这两个月全网刷屏的 AI 视频深度动作捕捉，猫斯卡把整条流水线开源了：ReShot，参考片变深度图，Seedance 照着走位打，8 GB 显卡和 Mac 都能跑
舞蹈复刻、打戏复刻背后就是这一招；为什么深度图能让模型只学动作不抄脸、我们在技术上做对了哪四件事、什么机器能跑、怎么装怎么用，一篇讲完
猫斯卡（www.maosika.com）今天开源了 ReShot，把这两个月刷屏的「深度动作捕捉」做成了一条完整的流水线，Apache-2.0，随便用，包括商用。
一段参考视频进去，一段深度图视频出来，近白远黑。把它当参考视频交给 Seedance 或 MiniMax H3，模型照着里面的走位和运镜再拍一遍，脸、衣服、画风全换成你的。
咱先验货。
上排左边是一场走廊打戏，一个人靠墙蹬墙扯下一根管子，跟几个黑衣守卫打了一圈，被最大的那个从背后抱住、反手把他摔了，最后擦擦嘴走出门。
上排右边是它的深度图。
下排三条片，铠甲女战士、旗袍女、戴拳套的卡通兔子，脸、衣服、画风全不一样，可蹬墙那一下、被抱起那一下、走出门那一下，时间点和镜头位置跟参考片是同一套。
最能说明问题的是兔子那条：参考片里从背后抱她的是守卫里个头最大的那个，兔子那条里抱它的是熊，狼、虎、熊三个对手里最大的那个。
模型没有看到任何一张脸，它是从灰影的体积里读出「谁最大」的。
五条片拼在一格里是方便你对时间点，三条生成片和完整提示词都在 GitHub 仓库里，一字没删。
深度动作捕捉到底是什么，为什么这两个月全网都在用
先说它解决的问题。
Seedance 2.0 从年初开始支持参考视频，你上传一段片，它复刻里面的动作和运镜。
大家很快发现一个麻烦：原片直接喂给它，模型连脸、衣服、灯光、房间一起抄了，出来的东西一眼就是人家那条。
片子里有真人的话，参考素材还过不了审，直接翻车。
然后有人试出了一招，我第一次看到也觉得有点东西：先把原片转成深度图，再把深度图当参考视频喂进去。
深度图是什么？每个像素的亮度代表这个点离镜头有多近，近的白，远的黑。
整段片转完，画面里只剩下一团一团的灰影，没有脸，没有衣服，没有颜色，没有背景纹理，只剩下四样东西：谁站在哪、谁大谁小、怎么动、镜头怎么走。
模型拿到这段灰片，能抄的只有这四样，脸和衣服想抄也没得抄，只能从你的提示词和参考图里拿。
这就是「深度动作捕捉」，舞蹈复刻、打戏复刻、跑酷复刻这两个月刷屏，底下全是这一招。
海外把它叫 depth map trick，ComfyUI 社区有现成的工作流，网上冒出一堆在线转换器和模板。
它的意义比「一个技巧」大。
视频生成模型的可控性一直是最难的一环，文字管不住动作，原片又管得太多。
深度图第一次把「怎么动」和「长什么样」干净地拆成了两路输入，动作走深度图，外观走参考图和提示词，各管一头，互不打架。
图像时代 ControlNet 的深度控制干的就是这件事，现在它在视频上成立了。
问题是，这一招今天要么在收费的在线服务里，要么得自己在 ComfyUI 里连线、找模型、对参数。
我们把整条流水线做完，开源了。
我们做了什么
ReShot 不是一个「跑个深度模型」的脚本，它把从参考片到能直接上传的深度图视频之间的每一步都做了，并且给了三种入口。
网页。 终端敲一个 reshot，浏览器弹出页面，参考片拖进去，选给哪家模型用，点一下，参考片和深度图并排预览，下载，旁边附好给 Seedance 或 MiniMax H3 的提示词开头。
所有计算在你自己电脑上，片子不上传到任何地方。
命令行。 reshot 参考片.mp4 -o 深度图.mp4 --target seedance，一次丢一个文件夹也行，模型只加载一次，批量跑很丝滑。
ComfyUI。 两个节点，一个吃视频吐视频，一个吃图片序列吐图片序列，放在 Load Video 和你的视频模型之间，深度图在工作流里直接流过去。
三个预设对着三家模型的参考视频规格：seedance 出 24 帧每秒、边长对齐 16 的倍数、不超过 15 秒；h3 对 MiniMax H3；wan 对 Wan 2.1 VACE。
你不用查任何一家的文档。
技术上做对的四件事
深度图人人会抽，抽出来能不能用是另一回事。
ReShot 在四个地方做了取舍，每一条都是我们拿实测数字换来的。
一、用视频深度模型，不用图像深度模型。
大多数在线转换器是把视频拆成图片，一张一张跑图像深度模型，再拼回去。
每一张的黑白刻度都是独立算的，拼回去整段片一闪一闪，人明明站着不动，灰度在跳。
视频模型读这种片，读到的是一个抖动的人。
ReShot 底下是 Video Depth Anything，它是为视频设计的：一次看 32 帧，相邻两段之间重叠 10 帧，靠时间维度的注意力让前后帧的深度互相对齐。
抽出来的片，人站着不动，灰度就不动。
二、整段视频只归一化一次。
模型输出的是相对深度，还要压成 0 到 255 的灰度。
ReShot 是把整段视频当一个整体做归一化：最近的那一点定白，最远的那一点定黑，所有帧共用同一把尺。
人从走廊深处走到镜头前，灰度是连续变亮的，而不是每一帧各自重新拉伸。
三、按时间戳取帧，只裁不补。
参考片可能是 30 帧或 60 帧每秒，Seedance 要 24。
ReShot 按时间戳重采样，不是隔几帧丢一帧，动作的时间点不会漂。
