주요 특징

• 영어 문장 프롬프트를 입력하면 스켈레톤 기반 3D 휴먼 모션을 생성하며, 사람 한 명의 팔다리·몸통 동작 서술에 초점을 맞춥니다. 동물 등 비인간 캐릭터, 다중 인물 상호작용, 카메라·배경 지시, 루프 애니메이션은 지원 범위 밖이라고 밝히고 있습니다.
• Diffusion Transformer와 Flow Matching을 결합한 구조를 텍스트-투-모션 분야에서 10억 파라미터 규모로 확장했으며, 저장소는 이를 통해 지시 이해와 이행 능력이 기존 오픈소스 모델 대비 개선됐다고 설명합니다.
• 3,000시간이 넘는 다양한 모션 데이터로 사전학습한 뒤 400시간 분량의 선별된 고품질 3D 모션 데이터로 파인튜닝하고, 사람 피드백과 보상 모델 기반 강화학습으로 지시 이행과 동작의 자연스러움을 추가로 다듬는 3단계 학습을 사용합니다.
• 최소 26GB VRAM이 필요한 1.0B 표준 모델과 요구 사양을 24GB로 낮춘 0.46B Lite 모델을 함께 제공하고, 대량 프롬프트 배치 추론용 CLI 스크립트와 로컬에서 결과를 확인하는 Gradio 앱, 허깅페이스 데모 스페이스를 지원합니다.
• 모션 길이 예측과 프롬프트 재작성을 담당하는 Text2MotionPrompter 모듈을 선택적으로 붙일 수 있으며, 생성 결과의 의미 정합성을 VLM으로 평가하는 SSAE 지표의 프롬프트와 코드도 저장소에 함께 공개돼 있습니다.