Kling AI 3.0 · Універсальне керування рухом

Керування рухом у реальних умовах

Чотири реальні приклади. Без вибірковості. Лише референси руху, зображення персонажів і результат на виході.

Більшість відео, згенерованих ШІ, досі виглядає неприродно в русі — об’єкти «пливуть», кінцівки втрачають пропорції, а все швидше за повільну ходу починає розсипатися. Наведені нижче кейси згенеровано з одного референсного відео руху та зображення персонажа. Без ручного редагування кадрів і без доопрацювань. Те, що ви бачите, — саме такий результат дає модель.

Випадок 01

Катання на ковзанах

Швидкісний рух усього тіла — персонаж зберігається без спотворень

Еталон руху
Зображення персонажа
Зображення персонажа
Результат

Катання на ковзанах — один із найскладніших тестів для перенесення руху: синхронний замах руками, розгинання ніг і баланс у обертанні мають потрапити в правильний кадр. Модель зчитує еталонний рух суглоб за суглобом і повторно накладає його на цільового персонажа — пропорції кінцівок зберігаються, обличчя лишається стабільним, і навіть на піковій швидкості немає «підтікання» артефактів.

24-точкове скелетне відстеження протягом усієї послідовностіІдентичність персонажа збережена на піковій інтенсивності рухуЖодного пост-генераційного очищення не застосовано
Випадок 02

Динамічний танець

Ритм, вага й присутність — а не просто рух

Еталон руху
Зображення персонажа
Зображення персонажа
Результат

Танцювальні сцени потребують синхронізованого обертання торса, безперервного перенесення ваги та виразної пластики кінцівок — і все це має триматися кілька секунд поспіль. Модель уловлює мікрорухи з частотою 24 кадри/с, які простіші підходи повністю втрачають. У результаті персонаж не просто рухається — він справді танцює. Вага, таймінг і доведення рухів до кінця — усе на місці.

Захоплення мікрорухів у повній часовій роздільностіПовна синхронізація торса й кінцівок — без зсуву фаз між сегментами тілаВивід у стандартній роздільності без водяного знака
Випадок 03

Перенесення руху персонажа

Той самий рух, інший персонаж — геометрія природно адаптується

Еталон руху
Зображення персонажа
Зображення персонажа
Результат

Цей випадок повністю відокремлює «підпис» руху від виконавця-оригіналу. Хореографія декодується, а потім ретаргетується на персонажа з іншими пропорціями. Рушій ретаргетингу з урахуванням фізики підлаштовує траєкторію під геометрію нового тіла — тож результат виглядає природно саме для цього персонажа, а не як нав’язаний чужий рух для іншого типу статури.

Ідентичність виконавця повністю відокремлена від даних рухуРетаргетинг адаптується до зросту, статури та геометрії костюмаПрацює з широким спектром стилів персонажів
Випадок 04

Жест рукою

Точність на рівні пальців там, де більшість моделей помиляються

Еталон руху
Зображення персонажа
Зображення персонажа
Результат

Сцени з руками оголюють жорстку межу більшості моделей руху — пальці злипаються, зап’ястки неприродно «ламаються», а дрібна моторика розчиняється вже за кілька кадрів. У цьому випадку кожен суглоб пальця відстежується незалежно, а жест відтворюється з точністю до часток кадру. Корисно для культурного контенту, створення навчальних матеріалів або будь-яких сцен, де руки — головний об’єкт, а не другорядна деталь.

21 ключова точка руки відстежується в кожному кадріТочність до часток кадру зберігається протягом усього жестуТочність на рівні пальців без будь-яких ручних правок

Як це виглядає в порівнянні

Те, що справді має значення в генерації руху

Реальні відмінності найкраще помітні в плавності руху та свободі траєкторії. Короткі фрагменти з ривками зробити легко — складність у тому, щоб зберегти узгодженість упродовж понад 3 секунд складної хореографії, де більшість моделей починає «плисти». Наш алгоритм міжкадрової узгодженості утримує рух цілісним по всьому кліпу без часових артефактів. З боку керування: пресети дають швидкість, але обмежують результат тим, що модель уже «знає». Малювання траєкторії на відкритому полотні означає, що ви можете задати будь-яку траєкторію, будь-яку криву швидкості та поєднати кілька контролів руху за один прохід. Саме шар фізичної симуляції створює різницю між результатом, що виглядає фізично обґрунтованим, і результатом, який просто виглядає анімованим.