尺寸要对齐 16 的倍数时只裁边，绝不在画面外补黑边，黑边在深度图里会被读成「最远的一圈东西」，把整段的刻度带歪。
四、推理分辨率和输出分辨率脱钩，跑之前先算账。
模型看的是缩小后的画面，输出的深度图仍然和原片一样大。
默认档位显存 3 GB，速度快；显存 12 GB 以上的卡可以切「完整」档，细轮廓更锐。
同一段片实测两档的差别，平均只有 5 个灰阶，95% 的像素差在 15 以内，虽然细轮廓有差，但视频模型要的大形状两档一模一样。
跑之前 ReShot 先按「2 GB 加每像素每帧 20 字节」估一次内存峰值，超过机器一半内存就在开始之前拒绝，不会跑到一半把电脑卡死。
这条公式是我们在 4090 上六个点拟合出来的，误差不到 50 MB。
消费级显卡、Mac、纯 CPU，都能跑
| 机器 | 能不能跑 | 实测 |
|---|---|---|
| 8 GB 显存的 N 卡（3070、4060 这一档） | 能 | 默认档显存 3 GB |
| 3080 Ti / 4090 | 能，两档都放得下 | 默认档 34 毫秒一帧，12 秒的片十来秒 |
| Apple 芯片 Mac | 能 | M2 Max 上 46 毫秒一帧，12 秒的片 18 秒 |
| 没有显卡 | 能，慢 | 接近 2 秒一帧，12 秒的片十来分钟 |
有人会问缩小后的画面精度够不够。
够的，我们自己给 MiniMax H3 喂的深度图比默认档还小得多，上面三条片就是那么出的，照样能打。
怎么装，怎么用
装。 有 Python 的机器，终端两行：
pip install "reshot[ffmpeg]"
reshot第二行敲完浏览器自动打开页面。
模型权重 111 MB，第一次运行自动下载，在中国大陆先设一下镜像：
export HF_ENDPOINT=https://hf-mirror.com不想自己配环境，把这句话粘给 Claude Code 或 Codex，让它替你装：
按 https://raw.githubusercontent.com/maosika-ai/reshot/main/docs/AGENT_INSTALL.md 从 PyPI 安装 reshot，识别我的系统和显卡装对应的 PyTorch，跑一段短片验证一次。ComfyUI 用户装节点包 ComfyUI-ReShot，仓库里带两个示例工作流，拖进去就能跑，我在 ComfyUI 最新版上验过。
交给 Seedance。 深度图当参考视频上传，提示词开头写一句「参考@视频1的动作与运镜，顺序与视频保持一致」，后面接你的人物、服装、场景、画风。
交给 MiniMax H3。 深度图挂成 <Video 1>，定妆图挂成 <Picture 1>，提示词里用文字把灰片里发生的事复述一遍，再明说一句灰色外观不要抄，不然它可能真给你出一部灰片。。。
上面三条片就是这么出的。
女战士江雪和旗袍女苏晚，定妆图是在猫斯卡（www.maosika.com）上自动生成的，没有人写提示词，没有连节点。
说句实话，旗袍那条我一开始不太信，开衩那么高，蹬墙扯管子这种动作最容易穿模。
它做了，蹬墙那一下腿是抬起来的，衩口跟着裙摆走，落地之后旗袍还是那件旗袍。
挑一根刺的话，摔人那一下三条片里被摔出去的守卫都糊成了一团黑影，黑衣服加快速翻滚，这是视频模型的老毛病，谁家都容易在这掉链子。
但摔人的时机、摔完站的位置、接下来把最后一个撞上墙板的那一下，三条片跟参考片都对得上，旗袍那条撞墙板时还带了一串火花。
代码、文档、演示片、三条片的完整提示词都在 GitHub，仓库名 maosika-ai/reshot，中英文说明各一份。
为什么开源
猫斯卡（www.maosika.com）自己就是干这个的：从一句话想法开始，自动写剧本、出定妆图、出场景图、生成每一场的视频提示词，一路到成片。
站内锁的是「谁」，每一场戏绑定谁的定妆图、哪张场景图，有参考图的人物不再用文字描写外观，脸和衣服靠图锁住。
ReShot 锁的是「怎么动」。
两样凑在一起，一场戏里的人和动作都有了着落，剩下交给视频模型的只有光线和画风。
深度动作捕捉这一步，我们不觉得它该锁在任何一家的付费墙后面。
它是整个行业都用得上的基础件，做扎实一次，大伙儿都省事。
所以连模型选型、内存模型、三家规格的预设、网页、ComfyUI 节点，一起给出去，Apache-2.0，商用不用问。
GitHub 搜 maosika-ai/reshot，或者直接 pip install reshot。
用得顺手给个 star，哪家模型的参考视频规格变了，提个 issue，咱跟着改预设。
链接
- 代码仓库：github.com/maosika-ai/reshot（Apache-2.0，中英文说明各一份）
- ComfyUI 节点：github.com/maosika-ai/ComfyUI-ReShot
- Hugging Face：huggingface.co/spaces/maosika/reshot
- PyPI：pypi.org/project/reshot，
pip install reshot - 猫斯卡官网：www.maosika.com
关于猫斯卡 ｜ 猫斯卡 · 专业AI视频自动生产系统。把创意评估、剧本写作、人物场景道具定妆、镜头提示词与出片串成一条可审、可改、可回退的生产链。官网：www.maosika.com