Kimodo NVIDIA: Animasi AI 3D Gratis dan Open Source, Cukup Ketik Teks
Kimodo adalah AI pembuat animasi 3D gratis dari NVIDIA: ketik teks, jadi gerakan karakter tanpa motion capture. Plus bedanya dengan Mixamo dan contoh main drum.
Saat membuat game dengan AI, proses membuat model karakter sekarang sudah cepat: di tulisan sebelumnya saya memakai Tripo AI untuk mengubah concept art jadi model 3D, beres dalam beberapa menit. Tapi setelah modelnya jadi, membuatnya bergerak selalu jadi bagian yang paling macet. Paket animasi siap pakai cuma berisi gerakan umum seperti jalan, lari, lompat, dan mengayunkan pedang. Kalau ingin karakter "duduk di sofa sambil main konsol genggam" atau "main drum mengikuti lagu", dulu pilihannya cuma dua: atur frame demi frame sendiri di software animasi 3D, atau pakai baju motion capture lalu rekam.
Kimodo, yang dirilis gratis dan open source oleh NVIDIA tahun ini, dibuat untuk masalah ini: ketik satu kalimat deskripsi, dan ia langsung menghasilkan gerakan karakter 3D, tanpa motion capture dan tanpa mengatur keyframe manual. Tulisan ini merangkum apa itu Kimodo, bedanya dengan Mixamo, butuh PC sekuat apa, cara memakainya kalau tidak punya kartu grafis, lalu melihat bagaimana seorang developer game indie Jepang memakai animasi AI 3D seperti ini di game sungguhan.
Apa itu Kimodo?
Kimodo adalah model open source yang diumumkan NVIDIA Spatial Intelligence Lab pada Maret 2026. Nama lengkapnya Kinematic Motion Diffusion: model difusi yang menghasilkan gerakan kerangka (skeleton) untuk manusia atau robot humanoid. Ia dilatih dengan sekitar 700 jam data motion capture optik yang boleh dipakai secara komersial. Bobot modelnya ada di Hugging Face, kodenya di GitHub, dengan lisensi NVIDIA Open Model License.
Singkatnya, yang ia lakukan adalah "teks jadi animasi". Mirip AI pembuat gambar, hanya saja yang dihasilkan bukan gambar, melainkan posisi dan sudut setiap sendi kerangka di setiap frame. Kamu tulis "seseorang berjalan pelan, duduk, lalu berdiri dan meregangkan badan", dan ia menghasilkan data kerangka untuk gerakan itu, yang bisa diekspor ke BVH atau GLB untuk dipakai di Blender, Unity, atau Unreal.
Animasi AI dari teks: apa saja yang bisa dikontrol Kimodo?
Kalau cuma mengandalkan satu kalimat, gerakan yang dihasilkan sering tidak sesuai bayangan. Yang membuat Kimodo lebih praktis adalah kamu bisa menulis teks sambil menambahkan batasan (constraint):
- Deskripsi teks: gerakan apa yang dilakukan. Bisa ditulis per bagian, lalu dihasilkan bersambung.
- Keyframe seluruh tubuh: menentukan pose penuh di frame tertentu, misalnya frame terakhir harus berhenti dalam posisi duduk.
- Posisi sendi tertentu: hanya membatasi beberapa sendi, sisanya diserahkan ke model.
- Posisi tangan dan kaki: misalnya tangan harus menyentuh titik tertentu, kaki harus menapak di lantai.
- Rute di lantai: beri beberapa titik yang harus dilewati, atau satu jalur, dan karakter akan berjalan mengikutinya.
Ada tiga kerangka yang didukung: tubuh manusia SOMA milik NVIDIA, robot humanoid Unitree G1, dan SMPL-X yang umum dipakai di dunia riset. Kerangka yang biasa dipakai di game (Mixamo, kerangka humanoid bawaan engine, atau kerangka model itu sendiri) masih perlu retarget dulu sebelum gerakannya bisa dipasang ke karakter sendiri.
Kimodo vs Mixamo vs motion capture: apa bedanya?
Saat membuat animasi 3D, gerakan karakter biasanya datang dari tiga sumber, dan Kimodo adalah yang ketiga:
Mixamo | Motion capture | Kimodo | |
|---|---|---|---|
Gerakannya dari mana | Dipilih dari pustaka animasi yang sudah ada | Orang sungguhan memakai sensor atau direkam kamera | Ketik teks dan batasan, AI yang membuat |
Kalau butuh gerakan khusus | Tidak ada di pustaka, ya tidak bisa | Bisa, tapi butuh tempat, alat, dan aktor | Bisa, asal bisa ditulis, bisa dicoba |
Biaya | Gratis (perlu akun Adobe) | Paling mahal, entah beli alat atau sewa studio | Open source dan gratis, tapi butuh kartu grafis sendiri atau bayar cloud |
Kestabilan hasil | Tinggi, semuanya gerakan rekaman | Tinggi, tapi datanya harus dibersihkan | Tidak pasti, sering harus generate beberapa kali dan diperbaiki manual |
Mixamo cocok untuk gerakan umum seperti jalan, lari, lompat, dan menyerang, dan ia juga bisa memasang rig otomatis. Kimodo mengisi celah untuk gerakan yang "tidak ada di pustaka, tapi juga tidak sepadan kalau harus direkam". Keduanya bisa dipakai bersama: rig karakter dulu di Mixamo, lalu gerakan dari Kimodo diekspor dari cloud sebagai FBX dengan kerangka Mixamo, dan langsung bisa dipasang.