ФункціяКерування AI-рухомHiggsfieldWan MCZorq AI
Плавність довгих кліпів (5 с+)✅ Стабільно⚠️ Погіршується✅ Добре⚠️ Мінливо
Ввід траєкторії✅ Вільне малювання на полотні❌ Лише пресети✅ На основі траєкторії⚠️ Обмежено
Трекінг до рівня пальців✅ 21 ключова точка❌ Лише тіло❌ Лише тіло❌ Лише тіло
Фізична симуляція✅ Повноцінний шар✅ Частково❌ Немає❌ Немає
Безплатний рівень✅ Так❌ Лише платно⚠️ Обмежено❌ Лише платно

Кращі результати

Три речі, які стабільно підвищують якість результату

01

Спочатку опишіть фізичну опору персонажа

Перш ніж задавати траєкторії руху, дайте моделі чітку фізичну базу — стійку, центр ваги, ключові пропорції. Формулювання на кшталт «атлетична статура, вага зосереджена на рівні таза, рівна постава» дає рушію стабільну фізичну модель, з якою він може працювати. Цей один крок зменшує ризик артефактів у високоінтенсивних сценах надійніше, ніж будь-яка інша техніка.

02

Нарощуйте складність руху поетапно

Для складної хореографії не просіть усе й одразу. Почніть із загального руху тіла — траєкторії корпуса й таза — а потім у наступному проході додайте вторинні рухи (помахи рук, поворот голови) як уточнення. Такий поетапний підхід не дає моделі надто рано «зафіксуватися» на суперечливих векторах руху й забезпечує значно чистіший результат для синхронізованих послідовностей із залученням кількох кінцівок.

03

Використовуйте підказки з фізики, щоб додати вагу й відчуття

Різниця між результатом, що виглядає синтетично, і тим, що відчувається реальним, зазвичай полягає у фізичній вазі. Вбудовуйте фізичні підказки прямо в запит: «важке приземлення з відчутним ударом», «плавне розгинання руки з природним уповільненням», «різка зупинка у верхній точці». Модель сприймає це як параметри симуляції — активує імпульс, інерцію та доведення руху, а не трактує їх як стилістичні описи.

Спробуйте на власному персонажі

Завантажте референс руху, додайте зображення персонажа й згенеруйте результат менш ніж за 30 секунд.

Про AI Motion Control

Що насправді робить контроль руху

Контроль руху витягує дані про рух із референсного відео — кути суглобів, швидкість, траєкторію — і переносить їх на зображення персонажа. У результаті виходить відео, де цей персонаж виконує той самий рух, адаптований під його конкретну геометрію.

Чому довгі кліпи складніші

Короткі кліпи до 2 секунд відносно невибагливі. Понад 3 секунди стає помітним часовий дрейф — у суглобах накопичуються дрібні помилки, які підсилюються від кадру до кадру. Наш шар міжкадрової узгодженості спеціально розроблений, щоб із цим упоратися.

Відстеження рук і кінцівок

Більшість моделей руху розглядають тіло як основну одиницю аналізу й зупиняються на зап’ясті. Відстеження на рівні пальців потребує окремих моделей суглобів і субкадрової часової роздільності. Саме тому послідовності з руками часто найкраще показують різницю в якості моделей.

Фізична симуляція vs. перенесення стилю

Моделі фізичної симуляції відтворюють сили реального світу — імпульс, інерцію, гравітацію — тож результат підпорядковується фізичним обмеженням. Перенесення стилю копіює візуальний вигляд руху без симуляції сил, що за ним стоять. Різницю видно в речах на кшталт приземлень після стрибка та кривих уповільнення.

Деталі безплатного тарифу

10 генерацій під час реєстрації, без прив’язки банківської картки. Вивід у стандартній роздільності — без водяного знака. Вища роздільність і пакетна генерація доступні в платних планах.

Сфери застосування

Анімація персонажів для ігор і розваг, моделювання продуктів для e-commerce, навчальний і туторіальний контент, документування культурних подій і виступів, контент для соцмереж у великому масштабі.