mvntSTUDIO：K-POP 编舞师做的 AI 舞蹈生成器，思路对但时机尚早

2026-02-28 | ProductHunt | 官网 | Hacker News

界面解读：左侧粘贴 YouTube 链接，右侧实时预览 3D 人偶跳舞。交互非常直觉——丢个链接进去，等 3 分钟，一段编舞就出来了。

30秒快速判断

这App干嘛的：给它一首歌（YouTube 链接或音频文件），AI 自动生成一段 3D 舞蹈动画。不是套模板，是从音乐节奏出发"原创"编舞。

值不值得关注：值得收藏观望，但现在不值得花太多时间。产品是 v0.1 公开测试版，连 MP4 下载都还没做好。真正有意思的是背后的团队——BTS/Seventeen 的编舞师 + 现代舞创业者，拿了 Epic MegaGrant 和 NVIDIA Inception，这不是一个随便玩玩的 side project。

与我有关三问

与我有关吗？

目标用户画像：

• 短视频创作者：想给 TikTok/抖音视频配上独特舞蹈动画
• K-POP / 舞蹈爱好者：想可视化自己脑海中的编舞
• 游戏/动画开发者：需要角色舞蹈动作的 3D 动画资产
• 专业编舞师：用 AI 辅助创意构思，快速原型

我是目标用户吗？ 如果你做短视频内容、搞 3D 动画、或者和舞蹈/K-POP 相关的创作，这就是给你准备的。如果你只是普通开发者或产品经理，更多是"开眼界"的价值。

对我有用吗？

ROI 判断：现阶段玩一玩体验下就好，别指望用在正式项目里。但如果你是做舞蹈/动画相关内容的，值得加入他们社区跟进——这个团队的背景意味着产品会持续迭代。

喜闻乐见吗？

爽点在哪：

• 零门槛编舞：粘贴 YouTube 链接 → 3 分钟出结果，这个体验本身就很有趣
• Image to Dance：上传任意角色图片让它跳舞（用了 Tripo AI v3），把一拳超人、海绵宝宝之类的角色拿来跳舞，社区 Gallery 里全是这种"搞怪"创作

社区 Gallery：用户让各种角色（派大星、Baby Shark、动漫角色）跳舞，这种"搞怪"玩法是产品目前最大的乐趣来源。

创始人的话：

"我们只是觉得把它们像公共测试台一样开放，分享过程，并作为一个社区一起玩耍，纯粹是非常有趣的事情。" — @jooooooooonjung (来源)

给独立开发者

技术栈

• 核心模型: mvnt-m4，自研扩散模型（基于扩散模型的音乐转动作生成）
• 基础架构: 基于 Stanford EDGE (CVPR 2023) 改进的 EDGE++
• 音乐编码: 冻结的 Jukebox 模型提取音乐特征 → 基于 Transformer 的扩散模型生成 5 秒舞蹈片段
• 3D 角色渲染: Tripo AI v3（Image to Dance 功能）
• 训练数据: 专有动捕数据集，规模远超 AIST++（5.2小时、10种舞蹈风格），来自专业编舞师
• 部署: 基于 Web，正在迁移到 g7e 实例以加速推理
• 产品形态: 浏览器端 playground

核心技术逻辑

说白了就是：音乐 → Jukebox 提取节奏/旋律特征 → 扩散模型"去噪"生成动作序列 → 渲染成 3D 动画。

EDGE 的核心创新是用扩散模型替代了之前的 GAN/Transformer 方案，天然支持编辑能力（比如指定某个关节的动作、在两个关键帧之间插值）。mvntSTUDIO 在此基础上用更大的数据集训练了 EDGE++，追求更高质量和多风格支持。

开源情况

• mvntSTUDIO 本身: 不开源。GitHub 组织 (github.com/mvnt) 没有公开代码
• 基础论文: EDGE 完全开源 → GitHub - Stanford-TML/EDGE
• 类似开源项目: LODGE (CVPR 2024, 长序列舞蹈生成)、DanceRevolution、Bailando
• 自己做难度: 中高。EDGE 开源代码可以跑通，但要做到产品级质量需要大量高质量动捕数据（这是核心壁垒）。预估 3-6 人月可做到 demo 级别，但数据采集才是真正的难题。

