MimicMotion

上传一张照片和动作序列，生成逼真的人物动态视频

开源 🏷️完全免费 ✅ 目前可打开视频生成 🍴 复刻 251 🐛 待处理 93 👀 关注 31

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 2690

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源项目，提供在线演示页面，可免费体验，无付费版本。

项目预览

MimicMotion 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类视频生成

开发团队Tencent

官网地址https://tencent.github.io/MimicMotion

GitHubhttps://github.com/Tencent/MimicMotion

定价模式🏷️完全免费

价格说明开源项目，提供在线演示页面，可免费体验，无付费版本。

访问状态✅ 目前可打开

是否开源是

开源协议NOASSERTION

主要语言Python

技术栈/模型diffusion-models,video-generation

GitHub 星标★ 2690

上线时间2024-06-24 00:00:00

代码更新2025-11-18

仓库体积125.4 MB

本站数据更新2026-11-09

维护状态低维护

收录时间2026-08-09

浏览次数4

项目介绍

MimicMotion 是一个高质量人体运动视频生成工具，基于扩散模型，通过置信度感知的姿态引导来生成逼真的人物动作视频。它解决了传统姿态驱动视频生成中动作不自然、细节模糊和长视频生成困难的问题。核心能力包括：利用姿态置信度图动态调整生成过程中的引导强度，避免错误姿态对生成结果的负面影响；支持任意长度视频生成，通过运动模板和帧间平滑技术保持时间一致性；提供区域感知的渐进式生成策略，提升复杂场景下的生成质量。项目提供完整的训练和推理代码，支持自定义姿态序列和参考人物图像，适用于虚拟人动画、动作迁移、影视预可视化等场景。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 2690

技术标签

diffusion-models video-generation

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：进阶约 30 分钟部署方式：本地安装 4 步

环境要求

Python 3+ 与 PyTorch 2.x 环境
Conda 环境管理工具
Nvidia GPU（官方在 V100 上验证通过）
显存 16GB 起步；16 帧 U-Net 最低 8GB，但 VAE 解码器需 16GB

安装与启动步骤

1创建Conda环境

在项目根目录执行，依据 environment.yaml 安装 Python 3+、torch 2.x 等全部依赖，下载体积较大耗时较长。
```
conda env create -f environment.yaml
```
2激活环境

激活刚创建好的 mimicmotion 环境，之后的运行操作都要在这个环境里进行。
```
conda activate mimicmotion
```
3按显存调整帧数

初始版本模型最多生成 72 帧、576x1024 分辨率；若提示显存不足，可适当减少生成帧数。
4VAE解码器改用CPU

16 帧 U-Net 最低需 8GB 显存，但 VAE 解码器需 16GB；显存不够时可选在 CPU 上运行 VAE 解码。

关键配置

配置项	必填	说明	示例
`帧数（frames）`	否	初始版本模型最大支持 72 帧，显存不足时需调低	`72`
`分辨率（resolution）`	否	官方支持的生成分辨率上限	`576x1024`
`VAE 解码设备`	否	显存不足时可选择把 VAE 解码器放到 CPU 上运行	`cpu`