Spesifikasi PC untuk Kimodo: VRAM sekitar 17 GB
Penjelasan resmi Kimodo cukup terus terang:
- Kartu grafis: praktis wajib NVIDIA. Yang paling banyak diuji adalah RTX 3090, RTX 4090, dan A100.
- VRAM: kalau semuanya dijalankan di GPU, butuh sekitar 17 GB, sebagian besar dipakai oleh text encoder (Llama 3 8B dari Meta). Dengan
TEXT_ENCODER_DEVICE=cpu, encoding teks dipindah ke CPU dan kebutuhannya turun ke bawah 3 GB, hanya saja jadi sedikit lebih lambat. - Sistem operasi: terutama dikembangkan dan diuji di Linux. Untuk Windows disarankan pakai Docker.
- Lingkungan: Python 3.10 ke atas, PyTorch 2.0 ke atas.
- Akun: perlu akun Hugging Face dan mengajukan izin akses ke
Meta-Llama-3-8B-Instructdari Meta.
Laptop saya cuma punya grafis terintegrasi Intel, tanpa kartu grafis NVIDIA, jadi tidak bisa menjalankannya secara lokal. Kalau kamu juga begitu, lihat cara lewat cloud di bagian berikutnya.
Kalau punya kartu grafis NVIDIA, NVIDIA juga menyediakan antarmuka yang dipakai lewat browser (kimodo_demo): di atas ada pratinjau 3D, di bawah ada timeline. Kamu bisa menaruh deskripsi teks dan berbagai batasan di timeline, memilih model dan mengatur durasi di sebelah kanan, lalu klik Generate.
Cara pakai Kimodo: plugin UE 5.9 gratis, cloud, dan Blender
1. Bawaan Unreal Engine 5.9: AnimGenOffline
Versi preview Unreal Engine 5.9 yang dirilis Epic pada 9 November 2026 menambahkan plugin AnimGenOffline, yang bisa membuat animasi dengan AI langsung di Sequencer, dan model pertama yang tersambung adalah Kimodo. Kamu taruh pose-pose kunci di timeline, tarik jalurnya, tulis deskripsinya, dan ia mengisi gerakan di antaranya.
Ini cara gratis yang paling praktis untuk saat ini, tapi tetap butuh kartu grafis NVIDIA yang cukup kuat, dan karena masih preview, nama dan fitur plugin-nya bisa berubah nanti.
2. Cloud: Replicate
Kalau tidak punya kartu grafis, di Replicate ada Kimodo yang di-deploy oleh komunitas (sprited/kimodo, bukan resmi dari NVIDIA). Ketik deskripsi di halaman web dan hasilnya bisa diekspor ke GLB, BVH, juga FBX dengan kerangka Mixamo. Kalau karakter kamu memang sudah pakai kerangka Mixamo, ini format yang paling cepat untuk dipasang. Replicate menagih berdasarkan waktu GPU yang dipakai; harga pastinya cek di halamannya.
3. Addon animasi Blender: Animatica
Animatica membungkus model-model keluarga Kimodo jadi plugin untuk Blender, MotionBuilder, dan 3ds Max, jadi tidak perlu menyiapkan server sendiri. Paket yang saya lihat ada versi gratis 10 kali per bulan, paket kredit per penggunaan, dan versi Pro tahunan. Paketnya cepat berubah, jadi cek di situs resminya.
Contoh nyata: karakter AI main drum dan bass mengikuti lagu
Setelah membahas spesifikasi, penjelasan terbaik tetap contoh yang benar-benar dipakai di game. Developer game indie Jepang ShadeLurk (pembuat game musik BEAT VISTA) baru-baru ini membagikan dua video: satu karakter main bass mengikuti lagu, dan satu karakter lagi main drum mengikuti lagu.
