ControlNet、TposePose、AnimateAnyone。

上一篇：champ

下一篇：ConsistI2V