叠演（LayerStage） 是一个面向个人创作者的虚拟动画制作工具构想。
它希望让一个人通过多次表演，完成原本需要多名演员配合的场景。创作者在 VR 中进入自己搭建的三维世界，扮演其中一个角色；系统通过普通摄像机记录动作，将这次表演转换成角色动画。下一轮进入同一场景时，先前的角色已经在那里按照录制的时间线行动。创作者可以面对它、绕过它、与它对戏，并将新的动作赋予另一个角色。
每次表演都是一条独立的动画轨道。录制两轮，可以得到两个角色；录制更多轮，就能逐步形成对话、走位、舞蹈或群像。最后仍可调整人物外形、时间线和摄像机，而不必把最初的拍摄角度当作最终镜头。
这不是一款已经实现的产品。目标是把角色建模、低设备门槛动作捕捉、VR 场景回放和多轨动画编辑连接成一套足够顺畅的创作方式。
创作体验：一个人扮演一群人
设想创作者要制作一段发生在虚拟庭院里的短片。庭院里有建筑、长椅和三个人物，但现实中只有他一个人。
第一轮，他戴上 VR 头显，走进庭院，扮演角色 A：从门口走到长椅前，停下并挥手。外部摄像机拍下这段动作。录制完成后，系统提取姿态和移动轨迹，把它们应用到 A 的骨骼模型上。
第二轮，他再次进入庭院。此时 A 已经在场景中按上一轮的动作行走和挥手。他选择角色 B，沿着另一条路线靠近 A，作出回应。系统将这段动作保存到 B 的轨道中。
第三轮，他可以扮演经过庭院的角色 C。也可以让 AI 生成远处的背景人物，自己只表演需要精确控制的主要角色。
最终结果不是几段真人录像的平面叠加，而是一个包含建筑、角色和独立动作轨道的三维场景。创作者可以选择远景、切换近景，修改灯光和角色造型，再输出动画视频；如果场景具备相应的交互逻辑，也可以继续制作成可探索的 VR 体验。
从角色和世界开始
LayerStage 的起点是一套能够被驱动的虚拟内容。
人物可以来自手工制作的模型、现有资源，也可以借助 AI 生成外观。但要参与表演，每个人物都需要绑定骨骼（rig）和蒙皮，使身体动作可以转换为关节运动。创作者可以调整角色的头身比、四肢长度或局部比例，让同一段动作服务于不同风格的人物；比例变化过大时，系统仍需处理脚步接地、关节限制及与道具的接触。
建筑和道具不必拥有人的骨骼。房屋可以是普通场景模型；门、抽屉、机械装置等可活动部分，则通过各自的节点和动画约束控制。这样，世界既可以是静态布景，也可以逐步拥有可被操作的元素。
角色与场景先被建立，表演再不断填入其中。用户不需要在第一次录制前，就把所有人物动作和镜头完整设计好。
每一次录制如何成为新的角色
产品设想中的基本流程包括五步：
- 搭建场景。 选择或导入人物、建筑和道具，设置角色初始位置，以及可以活动的现实区域。
- 进入 VR 表演。 在头显中观看虚拟场景和此前的动画轨道，同时由放置在现实空间的普通摄像机拍摄身体动作。
- 转换动作。 系统从视频估计人体姿态和运动，将其重定向到所选角色的骨骼，并允许修正脚滑、抖动或错误关节。
- 叠加角色轨道。 新表演与已录制的人物按照同一时间轴和世界坐标回放。创作者可以重录某一角色、调整动作起点或修改局部片段。
- 完成作品。 统一编辑角色、场景、镜头和声音，输出动画，或继续扩展为交互场景。
这里刻意把“看到已有角色”和“捕捉当前身体动作”分开处理。VR 主要负责沉浸式观看和空间参照；身体动作优先由外部普通视频采集，而非依赖专业动作捕捉服。初始版本也不必实时生成完整骨骼动画：先录制、离线处理，再进入下一轮表演即可。
表情、声音与 AI 表演
身体动作只是角色表演的一部分。面部表情、视线、说话和停顿，同样会决定角色的表现力。
LayerStage 可以将这些内容作为独立的表演层：录制声音后生成基础口型，单独录制可见面部以提取表情，或在支持的设备上利用面部追踪驱动 blendshape。普通 VR 头显会遮挡面部，因此不能默认外部摄像机在身体表演时也能同时捕获可靠表情。
AI 在这里可以承担辅助工作，例如提供初始角色或场景资产、补足动作中的缺失部分、生成背景群众，以及辅助修复不自然的动作。由创作者录制的动作和 AI 生成的动作应保留可编辑、可替换的区分，而不是被一次性合成为不可修改的视频。
核心控制权仍然在表演者手中：谁在什么时候出现、朝哪里走、用怎样的姿态回应，都可以通过一次实际表演来指定，而不必完全交给文字指令生成。
为什么需要 VR
普通屏幕也能显示角色的上一段表演，但创作者还要把屏幕上的位置和距离，转换成自己在现实场地中的行动。
在 VR 中，先前录制的角色可以按场景尺度出现在创作者面前。第二轮表演者能够更直接地判断双方距离、行走路线和动作节奏。VR 的主要用途是让已有动画成为下一次表演的空间参照，而不是替代动作捕捉设备。
这种体验不等于角色已经具有互动智能。预先录制的 A 不会因为 B 临时改变动作就自动回应。握手、交接物品等精确接触仍可能需要分镜预设、多轮重录或后期约束编辑。虚拟场景中的道具若会改变状态，也必须能在各轮中以一致方式重放。
最初的产品边界
这个设想成立的关键，不只是摄像机能识别关节，而是不同轮次的动作必须在同一个空间中准确对齐。普通单目视频无法天然提供可靠的全局位置和绝对深度；摄像机、地面、VR 追踪原点及虚拟场景之间需要校准。头显遮挡、人体自遮挡、脚步漂移和角色比例变化也会增加修复成本。现实中的活动区域还需要明确的安全边界。
因此，适合验证的第一个版本应当很小：一个固定场景、两名骨骼角色、固定机位的手机摄像机、一副 VR 头显和一台运行场景与动作处理软件的电脑。创作者先后完成两段十几秒的表演，最后将两条轨道放到同一个镜头中。
如果这个过程可以稳定复现，就可以继续扩展面部表情、可交互道具、复杂场景、AI 群众和更多角色。判断产品是否有价值，不应只看最终动画是否流畅，还要看每新增一个角色需要多少次重录、多少人工修正，以及能否真正比逐帧编辑更省力。
LayerStage 想提供的不是一种自动生成完整影片的捷径，而是一种从表演本身出发的动画创作方式：一个人先演出一个角色，再走进已有的表演之中，逐步把整个场景演出来。