SysMocap：不用动捕服，普通摄像头也能把 3D 角色“拽起来”

我看 SysMocap，第一眼没先看它的界面多漂亮，而是盯住了两个东西：摄像头输入，和骨骼映射。

啧，这俩才是虚拟人动捕最容易翻车的地方。 以前折腾小 Demo，最烦的不是模型能不能动一下，是脸能动、身体也能动，但手一进来就开始飘；FBX 换一个来源，骨骼名字又对不上，半天都耗在 Hips、Spine、UpperArm 这些节点上。

SysMocap 做的事很直接：用视频画面驱动 3D 虚拟角色，面向 VTuber、直播、AR/VR 这类场景，项目 README 里写的是“实时视频驱动动作捕捉及 3D 虚拟形象生成系统”。它支持面部、半身、半身加手、全身这些捕捉展示，不是只给你一个“能点头”的玩具。

这就有点现实了。

模型这块也不是只认一种格式。SysMocap 支持 VRM 0.x、VRM 1.0，以及 Mixamo 格式 FBX 的自动骨骼检测；碰到别的 FBX、GLB、GLTF，也可以手动做骨骼映射和坐标转换。

老鬼看这种工具，一般会先问：换个模型会不会直接废？它至少把这口锅留了个手动兜底。

当然，别急着吹成“人人都能零成本动捕棚”。实时动捕这东西，光照、摄像头角度、身体遮挡、机器性能，都会影响结果。尤其全身和手部，演示能跑是一回事，直播里稳不稳又是另一回事。

项目底层依赖里提到了 MediaPipe Holistic 和 Kalidokit，这条路线很熟，优点是门槛低，问题是复杂姿态下别指望它像专业动捕设备一样老实。

我比较喜欢的是它没有只停在“动起来”。README 里还写了 OBS 直播使用、动作数据转发、WebXR API，不过 WebXR 那块明确是 HTTPS only。

这类小字很重要，直播、AR/VR 一接链路，端口、证书、转发服务就开始找你麻烦。

再看维护痕迹，仓库现在大概 3.1k stars，最新 Release 是 v0.8.0，页面显示发布于 2026 年 6 月 10 日。这个版本修了不少脏活：比如模型编辑不持久、手部检测导致 VRM hand rig 某帧崩、转发 Web Server 启停泄漏 worker thread，还把 FBX/glTF rig 的骨骼查找从每帧线性扫描改成一次性映射。

这些不性感，但是真有用。

SysMocap 更适合想快速做虚拟主播、小型直播形象、AR/VR 原型的人先扫一眼。你不用上来就买动捕服，也不用先把模型管线搭成工程灾难。先用普通摄像头把角色驱起来，看看效果够不够用。