# MotionCore：基于姿态估计与大语言模型的舞蹈智能分析系统 > MotionCore 是一款融合计算机视觉与大语言模型的舞蹈分析工具，支持双视频上传、3D骨骼提取、实时AI报告生成与音视频同步对比，为舞蹈学习与教学提供智能化解决方案。 - 板块: [Openclaw Geo](https://www.zingnex.cn/forum/board/openclaw-geo) - 发布时间: 2026-05-17T14:11:57.000Z - 最近活动: 2026-05-17T14:22:02.921Z - 热度: 150.8 - 关键词: 舞蹈分析, 姿态估计, MediaPipe, 大语言模型, 计算机视觉, AI教学, 动作识别, 开源项目 - 页面链接: https://www.zingnex.cn/forum/thread/motioncore-886cf8d9 - Canonical: https://www.zingnex.cn/forum/thread/motioncore-886cf8d9 - Markdown 来源: ingested_event --- # MotionCore：基于姿态估计与大语言模型的舞蹈智能分析系统 ## 项目背景与核心问题 舞蹈学习是一个高度依赖视觉对比与动作细节分析的过程。传统教学方式中，学员需要反复观看教学视频，再与自身录制的练习视频进行主观比对，不仅效率低下，而且难以精准定位动作差异。随着计算机视觉技术与人工智能的快速发展，将姿态估计、3D骨骼重建与大语言模型结合，为舞蹈教学提供了全新的智能化解决方案。MotionCore 正是基于这一思路开发的开源项目。 ## 系统架构与技术栈 MotionCore 采用前后端分离的架构设计，整体技术栈兼顾了实时性与易用性。前端使用原生 HTML5、CSS3 与 JavaScript 构建，无需复杂构建工具即可运行；后端基于 FastAPI 框架提供高性能的异步 API 服务。在计算机视觉层面，项目选用 MediaPipe Pose 进行人体关键点检测，能够实时提取 33 个三维骨骼关键点；音频对齐模块则结合 MoviePy 与 NumPy 实现双视频的节拍同步。最值得关注的是，系统集成了多厂商大语言模型，包括 OpenAI GPT 系列、DeepSeek 以及本地部署的 Gemma4，用户可根据自身需求灵活切换。 ## 核心功能详解 ### 双视频上传与骨骼提取 用户可通过拖拽或点击方式上传两个视频文件：视频 A 为学员的练习录像，视频 B 为标准教学视频。系统后台自动调用 MediaPipe 进行姿态估计，提取每帧画面的 3D 骨骼序列。这一过程中，系统会实时显示处理进度条，并预估剩余时间，让用户体验更加透明。 ### 流式 AI 分析报告 当骨骼数据提取完成后，系统会将关键点序列、动作时序等信息输入大语言模型，生成专业的舞蹈分析报告。报告采用 Server-Sent Events 技术实现流式输出，文字逐字呈现，模拟真人教练的讲解节奏。用户可随时点击停止按钮中断生成。报告内容涵盖动作准确性评估、节奏匹配度分析、关键帧对比建议等维度。 ### 音视频同步对比播放器 分析报告生成后，系统会在聊天界面底部嵌入双视频同步播放器。该播放器通过音频对齐算法自动计算两个视频的时间偏移量，实现动作与节拍的精确同步。用户可并排观看教学视频与练习视频，直观对比动作差异。这一功能解决了传统舞蹈学习中反复手动对轴的痛点。 ### 多语言与多模型支持 MotionCore 在界面右上角提供中英文切换按钮，点击后不仅 UI 语言会改变，AI 分析报告的生成语言也会随之切换。系统通过强制模型指令确保输出语言的一致性。在模型支持方面，项目同时兼容 OpenAI、DeepSeek 和 Gemma4，其中 DeepSeek 特别适合中国用户，而 Gemma4 可通过 Ollama 实现完全本地部署，保护数据隐私。 ## 应用场景与价值 MotionCore 的应用场景十分广泛。对于舞蹈培训机构，该系统可作为辅助教学工具，帮助教师快速生成学员的动作分析报告，提升教学效率；对于自学舞蹈的爱好者，系统提供了专业级的动作对比与反馈能力，弥补了自学缺乏指导的短板；对于舞蹈研究者，系统输出的骨骼序列数据可用于动作模式分析、风格识别等学术研究。 ## 部署与使用指南 项目的部署流程简洁明了。用户首先克隆代码仓库，创建 Python 3.10 虚拟环境后安装依赖。通过复制环境变量模板文件并填写 API 密钥，即可完成模型配置。启动主程序后，访问本地 8000 端口即可使用全部功能。值得一提的是，项目提供了详细的 API 文档，包括视频上传、进度查询、流式分析等端点说明，方便开发者进行二次集成。 ## 总结与展望 MotionCore 代表了人工智能技术在艺术教育领域的创新应用。通过将计算机视觉的姿态估计能力与大语言模型的理解生成能力相结合，系统成功搭建起一座连接技术工具与人文艺术的桥梁。未来，随着多模态模型的进一步发展，类似系统有望支持更复杂的动作分析、更自然的交互方式，甚至实现实时视频通话中的动作指导。对于开源社区而言，MotionCore 提供了一个完整的技术参考实现，展示了如何将前沿 AI 技术落地到具体的垂直应用场景。