DeepOwl AI 动作生成系统¶
DeepOwl AI 动作生成系统（亦称 AIMotion）是一套从前端到后端的完整文本驱动 3D 人体动作生成平台。前端为 Blender 4.2+ 插件，后端基于 Ray Serve 分布式部署框架，集成 MoMask（单人文本驱动）与 InterGen（双人交互生成）两大模型，实现从自然语言描述到 3D 角色动画的一键式转化。主要面向 3D 动画制作、游戏开发、虚拟现实、影视预演及教育科研等场景。
| 环境 | 要求 |
|---|---|
| 客户端 | Blender 4.2 LTS 及以上，支持 Windows / macOS / Linux |
| 服务端 | Python 3.10+，NVIDIA GPU（显存 ≥ 24 GB，推荐 A100/H100），Docker / Ray Serve |
技术架构¶
系统采用前后端分离的四层架构设计，各层职责清晰、接口标准化，支持独立升级与横向扩展。
- 用户交互层（User Interaction Layer）：面向终端用户的操作入口，包括 Blender 4.2+ 插件（主要交互方式）、MLOps Web 控制面板（运维管理入口）以及第三方客户端（REST API 调用）。负责用户输入接收、参数校验、结果展示和状态反馈。
- API 网关层（API Gateway Layer）：系统的统一入口和流量调度中心，基于 FastAPI 实现。提供负载均衡、请求路由（
/forward、/redict、/serve等端点）、API Key 认证鉴权和速率限制（Rate Limiting）功能。 - 模型服务层（Model Serving Layer）：核心业务逻辑处理层，基于 Ray Serve 分布式部署框架构建。包含 MoMask Deployment（单人文本驱动动作生成）、InterGen Deployment（双人交互动作生成）和 MotionAPI Deployment（通用动作服务接口）。
- 基础设施层（Infrastructure Layer）：底层资源支撑，包括 GPU 计算集群（NVIDIA A100/H100，CUDA 11.8+）、Ray Cluster（Head Node + Worker Nodes，支持自动扩缩容）、Docker 容器运行时以及模型持久化存储（checkpoint 目录存储
*.pt权重文件，同时支持 ONNX/NCNN 格式导出）。
核心功能¶
| 功能模块 | 描述 | 技术栈 |
|---|---|---|
| 文本驱动动作生成 | 输入自然语言描述，MoMask 模型生成对应 3D 单人骨骼动画 | VQ-VAE + Transformer, MoMask |
| 双人交互动作生成 | 输入两个角色的动作描述，InterGen 模型生成体现交互关系的协同动画 | Cross-Attention, InterGen |
| 骨骼自动绑定 | 三级匹配算法（直接匹配 → 字典映射 → 模糊匹配）将标准骨骼动作映射到目标角色骨骼 | Blender Python API (bpy) |
| 动画关键帧烘焙 | 将 BVH 动作数据烘焙为 Blender NLA 动作条带和视觉关键帧，支持直接编辑与导出 | BVH Parser, NLA Bake |
| 动画切片与复制 | 基于 Blender NLA 编辑器，对动画片段进行循环、偏移、拼接与混合 | NLA Action Strip |
| MLOps 运维面板 | 模型部署管理、任务调度监控、系统资源监控、告警通知 | FastAPI, Ray Serve, Web UI |
前后端通信流程¶
以单人文本驱动动作生成为例，标准通信时序如下：
- 输入动作描述：用户在 Blender 插件文本框中输入自然语言描述（如 "A person walks forward and waves right hand"），选择目标骨骼模型，点击 生成动作 按钮。
- 前端预处理：插件对文本进行清洗、长度截断，并提取当前选中骨骼的名称列表与层级关系。
- 发送请求：插件通过 HTTP POST 将 JSON 请求体发送至后端
/forward端点，包含text、skeleton和timestamp字段。 - 网关路由：FastAPI 网关完成 API Key 认证与格式校验，将请求路由至 MoMask Deployment。
- 模型推理：Ray Serve 将请求分配给可用的 MoMask 副本，在 GPU 上执行前向推理（VQ-VAE 编码 + Transformer 解码）。
- 返回 BVH 数据：推理完成后，动作数据被编码为 BVH 格式（包含骨骼旋转/位移关键帧序列），通过 HTTP Response 返回给 Blender 插件。
- 骨骼映射与烘焙：插件执行骨骼映射、动画烘焙，生成 NLA 关键帧和视觉关键帧，最终在 Blender 视口中展示动画效果。
部署方式¶
Blender 插件安装¶
- 下载插件安装包
ai_motion_generator.zip。 - 打开 Blender，点击菜单栏 编辑 → 偏好设置 → 插件。
- 点击 安装... 按钮，选择下载的
.zip文件。 - 在搜索框中输入 "AI Motion"，勾选启用该插件。
- 在插件设置面板中配置后端服务器地址（默认
http://localhost:8000）和 API Key。 - 点击 保存用户设置 完成安装。
后端服务部署（Docker Compose）¶
# 1. 克隆部署仓库
git clone https://github.com/aimotion/deploy.git
cd deploy
# 2. 配置环境变量
cp .env.example .env
# 填写 RAY_ADDRESS、MODEL_PATH、API_KEY 等参数
# 3. 启动服务
docker-compose up -d
# 4. 验证服务状态
curl http://localhost:8000/health
# 应返回 {"status": "ok"}
注意
后端服务对 GPU 显存要求较高，MoMask 与 InterGen 每个副本建议配置 1 块显存不低于 24 GB 的 NVIDIA GPU。首次部署前请确保已安装 Docker 24.0+ 与 NVIDIA Container Toolkit。
应用场景¶
- 3D 动画制作：为角色动画提供快速原型生成能力，通过文本描述直接生成基础动作，大幅缩短制作周期。
- 游戏开发：为游戏角色生成行走、奔跑、跳跃、攻击等标准化动作，支持导入 Unity、Unreal 等主流游戏引擎。
- 虚拟现实与教育科研：为虚拟课堂、VR 体验、人机交互研究提供批量动作数据生产能力。
- 影视预演：为导演和动作指导提供快速的可视化预演，支持迭代调整。
模块列表¶
| 模块名称 | 描述 | 技术栈 |
|---|---|---|
| MoMask 核心逻辑模块 | 文本驱动动作生成的核心推理逻辑 | Python, PyTorch, MoMask |
| 操作符模块 | Blender 插件中的核心操作符实现 | Blender Python API (bpy) |
| UI 面板模块 | Blender 插件的图形化界面布局 | Blender Python API (bpy) |
| BVH 转换工具模块 | BVH 格式解析与 Blender 关键帧转换 | Python, BVH |
| 热加载工具模块 | 插件运行时模块热更新机制 | Blender Python API (bpy) |
了解更多¶
请查看各模块的详细技术文档，深入了解系统实现细节。