DeepMotion

用普通影片或文字提示生成 3D 角色動畫的 AI 動作捕捉平臺，無需動捕服或專業棚

影片生成 2D 轉 3D 影片增強動畫生成動作捕捉

https://deepmotion.com/

前往官網

深度報告

DeepMotion 是一家把「AI 影片動作捕捉」做成瀏覽器即開即用的公司，核心思路是用普通攝像頭拍一段影片，就能生成可直接匯入遊戲引擎和數字人管線的 3D 動畫，全程不需要動捕服、標定相機或專業棚。它旗下兩條產品線——影片轉動畫的 Animate 3D，以及文字生成動畫的 SayMotion——覆蓋了從素材驅動到提示詞驅動兩種創作方式，是獨立開發者、虛擬主播和教育場景裡最常被提到的「免硬體動捕」工具之一。它的真正長板在「把專業動捕門檻打到地板價」，短板則是單目視覺天生的深度歧義和抖動問題，複雜動作仍需人工修幀。
DeepMotion Inc. 成立於 2014 年，總部位於美國聖迭戈（San Diego），是一家專注「AI 動作智慧」的公司。在它成立的那幾年，專業動作捕捉還被 Xsens 這類慣性動捕服和光學標記系統把持，一套裝置加棚的投入動輒幾十萬人民幣，中小團隊根本碰不起。DeepMotion 押注的是計算機視覺和深度學習路線：既然手機和網頁攝像頭已經足夠普及，能不能讓演算法直接從單段 2D 影片裡反推出 3D 骨骼運動？這條路線讓它在 2020 年前後 AI 影片動捕集體爆發時站到了第一梯隊。官網展示的合作伙伴包含 Intel、Nvidia、MIT、Samsung、Epic、Qualcomm 等，生態位卡得很準——它不賣硬體，而是把動捕能力以 SaaS 和 API 的形式嵌入別人的工作流。多年運營下來，DeepMotion 已經是一家有持續營收、靠訂閱和 API 變現的獨立公司，而非靠融資燒錢的demo產品，這點在同類 AI 工具裡並不常見。
DeepMotion 的兩大產品線定位清晰。Animate 3D 是「影片轉動畫」：使用者上傳一段 MP4、MOV 或 AVI，AI 自動識別人體骨骼關鍵點，反算出關節角度、骨骼旋轉和位置變化，再對映到標準 3D 骨架上匯出。它支援全身、手部、面部三類追蹤同時開啟（面部和手部追蹤各需額外消耗積分），並能在單段影片裡同時追蹤最多 8 個人。更進一步，它提供物理模擬、腳步鎖定（Foot Locking）、手觸地接觸、運動平滑（Motion Smoothing）等選項，還有一個號稱已申請專利的 Rotoscope 姿態編輯器，讓使用者能在輸入影片上逐幀描點修正，專門對付追蹤出錯的動作。 SayMotion 則是「文字轉 3D 動畫」的生成式路線，底層是基於提示詞的 MotionGPT 類模型。使用者用自然語言描述動作（例如「一個悲傷的人在雨中行走」），系統生成多個動畫變體，再配合 Inpainting（區域性補幀生成）、Merge（多段拼接過渡）和 Refine（結合提示詞精修原始捕捉）等工具做二次創作。官方 2025 年底到 2026 年的教程裡，已經演示了把「少林功夫 + 棒球投球 + 籃球扣籃」三段用影片與文字混合拼成一條多場景動畫的完整流程，說明它的工作流正在從「單段轉換」走向「敘事級編排」。兩條線都走雲端處理、瀏覽器操作，匯出的格式覆蓋 FBX、BVH、GLB 和 MP4，能直接餵給 Blender、Maya、Unity、Unreal Engine，也內建了 Ready Player Me 和 Avaturn 的角色建立器，支援上傳自定義 FBX/GLB/VRM 模型做骨骼重定向。官方宣稱捕捉精度最高可達 95%，能把走路迴圈這類動作的手 K 幀時間減少最多 90%。
DeepMotion 採用免費增值（freemium）加動畫積分（Animation Credits）的雙軌計費，Animate 3D 和 SayMotion 各自獨立定價。 Animate 3D 的免費檔每月提供約 60 秒動畫額度，僅限個人非商用；付費檔從 Starter（約 15 美元/月）到 Freelancer/Pro（約 42–49 美元/月，含商用授權與優先處理）再到 Studio（約 199 美元/月，面向團隊和最高任務優先順序）。SayMotion 免費檔每月 3 個動畫積分，付費檔 Starter 9 美元/月、Professional 39 美元/月、Studio 83 美元/月（均為年付價）。積分規則是 1 積分 = 1 秒動畫或 1 個 3D 姿勢，開啟面部或手部追蹤每段每秒各加收 0.5 積分。面向高用量客戶的 API、Animate 3D API 和 Real-Time SDK 均為定製報價，需聯絡銷售。需要說明，不同來源給出的檔位名稱和價格存在出入（例如有資料把 Pro 標到 48 美元、把 Studio 標到 199.99 美元，也有評測站列出 Starter 17 美元、Pro+ 149 美元的版本），推測與區域、年付/月付以及持續調價有關。實際價格以官網結算頁為準。整體看，它的定價對輕量試用非常友好，但重度使用的積分消耗和時長上限會成為隱性成本。