商业模式

• 当前: 免费 playground（用户验证阶段）
• 母公司 MVNT 的变现路径:
  • Emote Publisher：给游戏公司卖舞蹈动作 IP（K-POP 编舞、传统舞蹈等）
  • Zepeto 合作：在 Naver Z 的元宇宙平台上卖舞蹈虚拟商品（2000万月活用户）
  • 编舞版权管理：帮编舞师收版税（类似音乐版权的 ASCAP）

巨头风险

有风险但不致命。Linus Ekenstam（Twitter 知名 AI 评论者）在最近的推文中提到 Google Labs 的 AISOMA 项目也在做 AI 编舞。但舞蹈生成这个赛道有两个天然壁垒：

1. 数据壁垒: 高质量编舞动捕数据需要专业舞者配合采集，MVNT 的联合创始人是 K-POP 顶级编舞师，这个资源不是大厂花钱就能快速复制的
2. 版权壁垒: MVNT 拿了韩国著作权委员会的编舞经纪牌照，在 K-POP 编舞 IP 这个细分领域有先发优势

给产品经理

痛点分析

• 核心问题: AI 生成内容已经覆盖了文字、图片、音乐、视频，但"舞蹈/动作"这一块几乎是空白
• 痛点有多痛: 中频刚需。对短视频创作者来说，想给内容加舞蹈动画目前要么请编舞师 + 动捕（贵），要么用模板（没创意）。但这个痛点不是"不解决就活不下去"的级别
• 更深层痛点: 编舞师创作了 K-POP 标志性舞蹈，但无法像作曲/作词一样获得版税。MVNT 想从根本上改变这个现状

用户画像

功能拆解

竞品差异

关键差异: 大部分竞品做的是"动作迁移"（motion transfer）——把已有的舞蹈动作套到角色上。mvntSTUDIO 做的是"动作生成"（motion generation）——从音乐直接创造新编舞。这是本质区别。

可借鉴的点

1. "playground" 发布策略: 不等产品完善就开放测试，用社区 Gallery 的搞怪创作（让各种角色跳舞）制造传播力
2. UGC 工作流整合: 明确标注可以把生成的舞蹈导出为 Kling AI、Seedance 的动作参考，把自己定位为创作工具链的一环

工作流整合思路：Suno 生成音乐 → Tripo 生成角色 → mvntSTUDIO 生成舞蹈 → Kling AI 生成最终视频。这个 pipeline 的定位很聪明。

给科技博主

创始人故事

这是一个很有故事性的团队：

• 최영준 (Choi Youngjun): 韩国顶级 K-POP 编舞师，TEAM SAME 负责人，2010 年入行，累计编舞 700+ 支。代表作包括 BTS、Seventeen、TWICE、Wanna One 的编舞。2020年获韩国总理奖（大众文化艺术奖）。他亲身经历了编舞师"有名无利"的困境——K-POP 的标志性舞蹈传遍全球，但编舞师只拿一次性服务费，没有版税。

• 정의준 (Jung Eui-jun): CEO，现代舞专业出身，之前是创业共居空间 'nonce' 的创始成员。把舞蹈背景和创业能力结合起来。

创业动机: 他们看到编舞师的创作不被当作"知识产权"保护，决定用 AI + 区块链技术建立编舞 IP 体系。mvntSTUDIO 是这个愿景的消费端产品。

争议点/讨论角度

• AI 编舞会取代编舞师吗？ MVNT 的答案是"不会"——他们强调所有训练数据都经编舞师授权，且目标是帮编舞师获得版税，而不是替代他们。但这个话题本身就有讨论空间。CalMatters 的报道 做了 AI 舞蹈生成的测试，结论是"AI 还不太会跳舞"——这既是挑战也是机会。
• K-POP 编舞版权: 一个很有意思的切入角度。K-POP 全球爆火，但编舞师几乎不赚钱。Naver Z (Zepeto) 已经和 MVNT 签了合作协议，要保护编舞版权。
• Web3 元素: MVNT 的 GitHub 自我介绍是 "Web 3.0 Entertainments"，但目前产品里看不到明显的区块链/Token 元素。可以追问。

