ResearchMan← Technology
kimodo.cpp
Tool条件付き (Apache-2.0)#Motion/Body#CreatorTools

kimodo.cpp

LocalAI(localai-org)コミュニティ / 元モデル: NVIDIA Kimodo/2026-09

Overview

NVIDIAのテキストから3D人物モーションを作る「Kimodo」を、C++/GGMLで自分のPC(CPU/Vulkan GPU)で動かせるようにしたオープンソースの移植版。「歩いて手を振る」のような文章から骨格アニメ(GLB)を生成できる。

技術のポイント

何がすごいか:Kimodoは、文章や「この地点を通る」「手をここに置く」といった条件から、人型キャラクターやロボットの全身モーションを作るNVIDIAのモデルです。本来は大きなPython環境とGPUが前提ですが、kimodo.cppは軽量な形式(GGUF)と量子化で小さくし、GPUメモリの少ないPCでも動くようにしました。ブラウザの画面でプロンプトを入力し、複数の文をつないだ連続動作の生成もできます。広告・体験づくりでの活用:モーキャプスタジオや役者がいなくても、キャラクターの仮モーションを数十秒で何案も出せるため、絵コンテ段階のアニメーション検討、ゲームやSNS用ショート動画の素材づくり、インスタレーション用の人型ロボットの動きの下書きに使えそうです。クラウドに依存せず手元で完結するので、社外秘の企画でも試しやすいのが強みです。ただし現状の出力は「骨格のみのGLB」で、Blenderなどに読み込んでからキャラクターに当てはめる後工程が必要です。

技術の詳細

①仕組み:Kimodoは、ノイズを少しずつ取り除いて動きを作る「拡散モデル」です。約700時間の光学式モーキャプで学習していて、体の根元(腰の位置と向き)と各関節の動きを二段階に分けて予測することで、足が滑るなどの破綻を減らしています。kimodo.cppはこれをGGML(ローカルAI推論用のライブラリ)で書き直し、モデルを圧縮して保存する仕組み(Q8_0〜Q4_Kなどの量子化)に対応しました。テキストの理解にはLlama 3系のエンコーダを使い、その重みもHugging FaceのLocalAI-ioで変換済みのものが配布されています。 ②従来との違い:本家のPython実装は導入が重く、大きなGPUが前提でした。この移植版はC++のCLI、Cのライブラリ(kimodo_capi.h)、ローカルのWebデモ(ポート8094)を備え、CPUでも動きます。5種のモーションモデル(SMPL-X、SOMA RP/SEED、Unitree G1 RP/SEED)に対応しています。一方、任意の制約入力、77関節のSOMA展開、スキン付きメッシュの書き出しは未実装だとREADMEに明記されています。 ③使うには:C++23対応コンパイラ、CMake 3.25以上、Ninja、Python 3とHugging Face CLIが必要で、GPUを使う場合はVulkanのSDKも要ります。モデルと変換データで約17GBの保存領域を見込んでください。無料で使えますが、ライセンスはモデルごとに違います。商用で使うならSOMA/G1版を選び、Llama 3の条件も確認してください。Windows向けにはTheLocalLab/kimodo.cpp-windowsがあり、UE5リターゲット用の出力もありますが、簡単インストーラーはPatreon経由の有償です。

License

C++実装はApache-2.0。モデルはSOMA/G1版がNVIDIA Open Model License(商用可)、SMPL-X版は社内R&D専用で商用不可。テキストエンコーダにMeta Llama 3のライセンスも適用される。

Sources

Related Works