正面反饋高度集中在「省事」和「便宜」上。喬治亞州立大學的視覺製作教授 Jeasy Sehgal 表示，相比其他軟硬體，DeepMotion 對獨立創作者更友好，面部捕捉尤其省事；數字解決方案專家 Charles P. 說它徹底改變了自己遊戲角色動畫的管線；Corridor Digital 的藝術家 Jordan A 評價其速度、可達性和質量「令人驚豔」，是依賴動捕工作的人必備工具；MIT Media Lab 的博士生 Ruihan Zhang 則把它用在 AI 電影製作駭客松裡。獨立動畫師和 XR 創作者最常提到的場景，是用一段自己拍的影片就讓 VR 裡捏的角色動起來。負面反饋則集中在產出質量的不穩定。多個獨立實測都提到，在拍攝條件不理想時，DeepMotion 的輸出會出現明顯的「抽搐、滑動、腳不沾地」：肢體快速動作或穿寬鬆衣物時骨骼會丟失，人物短暫被遮擋（比如盪鞦韆時被遮擋）時追蹤會崩，舞蹈影片裡面對格紋襯衫也會誤判。也有使用者抱怨積分消耗快、免費額度太少（有來源稱免費檔僅 25 秒，與官網 60 秒說法不一），以及雲端處理帶來的等待和隱私顧慮。
在 AI 影片動捕的橫向評測裡，DeepMotion 通常被認為是「可達性和動畫友好度平衡得最好」的一檔，而非「精度最高」的一檔。2025 年的多工具對比把 Move.ai 列為複雜姿態精度最高的選擇，把 Quickmagic、Autodesk Flow Studio 列為價效比與質量兼顧的預算之選，把 Cascadeur、Marionette 列為擅長後期修幀的離線方案；DeepMotion 和 Plask 則被歸為「上手快、適合粗胚和前期預覽，但複雜動畫精度有限」的一類，評測原話指出它「有 noticeable twitching and sliding（明顯的抽搐和滑動）」，免費版時長極短。這類評價點出了一個行業共識：單目視覺動捕靠計算機視覺從 2D 反推 3D，必然存在深度歧義——結果從攝像機視角看是對的，但放進三維空間後腳會飄、深度不一定準。所以 DeepMotion 的真實定位是「前期粗捕捉 + 快速原型」，關鍵鏡頭仍要依賴傳統標記系統或人工精修。它和 Move.ai（多相機高保真）、Rokoko Vision（免費雙相機）、Cascadeur（強編輯）形成了清晰的梯度分工。
最大的爭議點是「精度宣傳與真實體驗的落差」。官方標榜最高 95% 精度和 90% 省時，但多個獨立測試在故意挑戰邊界條件（遮擋、寬鬆衣物、快速動作）時得到的結論是「理想條件下還算穩，但抖動明顯、腳不沾地、可用性受很多拍攝要求限制」，和使用者手冊裡列的最佳實踐（相機固定且平行於演員、全身入鏡、人物與背景高反差、膝蓋手肘不蓋寬鬆衣物、無遮擋）高度繫結——本質上就是「垃圾進、垃圾出」。其次是雲端依賴帶來的兩重風險：一是隱私，把人物影片上傳到第三方伺服器，對涉敏專案是合規隱患；二是工作流瓶頸，批次處理大庫影片時雲算力會成為卡點。再加上積分制對重度使用的限制、面部/手部追蹤仍處在需要額外付費的增強階段、多人追蹤上限和穩定性仍在打磨，這些都屬於「能用但別指望一次到位」的邊界。
DeepMotion 最適合三類人：獨立遊戲開發者和小團隊（不想投裝置就能拿到高質量動畫資產）、虛擬主播和短影片創作者（真人表演驅動虛擬形象）、以及教育和研究機構（用文字+影片快速產出教學動畫素材）。它也適合影視預演、VR/AR 和元宇宙內容的快速原型。不太適合的場景：對動作精度要求極高、且無法接受人工修幀的關鍵鏡頭；對資料隱私高度敏感的專案；以及需要完全離線、本地可控的流程（這類需求更該看 Cascadeur 或 Marionette）。如果預算允許且追求複雜姿態保真，可以並行評估 Move.ai；如果只是做前期 blocking，Plask 和 Rokoko Vision 的免費檔也值得一試。
DeepMotion 把「專業動捕」從硬體和棚裡解放到了瀏覽器，是免裝置 3D 動畫普及化裡最紮實的玩家之一；把它當「前期捕捉 + 快速原型」用會非常爽，但別神話它的單目精度，關鍵動作留好人工修幀的預算。