热度数据

• ProductHunt: 2 票，几乎没有热度
• Hacker News: Show HN 帖子已发布，早期阶段
• Twitter/X: 创始人自己的帖子 4 赞 / 132 浏览，知名 AI 评论者 Linus Ekenstam 提到了 Google 的竞品 AISOMA (86 赞)
• 整体判断: 极早期，公众认知接近零。但"K-POP 编舞师用 AI 做编舞工具"这个叙事本身有话题性

内容建议

• 最佳角度: "BTS 编舞师的 AI 创业故事"——把技术和 K-POP 文化结合，既有人物故事又有技术深度
• 蹭热点: 如果 AI 编舞在 TikTok 上火起来（类似之前的 AI 换装），这是第一个专门做这个的产品
• 对比评测: 把 mvntSTUDIO、DeepMotion、Krikey、Freebeat 做个横评，用同一首歌生成舞蹈对比

给早期采用者

定价分析

上手指南

• 上手时间: 1 分钟
• 学习曲线: 极低——粘贴链接就行
• 步骤:
  1. 打开 mvnt.studio
  2. 粘贴 YouTube 链接或上传 .wav 文件
  3. 等待 ~3 分钟
  4. 看 3D 角色跳舞，可以用屏幕录制导出
  5. （可选）上传角色图片，让自定义角色跳舞

坑和吐槽

1. 没有 MP4 下载: 只能屏幕录制，不方便。创始人说正在开发中
2. 没有手指/面部动作: 3D 角色看起来像提线木偶，缺乏细节
3. 舞蹈质量: v0.1 的 m4 模型质量还在提升中，m4.1 开发中
4. 产品极早期: 明确是 "公共测试台"，别对质量期望太高
5. 社区登录: 还不支持社交账号登录

安全和隐私

• 数据存储: 云端处理（上传的音乐/图片在服务器处理）
• 隐私政策: 未找到明确的隐私政策页面
• 安全审计: 无

替代方案

给投资人

市场分析

• 3D 动捕市场: $319.25M (2026) → $595.37M (2031)，CAGR 13.27%
• 生成式 AI 动画市场: $652.1M (2024) → $13.4B (2033)，CAGR 39.8% — 这是增速最快的细分
• 动画与 VFX 总市场: $220.69B (2026)，CAGR 11.86%
• 驱动因素: 短视频创作需求爆发、AI 推理成本下降、无标记动捕技术成熟、元宇宙/虚拟人需求

竞争格局

Timing 分析

• 为什么是现在:

  1. AI 生成内容已覆盖文/图/音/视频，"动作/舞蹈"是最后一块空白
  2. 短视频平台（TikTok、抖音）让舞蹈内容的需求暴涨
  3. 扩散模型在动作生成领域刚达到"可用"的质量门槛
  4. K-POP 编舞版权问题引发行业关注，韩国已开始立法

• 风险: 技术还不够成熟（AI 生成的舞蹈质量距离人类编舞有明显差距），需要 1-2 年才能达到生产级（production-ready）

团队背景

• CEO 정의준 (Jung Eui-jun): 现代舞 + 创业背景
• 联创 최영준 (Choi Youngjun): K-POP 顶级编舞师，BTS/Seventeen/TWICE 编舞，700+ 作品
• 团队规模: 未披露（预估小团队 5-10 人）
• 独特优势: 编舞行业顶级资源 + AI 技术能力的罕见组合

融资情况

• 已融资: 种子轮（金额未披露）
• 投资方: Mashup Ventures、NVIDIA Inception Program、Google for Startups
• Mashup Ventures 评价: "MVNT 有望成为编舞版权界的环球音乐集团"
• 其他: 获 Epic Games MegaGrant、韩国著作权委员会编舞经纪牌照
• Naver Z 合作: 与 Zepeto（2000万月活）达成编舞 IP 分发合作

结论

一句话判断: mvntSTUDIO 的方向对（AI 编舞是真空地带），团队对（K-POP 顶级编舞师 + AI 技术），但产品极早期——现在是"关注"的时候，不是"大规模使用"的时候。

资源链接

2026-02-28 | Trend-Tracker v7.3