Menurut penjelasan di postingannya, alurnya dibagi ke empat alat:
Langkah | Alat | Fungsinya |
|---|---|---|
1. Karakter | Tripo | Membuat model karakter 3D |
2. Notasi | Gemini 4 Carbon | Mengambil notasi drum dari file audio lagu, dan menentukan drum mana yang dipukul di setiap ketukan |
3. Gerakan | Kimodo (AnimGenOffline di UE 5.9) + Fable 5.2 | Membuat gerakan bermain mengikuti notasi |
4. Pemutaran | Unity | Memutar gerakan sesuai notasi, sekaligus koreksi akhir |
Ada beberapa hal yang menarik untuk diperhatikan:
Satu, gerakannya dibuat di Unreal, game-nya jalan di Unity. Di sini Unreal cuma berperan sebagai "generator animasi offline"; setelah gerakan jadi, hasilnya dibawa kembali ke Unity. Artinya, meski game kamu tidak dibuat dengan Unreal, kamu tetap bisa memakai plugin Kimodo di UE 5.9 untuk membuat gerakan.
Dua, ia tidak berhenti di "kelihatannya benar", tapi mengukur setiap pukulan. Di bagian bawah video tampil secara langsung berapa milimeter ujung stik dari permukaan drum, berapa sentimeter dari titik target, berapa derajat sudut pemukul bass drum dan apakah menyentuh kulit drum, lalu dihitung berapa pukulan yang "kena" di setiap drum. Satu lagu berisi 644 pukulan, dinilai satu per satu.
Tiga, gerakan buatan AI bukan hasil akhir, masih harus diperbaiki. Video bass menaruh "hasil asli Kimodo" dan "setelah diperbaiki" berdampingan:
Gerakan besar dari Kimodo (memeluk bass, tubuh yang bergoyang, tangan yang berpindah di fretboard) sudah cukup natural, tapi jari-jarinya belum menekan senar yang tepat pada posisi yang benar. Di Unity ia menyesuaikan lagi ujung jari ke posisi senar yang tepat, mengunci kakinya, lalu menambahkan goyangan badan.
Ini persis batasan yang ditulis secara resmi: Kimodo tidak bisa melihat objek di dalam scene. Ia tidak tahu di mana senar bass, setinggi apa drum diletakkan, jadi setiap gerakan yang perlu "menyentuh sesuatu" pada akhirnya harus diperbaiki lewat kode atau manual.
Batasan Kimodo
Dari penjelasan resmi dan contoh di atas, ini yang perlu kamu tahu sebelum memakainya:
- Tidak selalu mengikuti teks: NVIDIA sendiri menulis bahwa gerakan yang dihasilkan tidak selalu sesuai deskripsi, jadi sering harus generate beberapa kali lalu pilih.
- Tidak bisa melihat scene: setinggi apa kursinya, di mana mejanya, tangan harus memegang apa, semuanya ia tidak tahu. Gerakan seperti duduk, mengambil barang, atau main alat musik pada akhirnya harus diperbaiki.
- Kerangka harus dikonversi: outputnya kerangka SOMA, SMPL-X, atau G1, jadi harus di-retarget dulu sebelum dipasang ke karakter sendiri.
- Syarat utamanya kartu grafis: untuk menjalankan secara lokal perlu kartu grafis NVIDIA; kalau tidak punya, pakai cloud.
Cara saya akan memakai Kimodo
Halaman depan situs saya adalah sebuah pangkalan bulan. Karakter utamanya, Terry, bisa berjalan ke sana kemari, duduk di kursi studio, tiduran di sofa sambil terkantuk-kantuk, juga mengambil konsol genggam di meja untuk main game ular. Semua gerakan ini dari paket animasi siap pakai. Duduk dan berbaring ada, tapi gerakan seperti "menunduk sambil memegang konsol genggam" tidak ada, jadi untuk sekarang ia cuma bisa memegang konsol di depan dada dengan pose duduk. RPG yang sedang saya rancang juga sama: gerakan yang dibutuhkan ceritanya jauh lebih banyak daripada isi paket animasi.
Yang paling cocok diisi oleh Kimodo adalah gerakan semacam ini, yang "tidak ada di paket animasi umum, tapi malas kalau harus diatur sendiri". Rencana saya: generate dulu di cloud, ekspor sebagai FBX Mixamo, lalu retarget ke kerangka karakter sendiri. Bagian yang perlu menyentuh benda (tangan memegang konsol, tinggi duduk di sofa) akan saya perbaiki lagi di dalam game, mengikuti cara ShadeLurk.
Penutup: AI mengisi gerakan, manusia menangani momen "menyentuh benda"
Model diserahkan ke Tripo AI, gerakan diserahkan ke Kimodo. Dua rintangan terbesar saat membuat game 3D sendirian sekarang sama-sama bisa dibantu AI. Tapi dari contoh ShadeLurk juga kelihatan: animasi AI bertugas membuat gerakan yang "kurang lebih benar", sedangkan yang membuat pemain merasa "dia benar-benar sedang main drum" adalah koreksi beberapa sentimeter terakhir itu. Bagian ini tetap manusia yang harus memutuskan dan mengukurnya.
Kamu juga pernah mencoba membuat gerakan karakter dengan AI? Mampir ke Threads atau X dan tinggalkan komentar di salah satu postingan saya, kita ngobrol.
