# TqiTwBgcmimpc6kDB7Fcf9jkngb

Source: https://my.feishu.cn/wiki/TqiTwBgcmimpc6kDB7Fcf9jkngb


#### **今日内容概述：**
##### 1.梳理 AI 生成 Spine 动作的输入规范
##### 2.尝试建立 Spine JSON 评审与修复流程
##### 3.明确当前阻塞与下一步验证方向
## 一、AI 生成 Spine 动作的输入规范梳理
**核心问题**
#### AI 生成 Spine 动作不稳定，不只是提示词问题
当前判断是，AI 产出 Spine 动作的准确度，很大程度取决于输入 Spine 工程是否具备清晰的动作语义。
如果骨骼命名、层级、旋转轴、slot、attachment 等基础信息不规范，AI 即使拿到 JSON，也很难稳定判断部位和运动关系。
#### Spine JSON 需要被当作“可被 AI 理解的动作结构”来处理
后续不能只把 Spine JSON 当作软件内部数据，而要把它视为 AI 动作生成前的输入工程。
命名、层级、轴点、初始姿势，本质上是在提前告诉 AI：角色身体如何连接、部件如何运动、动作应从什么状态开始。
**调研重点**
今日重点围绕以下输入维度进行梳理：
  - 骨骼命名是否语义化
  - 英文命名是否优先于中文拼音命名
  - 骨骼层级是否符合运动逻辑
  - 旋转轴是否放在真实关节位置
  - setup pose 是否适合作为动作基础
  - slot、attachment、bone 命名是否一致
  - 左右命名是否采用角色自身视角
## 二、Spine 制作约定整理
### 1. 骨骼命名规范
骨骼命名的核心目标，是让 AI 能从名称直接判断该骨骼控制的身体部位或功能点。
#### （1）推荐命名方式
建议使用语义清晰、稳定一致的英文命名，例如：
  - root
  - hip
  - torso
  - chest
  - neck
  - head
  - left-shoulder
  - left-upper-arm
  - left-lower-arm
  - left-hand
  - right-shoulder
  - right-upper-arm
  - right-lower-arm
  - right-hand
  - weapon
  - weapon-tip
**结论**
不要使用 bone1、bone2、arm_a 这类无法表达实际部位的名称。
骨骼命名应优先使用英文语义命名，而不是中文拼音命名。英文词更接近大模型训练语料中的身体结构与动作语义，模型更容易从 left-upper-arm、right-hand、weapon-tip 中推理出部位、方向和功能；zuoshou、youbi、wuqi 这类拼音命名对模型来说语义弱、歧义更高。
#### （2）左右命名规范
左右命名建议始终按照角色自身视角，而不是屏幕视角。
例如 left-hand 表示角色自己的左手，right-hand 表示角色自己的右手。
**阶段性判断**
如果左右命名随屏幕方向变化，角色转向、镜像或攻击时容易出现语义混乱。
因此左右命名应作为 Spine 输入规范中的基础约束固定下来。
### 2. 骨骼层级结构
推荐的人形骨骼结构应围绕 root → hip → torso/chest → head/arms/legs 展开，保证运动传导关系符合人体直觉。
#### （1）基础人形结构
推荐层级为：
#### （2）附加结构挂载方式
武器建议挂在手部骨骼下：
头发、披风、尾巴等结构按身体来源挂载：hair 挂头部，cape 挂胸腔，tail 挂髋部。
**判断**
骨骼层级不是单纯的整理习惯，而是会直接影响 AI 对动作传导关系的理解。
如果武器、头发、披风、尾巴挂载位置不合理，后续动作生成很容易出现部件跟随错误。
### 3. 旋转轴与 setup pose
**整体链路**
旋转轴决定部件如何运动，setup pose 决定所有动作的初始基础。
这两个环节不稳定，后续动作即使生成成功，也容易出现明显视觉错误。
**核心价值**
#### （1）旋转轴必须放在真实关节位置
**结果**
  - left-upper-arm 的旋转轴应放在左肩关节
  - left-lower-arm 的旋转轴应放在左肘关节
  - left-hand 的旋转轴应放在左手腕
**结论**
不要把骨骼原点放在图片中心，否则手臂、武器等部件容易围绕图片中心甩动，而不是围绕真实关节运动。
#### （2）setup pose 需要稳定、自然、可复用
推荐 setup pose：自然站立、身体竖直、双脚着地、双臂自然下垂或轻微弯曲、头部正向、武器在默认持握位置。
不推荐使用攻击中、大幅倾斜、手臂交叉、腿部大幅张开、武器已挥出的姿态。
**判断**
stand、attack、move 等动作都会以 setup pose 为基础。
初始姿势越稳定自然，AI 后续生成动作时越容易保持结构和运动逻辑一致。
### 4. slot 与 attachment 命名
slot、bone、attachment 如果命名不一致，AI 很难判断图片资源实际挂在哪个身体部位上。
推荐保持以下一致关系：
  - slot: right-upper-arm
  - bone: right-upper-arm
  - attachment: right-upper-arm
武器相关结构可采用：slot: weapon、bone: right-hand、attachment: sword。
**判断**
slot、attachment 与 bone 的命名一致性，应纳入 Spine JSON 输入检查清单，以降低 AI 识别资源挂载关系时的歧义。
## 三、提高 AI 生成 Spine 质量的相关尝试
### 1. 尝试让 AI 评审当前 Spine JSON
**核心路线**
在正式生成动作前，先把 Spine 动作 JSON 输入给 Claude Code，让 AI 评审当前文件是否符合动作生成要求。
**特点**
重点检查 bone、slot、attachment、IK 命名是否清晰，以及整体结构是否会影响动作生成稳定性。
**判断**
该方向可以作为输入质量控制的一部分。
通过提前评审，有机会在动作生成前发现明显不规范结构，减少后续动作 JSON 输出不稳定的问题。
### 2. 尝试半自动修复不规范骨骼命名
**主要定位**
针对部分 Spine 工程中骨骼命名不规范的问题，尝试通过映射表进行半自动修复。
**优势来源**
流程设想是：AI 生成“不规范骨骼名 → 规范骨骼名”映射表，人工审核并修正后，再用脚本输出新文件。
**局限**
实测下来，这条路线流程偏繁琐。
AI 生成的映射仍可能改错，人工审核和修正成本较高；当前阶段不如直接手动修改高效。
### 3. 尝试回到 Spine 软件中做实际修改测试
目前遇到 Spine 软件导入整图问题，尚未完成稳定导入和后续动作测试链路。
#### （1）当前阻塞
**角色说明**
导入整图问题会影响从资源导入、骨骼调整到动作测试的完整链路，需要优先排查。
## 四、阶段性结论
### 1. AI 产出 Spine 动作质量的关键前置，是输入结构标准化
**结论**
提高 AI 生成 Spine 动作准确度，不能只依赖 prompt。
需要先让 Spine JSON 本身具备清晰、稳定、可被 AI 识别的动作语义。
### 2. 半自动修复流程暂不适合作为主路径
**结论**
映射表加脚本修复理论上可行，但当前人工审核成本偏高，AI 改名仍有出错风险。
在样本量和规范尚未稳定前，优先采用手动修正更稳妥。
### 3. AI 预评审值得继续推进，但需要扩展检查维度
**判断**
现阶段 AI 评审可用于辅助发现明显问题，但还不能作为稳定的自动化质量门槛。
后续需增加骨骼原点、父子层级、slot 与 attachment 对齐、左右命名一致性、武器挂点等检查维度。
## 五、下一步工作思考
**后续推进方向**