本视频演示如何在 Windows 环境下部署我适配后的 Kimodo 仓库，包含 Python 3.12 虚拟环境、CUDA 版 PyTorch、Kimodo-Viser、MotionCorrection、本地 NF4 LLM2Vec 文本编码器以及低显存运行配置。
本分支主要面向 Windows 和低显存设备，补充了本地模型路径配置、CPU 文本编码、显存卸载、内存清理以及 npx.cmd 兼容处理。
仓库地址：
https://github.com/Ayn1631/kimodo
视频内容：
创建 Python 3.12 虚拟环境
安装 CUDA 版 PyTorch
下载 NF4 LLM2Vec 编码器
安装 Kimodo 与 Kimodo-Viser
安装 MotionCorrection
配置 .env
启动 Kimodo Demo
排查常见路径、pip、CUDA 和显存问题
注意：本仓库是 NVIDIA Kimodo 的非官方衍生分支，基于 Aero-Ex 的相关适配继续修改。代码、模型权重与第三方依赖分别适用各自许可证。
#Kimodo #AI动作生成 #人工智能 #Python #PyTorch #CUDA #Windows部署 #低显存 #LLM2Vec #NF4 #开源项目
