AI bevegelsesfangst
Kommersiell bruk OK
380+ modeller
Intet vannmerke
Ikke nødvendig å logge inn
Modell:
+ GPT-5, Claude, Gemini
Last opp alle videoer med en person i seg – AI sporer 33 nøkkelpunkter per ramme og gir deg en skjelettvideo pluss en JSON med leddposisjoner for hver ramme. Ingen mocap- dresser, ingen markører, ingen kalibrering. Enkelt kamera med markørløs bevegelse fanges opp via MediaPipe.
Sporer 33 kroppsledd over hver ramme...
Avanserte valg
Resultat
Tegn som er nesten tomt.
Hent flere symboler
❤️ Love this tool? Share it!
Tilmeld deg for å få en henvisningslenke og tjene 25.000 mynter per venn.
Vil du ha mer?
Registrer deg gratis for 30K mynter/dag + 10K bonus
Registrer deg gratis
Behandler din forespørsel...
Last opp en video, AI- uttrekk fra 3D- kropper per ramme ved hjelp av MediaPipe. Få tilbake en overleggsvideo fra skjelettet pluss en nøkkelpunkt JSON for animasjon, sportsanalyse eller biomekanikk. Gratis, ingen markører, ingen mocap- dress.
Bruksmåte AI bevegelsesfangst
1
Skriv inn dine inndata
Skriv inn tekst, last opp en fil eller beskriv hva du vil ha. Ingen konto trengs.
2
Trykk Lag
Vår AI behandler din forespørsel i sekunder med de beste open- source modellene.
3
Last ned & ressurs
Last ned, kopier eller del resultatet ditt. Gratis for personlig og kommersiell bruk.
Bruk dette verktøyet via API
Automatiser dette verktøyet fra din egen kode. OpenAI- kompatible REST endepunkt, Bearer- token auth, ikke nødvendig med ekstra SDK. Tegnkostnader stemmer med nettgrensesnittet.
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}'AI bevegelsesfangst — FAQ
Slipp inn en video med en person i ramma og AI- sporene 33 kroppsledd – hode, skuldre, albuer, håndledd, hofter, knær, ankler, og hender og føtter – i hver ramme. Du får tilbake en skjelettvideo pluss en JSON- fil med koordinatene for hver ramme. Ingen mocap- dress, ingen markører, ingen kalibreringssteg, enkelt kamera virker fint.
Driv 3D-tegnanimasjoner i Blender / Unity / Unreal (re-target to a rigged armature), gjør sport / dans / kampkunster teknikk analyse, bygge form-korrigering overlegg, tog ML modeller på bevegelsesdata, eller bare visualisere bevegelsesmønstre over tid.
MediaPipe Pose Landmarker (Google, Apache 2. 0) Gir ut 33 nøkkelpunkter per ramme i normaliserte 2D- koordinater + en estimert Z (relativ dybde fra kameraet) + score for synlighet for hvert nøkkelpunkt. Det kjører helt på CPU, så GPU forblir fri for dine andre generasjoner.
Det er 2, 5D – sann 2D + estimert relativ Z fra ett enkelt kamera. Virkelig 3D bevegelse trenger flere synkroniserte kameraer for triangulering (FreeMoCap / OptiTrack / Vicon- tilnærmingen). For TikTok danser, sportsanalyse, animasjonsreferanse, eller en enkeltkamera arbeidsgang, er MediaPipes utdata fremragende. Vi legger til et multikamera- verktøy senere for brukere som trenger sann 3D.
200 tokener per sekund i inndata- video (gulvlagt med 500 tokens). Et 10- sekunds klipp koster 2000 tokens, et 60- sekunds klipp koster 12 000. Daily- pool- gratis tokens dekker noen få korte klipp per dag. Signerte brukere får 30K/ dag.
Sanntidsaktig: omtrent 30- 50 bilder per sekund på boksen vår. En 1- minutts videoprosess på 30- 60 sekunder, medregnet opplasting + oppskrift. Lengere videoer tar proporsjonalt lengre.
MP4, MOV, WebM, AVI, MKV og de vanligste videoformatene – hva som helst ffmpeg kan avkode. Maks. laste opp 100 MB. Oppløsning spiller ingen rolle; posemodellen gir interne utvalg for fart.
MediaPipe Pose Landmarker spor En person per ramme (den mest framtredende). For flerpersonssporing trenger vi en annen modell (RTMPose, YOLOV8- pose). Hvis brukstilfellet ditt er flerpersons, så send en idé via / contact / – med glede å legge det til som et eget verktøy.
Synlige skjøter spores til innenfor ~5- 10 px på en 720p ramme, og skjøter (hend bak bakfra, fot utenfor rammen) fylles inn med score med dårlig sikt slik at du kan filtrere dem ut. Utjevning over rammer i nedstrøms rørsystemet (Kalman / Savitzky- Golay) rydder opp resten.
Ikke direkte fra AI bevegelsesfangst i dag – JSON er de rå nøkkelpunktene. Du kan konvertere frakoblet ved hjelp av biblioteker som «aniposelib » eller « pose- format ». Vi vurderer å sende et oppfølgingsverktøy for « Mocap → BVH/ FBX » – send en oppdatering på / contact / hvis du vil det.
Behandlet med en gang blir nøkkelpunktene hentet ut, så blir inn- videoen slettet. Utdata fra skjelett- overlapping og JSON beholdes for standard utløp på share- link (24 h anonym / 7 d betalt). Aldri brukt til trening. / privacy / for full praksis.
Ja – POST en flerdelt « video » - fil til / v1/ video/motion- capture /. Returnerer {video_ url, json_ url, duration_ s, tokens, share_ url}. Bearer auth (sk- free-...) gir deg 10 000 tokens/ month free. Curl eksempel ved / api /.
Hvordan vil du vurdere dette verktøyet?