Index-AniSora：B站开源动画生成模型，斩获多项SOTA入选IJCAI25

正文

请到「今天看啥」查看全文

生成的视频

• 提示词：左边男人紧紧抿着嘴唇，脸上刻满了愤怒和决心。他的表情传达出无尽的挫折与坚定信念。与此同时，另一个男人的嘴巴张得大大的，仿佛即将开口大声说话或大喊大叫

引导帧首帧

生成的视频

• 提示词：画面中展现了石块发生爆炸的场景，发出刺眼的光芒，碎石四处飞散

引导帧首帧

生成的视频

简单介绍一下我们如何实现这些魔法效果的。通过高效的数据处理链路，构建了超过千万条高质量的文本 - 视频对，包含了大量不同风格、类型、内容的 高质量动画数据 ，为模型训练提供了坚实的数据基础。

其次，针对动画生成的独特需求，我们开发了统一的扩散生成框架，并引入时空掩码机制， 灵活支持图生视频、插帧补全和局部控制等任务，实现对角色口型、动作乃至局部区域的精细控制， 显著增强内容生成的可控性和创作自由度。

最后，我们设计了首个面向动画视频的专用评估基准，涵盖多个二次元子类型，填补了现有自然视频评估体系的空白。我们还基于 VLM 模型进行了定向优化，使其更好地理解动漫语境与 ACG 审美，从而构建出更贴合创作者真实需求的自动化视频评估系统。

请到「今天看啥」查看全文