Viggle

定义

Viggle 是一类基于生成式模型的运动控制视频生成工具，其产品形态包括网页应用、iOS 与安卓移动应用，以及面向开发者的 API^[3][5]。与仅对画面做风格化处理的滤镜不同，它处理的是人物的身体动作，把参考视频中的运动迁移到用户提供的角色图像上^[6]。

第二句改为

第二段，其典型用法是给出一张人物照片和一段动作视频，系统将照片中的人物替换进该视频并复现原有动作，从而生成新的短片^[2]。开发主体为 Viggle AI 公司，移动应用的开发者信息登记为 WarpEngine，总部位于多伦多^[7][4]。

原理

Viggle 的核心是自研的视频-3D 基础模型，官方将其描述为建立在物理原生世界模型之上的空间生成式 AI 平台，由联合时空模型驱动，在同一个四维空间中同时生成角色、动作和场景^[1]。该模型逐帧映射面部表情与身体行为，使同一角色在不同次生成中保持外观一致，这也是批量产出内容的可行前提^[8]。

在 API 层面，系统把视频生成拆成可复用的资产：由图像生成的角色（Character）、由视频或文本生成的运动（Motion），以及作为异步任务的渲染（Render）；角色与运动只需创建一次，之后可在多次渲染中按标识重复引用^[3]。渲染任务除输出 MP4 视频外，还可选择输出可导入游戏引擎的 glb 三维动画，或用于合成的透明背景蒙版视频^[9][10]。

发展历程

Viggle AI 成立于 2022 年，总部位于多伦多^[7]。2024 年，该平台以基于物理模型 JST-1 的视频生成工具形式公开亮相，早期主要通过 Discord 上的测试版本供创作者使用，用户以指令方式把静态图片与动态视频结合，生成符合物理规律的角色动画^[11]。同年 8 月 27 日，公司完成 1900 万美元的 A 轮融资，投资方包括 Andreessen Horowitz 和 Two Small Fish Ventures^[4][7]。

此后 Viggle 推出 iOS 与安卓移动端应用，把「上传图片即可生成舞蹈动画」做成面向普通用户的功能，在社交平台上被大量二次传播^[11][2]。随着版本迭代，产品陆续加入多角色替换、唇形同步、实时换脸直播等能力，模板库规模随之扩大^[4]。官方数据显示其全球用户规模已达数千万量级^[1]。

应用

在社交内容创作中，Viggle 常被用于把人物照片放进热门舞蹈、体育集锦或影视片段，生成便于在短视频平台传播的二次创作内容，官方提供数千个动作模板，并允许用户上传自有参考视频^[2]。配套的真实时换脸功能可用于直播场景，用摄像头捕捉用户的表情与动作并驱动角色形象^[12]。

在专业制作环节，该工具被用于动画预演与角色动画生成：把手机拍摄的视频转换为可用的动作数据，再导出到常用的游戏引擎，从而省去传统的动作捕捉流程^[1]。文本转视频的能力还被用于广告素材、游戏宣传片等批量内容生产^[8]。开发者则可以通过接口把角色替换、运动捕捉等能力嵌入到自有的游戏或创作工具中^[3]。

局限

生成结果依赖参考素材。接口对参考视频有明确约束，例如时长需在 0.5 至 600 秒之间、分辨率不低于 64×64 像素，且宽高须为偶数，超出范围会被拒绝，而不是自动调整^[13]。文本生成的运动也有边界，提示词长度限制在 400 个字符以内，动画时长须落在 3 至 60 秒区间，越界直接返回错误^[10]。

任务为异步执行，需要通过轮询查询状态，生成失败的视频链接仅在一小时内有效，超时后需重新获取^[13]。围绕模板内置音乐也存在使用限制，有用户反映经由应用内分享功能发布到其他平台后收到版权提示，说明模板素材在跨平台使用时并不必然取得授权^[2]。此外，免费额度按日计算，官方说明为每天最多 5 次视频生成^[2]。

参见

• 动作捕捉 —— Viggle 的目标之一是省去传统动捕所需的摄影棚、动捕服与标记点。

• 生成式人工智能 —— Viggle 属于以生成模型产出视频内容的一类应用。

• 世界模型 —— 官方将其基础模型定位为面向物理世界的世界模型。

• 三维高斯泼溅 —— 其角色提取能力可生成这类三维表示。

• 口型同步 —— 该工具提供的语音驱动角色动画功能。