由 DFKI、Max Planck、Snap Inc. 等研究团队打造的 AI 技术「DuetGen」登场，只需输入音乐，即可自动生成两人配对同步的交互式舞蹈场景。它还能自然再现音乐与角色之间的互动。该技术于 SIGGRAPH 2025 发布。

DuetGen: Music Driven Two-Person Dance Generation via Hierarchical Masked Modeling

「DuetGen」是根据音乐生成二人舞蹈的最新 AI 模型。它通过两阶段的 token 生成模型，输出伙伴之间相互联动并与音乐同步的舞蹈动作。通过分阶段建模高层语义信息与细微动作，实现自然且真实的舞蹈场景。

• 多阶段动作生成：首先用 VQ‑VAE 将二人的动作转换为从粗到细的 token，再从音乐中生成。
• 层级式掩码 Transformer：通过 2 阶段 Transformer 补全生成高、低层 token。在保持与音乐对应关系以及二人动作关系的同时生成动作。
• 信息整合式设计：以统一方式处理二人的动作，自然再现姿态与相互作用。

用户调研也证明，在动作真实感、音乐同步性、双向协调性方面，其性能优于以往方法

单人动作相关技术已经层出不穷，不过接下来像这样涉及多人的动作生成，应该也会越来越多地出现稳定的方案吧（实际上已经有很多了）。
代码尚未公开。技术详情请查看项目页面！

链接

DuetGen