Captura de movemento de IA
Uso comercial aceptado
Máis de 380 modelos
Sen marca de auga
Non é preciso rexistrarse
Modelo:
+ GPT-5, Claude, Gemini
Envíe calquera vídeo con unha persoa nele — A IA rastrexa 33 puntos chave do corpo por fotograma e dálle un vídeo esquelético superposto máis un JSON de posicións articulares para cada fotograma. Sen traxe mocap, sen marcadores, sen calibración. Captura de movemento sen marcadores dunha única cámara mediante MediaPipe.
Seguindo 33 articulacións do corpo en cada fotograma...
Opcións avanzadas
Resultado
A faltar fichas.
Obter máis fichas
Queres máis?
Inscríbete gratis para 30K tokens/día + 10K de bonificación
Inscríbete gratis
A procesar o seu pedido...
Envíe un vídeo, a IA extrae a pose do corpo en 3D por fotograma usando MediaPipe. Obteña un vídeo de superposición de esqueleto máis un JSON de puntos clave por fotograma para animación, análise deportiva ou biomecánica. Gratuito, sen marcadores, sen traxe de mocap.
Como usar Captura de movemento de IA
1
Introduza a súa entrada
Escriba texto, envíe un ficheiro ou describa o que queira. Non se precisa conta.
2
Prema para xerar
A nosa IA procesa a túa solicitude en segundos empregando os mellores modelos de código aberto.
3
Obter e compartir
Obteña, copie ou comparta o seu resultado. Gratuito para uso persoal e comercial.
Empregar esta ferramenta mediante API
Automatice esta ferramenta a partir do seu propio código. Punto final REST compatíbel con OpenAI, autenticación por token de portador, non se require SDK adicional. Os custos dos tokens son iguais aos da interface web.
curl -X POST https://api.free.ai/v1/video/generate/ \
-H "Authorization: Bearer sk-free-..." \
-H "Content-Type: application/json" \
-d '{"prompt": "A cat playing piano", "duration": 4}'Captura de movemento de IA — FAQ
Solte un vídeo cunha persoa no fotograma e a IA rastrexa 33 articulacións do corpo — cabeza, ombreiros, cóbados, pulsos, cadeiras, xeonllos, nocellos, máis mans e pés — en cada fotograma. Obtén un vídeo de superposición de esqueleto máis un ficheiro JSON coas coordenadas das articulacións por fotograma. Sen roupa de mocap, sen marcadores, sen pasos de calibración, unha cámara funciona ben.
Realice animacións de personaxes en 3D en Blender / Unity / Unreal (redirixidas a unha armadura manipulada), analice técnicas deportivas, de danza e de artes marciais, construa superposicións de corrección de formas, adestre modelos de aprendizaxe automática con datos de movemento ou visualice só os patróns de movemento ao longo do tempo.
MediaPipe Pose Landmarker (Google, Apache 2. 0). Emite 33 puntos chave do corpo por fotograma en coordenadas 2D normalizadas + unha estimación de Z (profundidade relativa da cámara) + puntuacións de visibilidade por punto chave. Execútase completamente na CPU, polo que a GPU permanece libre para as outras xeracións.
É 2, 5D — 2D real + estimación relativa de Z desde unha única cámara. A captura de movemento 3D real precisa de varias cámaras sincronizadas para a triangulación (o método FreeMoCap / OptiTrack / Vicon). Para bailes TikTok, análise deportiva, referencia de animación ou calquera fluxo de traballo con cámara única, a saída de MediaPipe é excelente. Engadiremos unha ferramenta de cámaras múltiples máis tarde para os usuarios que precisen 3D real.
200 tokens por segundo de vídeo de entrada (limitado a 500 tokens). Un clip de 10 segundos custa 2000 tokens; un clip de 60 segundos custa 12000. Os tokens libres da reserva diaria cobren uns cantos clips curtos por día; os usuarios con sesión obteñen 30K/ día.
En tempo real: aproximadamente 30- 50 fotogramas por segundo na nosa caixa. Un vídeo de 1 minuto a 30 fps procesábase en 30- 60 segundos de principio a fin, incluíndo a carga e a representación. Os vídeos máis longos tardaban proporcionalmente máis tempo.
MP4, MOV, WebM, AVI, MKV e a maioría dos formatos de vídeo comúns — calquera cousa que ffmpeg poida descodificar. Envio máximo de 100 MB. A resolución non importa moito; o modelo de pose fai unha redución interna da mostraxe para aumentar a velocidade.
O MediaPipe Pose Landmarker rastrexa UNHA persoa por fotograma (a máis prominente). Para o rastrexo de varias persoas precisaríamos un modelo diferente (RTMPose, YOLOv8- pose). Se o seu caso de uso é de varias persoas, envíe unha idea a través de / contact / — estarei encantado de engadila como unha ferramenta separada.
As articulacións visíbeis son rastreadas até ~5- 10 px nun fotograma de 720p; as articulacións ocluídas (man detrás da espalda, pé fóra do fotograma) son preenchidas con puntuacións de baixa visibilidade para que poida filtralas. A suavización entre fotogramas no seu canle de descarga (Kalman / Savitzky- Golay) limpa o resto.
Non directamente desta ferramenta hoxe, o JSON é o dato bruto do punto chave. Pode converter sen conexión usando bibliotecas como « aniposelib » ou « pose- format ». Estamos a considerar enviar unha ferramenta de seguimento « Mocap → BVH/ FBX » — envíe unha votación en / contact / se o quere.
Procesado inmediatamente, extraéronse os puntos chave e logo eliminouse o vídeo de entrada. A saída da superposición do esqueleto e o JSON consérvanse para a caducidade estándar da ligazón compartida (24 h anónimo / 7 d pago). Nunca se usa para adestramento. / privacy / para a política completa.
Si — POST un ficheiro « vídeo » de varias partes a / v1/ video/ motion- capture /. Devolve {url_ vídeo, url_ json, duración_ s, tokens, share_ url}. A autenticación de portador (sk- free-…) dáche 10. 000 tokens/ mes gratis. Curl exemplo en / api /.
Como valora esta ferramenta?