Runway动作捕捉角色视频制作教程

今天要聊的，是Runway最新推出的Act-Two——一个真正意义上的零硬件动作捕捉方案。简单来说，只需用手机拍摄一段自己表演的视频，再上传一张角色图片，AI就能让角色完全复刻你的动作、表情，甚至口型。

这是一套相当精巧的流程：用一段实拍视频驱动角色，再配合角色图完成动作、表情和口型的精准映射。整个过程不需要任何动作捕捉设备，可以说是AI视频生成领域的一个实用突破。

准备驱动视频和角色参考

打开Runway官网并登录，确保当前会话已启用Gen-4视频模型。接着，在界面左下角找到Act-Two图标，点击启动工具。

驱动视频的素材要求其实很明确：必须是单视角、半身以上、面部清晰的实拍视频，时长控制在3到8秒之间。如果视频抖动严重、逆光强，或者脸部遮挡超过三分之一，表情丢失几乎是必然的。

角色参考可以是PNG或JPG格式的静态图，也可以是MP4格式的角色视频（后者会自动继承风格）。有一个关键点需要特别注意：角色图中的人物必须是正脸，不能有大幅倾斜，而且与驱动视频中的人物朝向要基本一致，否则肢体映射会出现扭曲错位，效果会大打折扣。

上传并校准输入

将驱动视频直接拖入左侧的提示画布区域，系统会自动解析帧率、音频轨道和关键动作区间。这一步基本不需要手动干预，交给AI处理就好。

接着，点击“Add reference”按钮上传角色参考图。如果用的是角色视频，系统会提取首帧作为姿态锚点，并默认启用“Style Transfer”模式——也就是风格迁移，让角色动作更自然地融入原素材。

此时右侧预览窗会显示对齐状态。绿色进度条满格，表示面部特征点匹配成功；如果出现黄色警告，说明角色图分辨率低于768×512，或者存在严重透视畸变，那就需要换一张更清晰的图像了。

生成与微调输出

点击“Generate”开始处理，等待时间大约在90到150秒之间，具体取决于视频长度和服务器负载。这段时间可以喝杯咖啡，或者看看预览窗的进度。

生成完成后，视频会自动播放。如果发现口型不同步，可以点击右上角的“Refine Lip Sync”按钮重新注入音频特征。这个操作只优化嘴部形变，不会重跑全身动作，所以速度很快，效果也很直接。

至于手指动作模糊的问题，可以回到编辑页，点击“Advanced Settings”，将Finger Tracking强度从默认的50%调至75%。但这里有一个硬性限制：切勿超过85%，否则指尖会粘连或穿模，反而得不偿失。