我们提出了一种新颖的框架——按需运动生成（On-Demand Motion Generation, ODMO），用于仅基于动作类型生成真实且多样的长期3D人体运动序列，并具备额外的定制能力。在三个公开数据集（HumanAct12、UESTC和MoCap）上进行评估时，ODMO在所有传统的运动评价指标上均优于现有最佳方法（SOTA）。此外，我们提供了定性和定量的评估结果，展示了该框架所赋予的若干首次实现的定制能力，包括模式发现、插值和轨迹定制。这些能力显著拓宽了此类运动生成模型的应用范围。ODMO的按需生成能力得益于编码器和解码器架构上的创新：(i) 编码器：利用低维潜在空间中的对比学习创建层次化的运动序列嵌入，不仅不同动作类型的代码形成不同的组别，而且在同一动作类型内，具有相似内在模式（运动风格）的代码聚类在一起，便于发现；(ii) 解码器：采用层次化解码策略，首先重建运动轨迹，然后利用该轨迹重建整个运动序列。这种架构使得有效的轨迹控制成为可能。我们的代码已发布在GitHub页面上：https://github.com/roychowdhuryresearch/ODMO