使用者評論

Danielle30

—

給大學動畫課當教學工具很合適，學生不用買動捕服也能體驗從影片到 3D 動畫的完整流程，作業產出明顯比純理論課豐富。就是免費額度對全班同時用有點緊張，我們最後買了個教室賬號才兜住。

Denise_RodriguezIII

—

卡成 PPT 的時候是真的急。

gr3hnerdb

—

跟 Move.ai 比精度確實差點意思，複雜姿態和多人互動 DeepMotion 還嫩，但勝在便宜、瀏覽器直接跑、不用多相機佈置。我們評估一圈最後選它，就是因為團隊就兩個人，上多相機方案成本划不來。

浮生_21

—

SayMotion 寫提示詞生成動畫用來做 early blocking 特別順，跟 Animate 3D 的影片捕捉正好互補，前期創意驗證效率很高。缺點也有，生成的動作有時候偏「標準」，情緒和細節還得自己加，另外中文提示詞理解一般，用英文更穩。

EL_ngu

—

積分每月清零不累積，重度使用者得算好賬。

Ronald_SandersII85

—

把 DeepMotion 接到 Unreal 重定向到 MetaHuman 的那套流程跑通後，做短影片數字人效率直接起飛，一個下午能出好幾條帶身體+面部+手指的動畫。前期踩坑主要在骨骼匹配和匯入設定，官方教程跟一遍就順了，比找外包划算太多。

Carol_Barnes520255

—

做獨立遊戲最缺的就是動畫資源，以前要麼買 Mixamo 要麼硬手 K，現在手機拍段影片傳上去就能拿到 FBX，匯入 Unity 直接能用。走路迴圈、揮手這類重複活兒基本被它承包了，省下的時間夠我多調兩關，對 solo 開發者來說這工具簡直是外掛。

SWalkerX

—

回不去了，手 K 幀太痛苦。

Nathan_Martin168

—

太香了，免裝置直接出動畫。

Dylan_Bell_99

—

整體 4 星，扣的那顆星給積分制和偶爾抖動。它確實不是萬能的，複雜動作和多人互動還得人工精修，但作為前期捕捉和快速原型工具，價效比在同類裡數一數二，新手完全可以先從免費檔摸起，夠用再升級。

8r6jhlx_gt7

—

雲端處理高峰期要排隊，長影片等得有點久，急活兒建議錯峰或者上付費優先佇列。有次趕版本交一段兩分鐘的動畫，免費檔卡了快一小時才出，後來咬牙升了 Pro 檔走優先處理，速度立刻上來，這筆錢在 deadline 前還是值得的。

月光135

—

做虛擬主播的可以衝，攝像頭實時驅動 3D 形象，延遲低、還帶面部和手勢，直播間效果比純 2D 立繪生動太多。

Frances.Hill_2021

—

標牌說最高 95% 精度，實測理想條件下還行，一到遮擋、寬鬆衣服、快速動作就露怯，別被宣傳數字帶偏。

JoshuaMyers_77

—

影片拍得一般的時候手腳會抖、腳不沾地，得開 Rotoscope 逐幀修，複雜動作還是得人工兜底。

RCarterSr

—

我們工作室拿它做 NPC 和群演的預演動畫，量大管飽還便宜，關鍵鏡頭才上傳統動捕，價效比拉滿。

鄭悅傑

—

面部和手部追蹤要額外收費，0.5 積分/秒，用多了肉疼。

AnaGuevara

—

免費檔一個月才 60 秒，試兩下就沒了，有點摳。

NoahJenkins

—

想要高質量還是得自己拍好素材，相機固定、全身入鏡、緊身衣、背景反差大，垃圾進垃圾出一點不假。

blueostrich338

—

匯出格式挺全，FBX/BVH/GLB/MP4 都有，Blender、UE、Unity 通吃，管線接入基本沒阻力。我們專案是 Unity 加自研角色，上傳 FBX/GLB 後重定向到自己的骨骼命名規範很順，連 Mixamo 那種要先綁骨骼的步驟都省了，對中小團隊真的很友好。

琉璃_15

—

用 Animate 3D 把一段功夫影片轉成遊戲角色動畫，前後不到十分鐘，比手 K 幀快太多了。以前這種打鬥動作光調骨骼就得好幾個小時，現在上傳、選角色、等幾十秒就能拿到可匯入的動畫，雖然腳部偶爾要修，但粗胚階段省下的時間非常可觀。

楓葉129

—

用 Rotoscope 姿態編輯器描點修正能賺回積分，官方這招挺聰明，既幫使用者改動作又順手喂資料。

崔婷玉

—

DeepMotion 真把動捕門檻打到地板價了，獨立小團隊福音。

DeepMotion

深度報告

使用者評論

相關連結

同類產品