Bilibili（B 站） 宣布其开源动漫视频生成模型 AniSora 迎来重大更新，正式发布 AniSoraV3。作为 Index-AniSora 项目的一部分，V3 版本在原有基础上进一步优化了生成质量、动作流畅度和风格多样性，为动漫、漫画及 VTuber 内容创作者提供了更强大的工具。AIbase 深入解读 AniSoraV3 的技术突破、应用场景及行业影响。
核心升级包括:
- 时空掩码模块 （SpatiotemporalMaskModule） 优化:V3 版本增强了时空控制能力，支持更复杂的动画任务，如精细的角色表情控制、动态镜头移动和局部图像引导生成。例如，提示 「五位女孩在镜头放大时起舞，左手上举至头顶再下放至膝盖」 能生成流畅的舞蹈动画，镜头与角色动作同步自然。
- 数据集扩展:V3 继续依托超过 1000 万高质量动漫视频片段 （从 100 万原始视频中提取） 进行训练，新增数据清洗流水线，确保生成内容的风格一致性和细节丰富度。
- 硬件优化:V3 新增对华为 Ascend910BNPU 的原生支持，完全基于国产芯片训练，推理速度提升约 20%，生成 4 秒高清视频仅需 2-3 分钟。
- 多任务学习:V3 强化了多任务处理能力，支持从单帧图像生成视频、关键帧插值到唇部同步等功能，特别适合漫画改编和 VTuber 内容创作。
在
开源生态: 社区驱动与透明发展
AniSoraV3 的完整训练和推理代码已于 2025 年 7 月 2 日在 GitHub 上更新，开发者可通过 HuggingFace 访问模型权重及 948 个动画视频的评估数据集。Bilibili 强调，AniSora 是 「对动漫世界的开源礼物」，鼓励社区协作优化模型。用户需填写申请表并发送至指定邮箱 （如 yangsiqian@bilibili.com） 以获取 V2.0 权重和完整数据集访问权限。
V3 还引入了首个针对动漫视频生成的 RLHF 框架，通过 AnimeReward 和 GAPO 等工具对模型进行微调，确保输出更符合人类审美和动漫风格需求。社区开发者已开始基于 V3 开发定制化插件，例如增强特定动漫风格 （如吉卜力风） 的生成效果。
应用场景: 从创意到商业
AniSoraV3 支持多种动漫风格，包括日本动漫、国产原创动画、漫画改编、VTuber 内容及恶搞动画 （鬼畜动画），覆盖 90% 的动漫视频应用场景。具体应用包括:
- 单图转视频: 用户上传一张高质量动漫图像，配合文本提示 （如 「角色在向前行驶的车中挥手，头发随风摆动」），即可生成动态视频，保持角色细节和风格一致。
- 漫画改编: 从漫画帧生成带唇部同步和动作的动画，适合快速制作预告片或短篇动画。
- VTuber 与游戏: 支持实时生成角色动画，助力独立创作者和游戏开发者快速测试角色动作。
- 高分辨率输出: 生成视频支持高达 1080p，确保在社交媒体、流媒体平台上的专业呈现。
AIbase 测试显示，V3 在生成复杂场景 （如多角色交互、动态背景） 时，相比 V2 减少了约 15% 的伪影问题，生成时间缩短至平均 2.5 分钟 (4 秒视频)。
AniSoraV3 的发布进一步降低了动漫创作门槛，使独立创作者和小型团队能以低成本实现高质量动画制作。相比 OpenAI 的 Sora 或 Kling 等通用视频生成模型，AniSoraV3 专注于动漫领域，填补了市场空白。与字节跳动的 EX-4D 相比，AniSoraV3 更专注于 2D/2.5D 动漫风格，而非 4D 多视角生成，展现了不同的技术路线。
项目:https://t.co/I3HPKPvsBV
