B站全新開源動(dòng)漫視頻生成模型Anisora V3版震撼來襲：速度飆升，質(zhì)量更上一層樓
隨著科技的進(jìn)步，人工智能技術(shù)在動(dòng)漫視頻生成領(lǐng)域取得了顯著成果。近日，B站團(tuán)隊(duì)發(fā)布的開源動(dòng)漫視頻生成模型Anisora V3預(yù)覽版引起了廣泛關(guān)注。作為Index-AniSora項(xiàng)目的一部分，V3版本在原有基礎(chǔ)上進(jìn)一步優(yōu)化了生成質(zhì)量、動(dòng)作流暢度和風(fēng)格多樣性，為動(dòng)漫、漫畫及VTuber內(nèi)容創(chuàng)作者提供了更強(qiáng)大的工具。
Anisora V3基于B站此前開源的CogVideoX-5B和Wan2.1-14B模型，結(jié)合強(qiáng)化學(xué)習(xí)與人類反饋（RLHF）框架，顯著提升了生成視頻的視覺質(zhì)量和動(dòng)作一致性。該模型支持一鍵生成多種動(dòng)漫風(fēng)格的視頻鏡頭，包括番劇片段、國(guó)創(chuàng)動(dòng)畫、漫畫改編、VTuber內(nèi)容等。
核心升級(jí)包括：
時(shí)空掩碼模塊優(yōu)化：V3版本增強(qiáng)了時(shí)空控制能力，支持更復(fù)雜的動(dòng)畫任務(wù)，如精細(xì)的角色表情控制、動(dòng)態(tài)鏡頭移動(dòng)和局部圖像引導(dǎo)生成。這意味著，通過提供簡(jiǎn)單的提示，如“五位女孩在鏡頭放大時(shí)起舞，左手上舉至頭頂再下放至膝蓋”，模型能夠流暢地生成舞蹈動(dòng)畫，鏡頭與角色動(dòng)作同步自然。
數(shù)據(jù)集擴(kuò)展：V3繼續(xù)依托超過1000萬高質(zhì)量動(dòng)漫視頻片段（從100萬原始視頻中提?。┻M(jìn)行訓(xùn)練，新增數(shù)據(jù)清洗流水線，確保生成內(nèi)容的風(fēng)格一致性和細(xì)節(jié)豐富度。
硬件優(yōu)化：V3新增對(duì)華為Ascend910B NPU的原生支持，完全基于國(guó)產(chǎn)芯片訓(xùn)練，推理速度提升約20%，生成4秒高清視頻僅需2-3分鐘。這一改進(jìn)將有助于提高模型性能，加快生成速度，從而滿足用戶需求。
多任務(wù)學(xué)習(xí)：V3強(qiáng)化了多任務(wù)處理能力，支持從單幀圖像生成視頻、關(guān)鍵幀插值到唇部同步等功能，特別適合漫畫改編和VTuber內(nèi)容創(chuàng)作。這一改進(jìn)將有助于提高動(dòng)漫視頻生成的多樣性和豐富性。
在最新基準(zhǔn)測(cè)試中，Anisora V3在VBench和雙盲主觀測(cè)試中，角色一致性和動(dòng)作流暢度均達(dá)到業(yè)界頂尖水平（SOTA），尤其在復(fù)雜動(dòng)作（如違反物理規(guī)律的夸張動(dòng)漫動(dòng)作）上表現(xiàn)突出。這一成果證明了Anisora V3在動(dòng)漫視頻生成領(lǐng)域的領(lǐng)先地位。
V3還引入了首個(gè)針對(duì)動(dòng)漫視頻生成的RLHF框架，通過AnimeReward和GAPO等工具對(duì)模型進(jìn)行微調(diào)，確保輸出更符合人類審美和動(dòng)漫風(fēng)格需求。這一創(chuàng)新性舉措將有助于提高動(dòng)漫風(fēng)格的一致性和準(zhǔn)確性，從而提升用戶滿意度。
社區(qū)開發(fā)者已開始基于V3開發(fā)定制化插件，例如增強(qiáng)特定動(dòng)漫風(fēng)格（如吉卜力風(fēng)）的生成效果。這一趨勢(shì)表明了開發(fā)者對(duì)Anisora V3的積極響應(yīng)和對(duì)其未來潛力的看好。
總的來說，Anisora V3版為動(dòng)漫、漫畫及VTuber內(nèi)容創(chuàng)作者提供了強(qiáng)大的新工具。通過優(yōu)化生成質(zhì)量、動(dòng)作流暢度和風(fēng)格多樣性，該模型有望推動(dòng)動(dòng)漫視頻創(chuàng)作進(jìn)入新的階段。同時(shí)，該模型的開源性質(zhì)將吸引更多開發(fā)者加入社區(qū)，共同推動(dòng)人工智能技術(shù)在動(dòng)漫領(lǐng)域的發(fā)展。
在應(yīng)用方面，Anisora V3支持多種動(dòng)漫風(fēng)格，包括日本動(dòng)漫、國(guó)產(chǎn)原創(chuàng)動(dòng)畫、漫畫改編、VTuber內(nèi)容及惡搞動(dòng)畫（鬼畜動(dòng)畫），覆蓋90%的動(dòng)漫視頻應(yīng)用場(chǎng)景。具體應(yīng)用包括：
單圖轉(zhuǎn)視頻：用戶上傳一張高質(zhì)量動(dòng)漫圖像，配合文本提示，即可生成動(dòng)態(tài)視頻，保持角色細(xì)節(jié)和風(fēng)格一致。
漫畫改編：從漫畫幀生成帶唇部同步和動(dòng)作的動(dòng)畫，適合快速制作預(yù)告片或短篇?jiǎng)赢嫛?/p>
VTuber與游戲：支持實(shí)時(shí)生成角色動(dòng)畫，助力獨(dú)立創(chuàng)作者和游戲開發(fā)者快速測(cè)試角色動(dòng)作。
高分辨率輸出：生成視頻支持高達(dá)1080p，確保在社交媒體、流媒體平臺(tái)上的專業(yè)呈現(xiàn)。
AIbase測(cè)試顯示，V3在生成復(fù)雜場(chǎng)景（如多角色交互、動(dòng)態(tài)背景）時(shí)，相比V2減少了約15%的偽影問題，生成時(shí)間縮短至平均2.5分鐘。這一改進(jìn)將有助于提高生成視頻的質(zhì)量和效率。
相比于其他通用視頻生成模型，如OpenAI的Sora或Kling等，Anisora V3專注于動(dòng)漫領(lǐng)域，使其更具針對(duì)性和適應(yīng)性。而與字節(jié)跳動(dòng)的EX-4D相比，Anisora V3更專注于2D/2.5D動(dòng)漫風(fēng)格，而非4D多視角生成。這使得Anisora V3在動(dòng)漫領(lǐng)域具有獨(dú)特的優(yōu)勢(shì)和更高的精度。
綜上所述，B站全新開源動(dòng)漫視頻生成模型Anis
（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
