用AI照抄舞蹈动作：换人换画风不换动作实操教程

AI舞蹈复刻的核心思路

短视频平台上频繁出现同一支舞被不同角色、不同画风重复演绎的作品。背后的原理并不复杂——保留原始动作数据，替换角色形象与视觉风格。这类玩法之所以流行，是因为它把过去需要动作捕捉、绑定骨骼、逐帧渲染的复杂流程，压缩成了几步简单操作。

据B站UP主分享的演示，整个制作过程依托一个专家技能连接器完成，用户只需准备好素材、输入描述，剩下的分析与生成交给AI模型自动处理。这种「上传素材—等待出片」的模式，正是当前AI视频工具降低创作门槛的典型体现。

这类技术在学术上通常被称为「动作迁移」（Motion Transfer）或「人体姿态驱动生成」（Pose-driven Video Generation）。其底层逻辑是将人体运动抽象为与外观无关的骨骼序列或姿态热图（Pose Heatmap），再将这套运动信号注入到新角色的图像生成过程中。早期代表性工作如 DensePose、OpenPose 负责提取骨骼关键点，近年来 ControlNet 等条件控制机制的成熟使得「姿态条件→图像生成」的链路更加稳定，Flova 等工具正是在此基础上封装了面向普通用户的完整流水线。

具体操作步骤拆解

第一步：调用专家技能连接器

打开对应软件后，在左侧找到「专家技能连接器」，在搜索框中输入关键词 Flova，选择召唤对应的「Flova 拉片大师」技能模块。这一步本质上是加载一个针对舞蹈动作提取与迁移优化过的工具链。

再搜索框输入Flova

第二步：准备并上传三类素材

完成技能加载后，需要向工具提供三份关键素材：

角色参考图：决定最终画面中「谁」在跳舞，可以是不同人物、不同画风的形象；
舞蹈视频：提供原始的舞蹈内容作为动作来源；
提取好的深度视频：包含空间深度信息，用于让AI更准确地还原肢体运动的三维姿态。

接着把你的角色参考图

深度视频是这套流程中容易被忽视但很关键的一环。相比只用普通视频，深度信息能显著改善动作迁移时的身体结构一致性，减少肢体错位、穿模等常见问题。

深度视频（Depth Video）的获取通常有两种途径：一是使用专门的深度估计模型（如MiDaS、Depth Anything等开源工具）对普通视频进行处理，逐帧生成灰度深度图序列；二是部分AI视频工具内置了深度提取功能，可直接将普通舞蹈视频转换为深度视频。深度图中，像素亮度代表该点距摄像机的相对距离——越亮表示越近，越暗表示越远。AI模型通过这份额外的空间信息，能更准确地推断出人体各关节在三维空间中的实际位置，而不是仅凭二维像素猜测肢体层级关系，这对于手臂交叉、身体转向等复杂动作尤为重要。

第三步：附上描述关键词

上传素材的同时，需要附带对应的描述性关键词，用文字进一步约束画风、场景与角色特征。提示词的精确度直接影响成片质量，这也是这类工具从「能用」到「好用」的分水岭。

并附上对应的描述关键词

第四步：等待自动出片

发送素材与关键词后，模型会自行完成分析与思考，无需人工干预，直接等待渲染完成即可获得成片。

直接等待出片就可以啦

这类玩法的价值与局限

从创作效率角度看，动作复用是极高性价比的做法。一段精心设计或来自热门舞蹈的动作，可以被反复迁移到不同角色上，快速产出多个版本的内容，特别适合追热点、做二创的短视频创作者。

但也要理性看待其边界。动作迁移的效果高度依赖输入素材质量——参考图清晰度、深度视频的准确性、提示词的完整度，任何一环薄弱都会让成片出现瑕疵。此外，直接复用他人原创舞蹈动作，在商用或规模化传播时可能涉及版权与原创性问题，创作者需自行注意合规风险。

写在最后

这套「换人、换画风、不换动作」的流程，代表了AI视频生成工具走向平民化的一个方向：把专业的动作捕捉与风格迁移能力，封装成傻瓜式的上传交互。对普通用户而言，理解每类素材的作用、打磨提示词，是把这类工具用出效果的关键。原作者已将具体提示词放在评论区，感兴趣的读者可自行取用实践。