AniSora: el avanzado modelo de generación de vídeo anime de código abierto de Bilibili 169

AniSora (Index-AniSora) es el modelo de generación de vídeo anime de código abierto de Bilibili, conocido como el «regalo de código abierto al mundo del anime». Es el modelo de generación de vídeo anime open source más potente disponible, optimizado específicamente para la creación de contenido anime.

#Ai工具箱 #Ai视频生成

Visitar AniSora: el avanzado modelo de generación de vídeo anime de código abierto de Bilibili

AniSora: el avanzado modelo de generación de vídeo anime de código abierto de BilibiliIntroducción

¿Qué es AniSora?

AniSora (nombre completo Index-AniSora) es un modelo de generación de vídeo de animación de código abierto de Bilibili (B站), conocido como el "regalo de código abierto para el mundo otaku". Es el modelo de generación de vídeo de animación de código abierto más potente actualmente, optimizado específicamente para la creación de contenido de animación.

El proyecto se lanzó oficialmente y se hizo de código abierto en mayo de 2025, bajo la licencia Apache 2.0, que permite su uso gratuito tanto personal como comercial. AniSora fue reconocido con un artículo en la conferencia académica internacional IJCai'25, representando un nuevo avance tecnológico en la generación de vídeo de animación.

8AniSora

Evolución de versiones

V1.0: basado en el modelo CogVideoX-5B, permite control de áreas locales y control temporal

V2.0: cambiado al modelo Wan2.1-14B, con resultados de generación más estables

V3.0 (publicado en julio de 2025): mejor calidad de generación y mayor fluidez de movimiento, la versión cuantizada puede ejecutarse en una sola RTX 4090

Características principales de AniSora

Generación de vídeo multietilo: capaz de cubrir más del 90% de los escenarios de vídeo de animación, incluyendo series animadas, animación original china, adaptaciones de manga, contenido VTuber, PVs animados, vídeo cómico/meme (MAD), etc.
Generación de imagen a vídeo (I2V): proporciona una imagen y genera animación coherente, manteniendo los detalles y el estilo del personaje

Interpolación de fotogramas: proporciona fotogramas clave y completa automáticamente los fotogramas intermedios, haciendo que las transiciones sean más fluidas y reduciendo el número de fotogramas intermedios que hay que dibujar
Control de máscara espacio-temporal: permite controlar con precisión el tiempo y el espacio, como fijar el primer fotograma, el último fotograma o cualquier fotograma intermedio, y también permite animar solo áreas locales
Guía multimodal: permite introducir simultáneamente texto, imágenes y máscaras para crear escenas complejas
Transferencia de estilo: convierte un estilo de animación en otro
Optimización RLHF: entrenado con aprendizaje por refuerzo y retroalimentación humana, utilizando 30.000 datos anotados manualmente, produciendo resultados más acordes con las preferencias humanas
Adaptación de hardware: soporte nativo para GPU NVIDIA y NPU Huawei Ascend 910B, con una inferencia aproximadamente un 20% más rápida

Escenarios de aplicación de AniSora

Creación de contenido de animación: producir rápidamente fragmentos de series animadas y animación original china; convertir manga en vídeo añadiendo automáticamente sincronización labial y movimiento; crear tráileres o cortometrajes animados
VTuber: generar animaciones de personajes y fondos en tiempo real, haciendo los directos y vídeos más atractivos
Asistencia en la producción de animación: ayudar a los animadores profesionales a completar fotogramas clave y modificar zonas locales, eliminando la necesidad de dibujar fotogramas intermedios y mejorando la eficiencia
Creaciones derivadas y memes animados: permite a los fans crear contenido y vídeos cómicos, dando vitalidad a la cultura otaku
Videojuegos y educación: generar rápidamente material de animación para juegos; crear animaciones educativas
Apoyo a creadores independientes: reduce la barrera de entrada, permitiendo que pequeños equipos produzcan animación de alta calidad con poco presupuesto

Cómo usar AniSora

Método 1: Implementación local

1. Preparación del entorno: instala Python y un framework de aprendizaje profundo (por ejemplo, PyTorch); el hardware debe ser una GPU NVIDIA (recomendada RTX 4090 o superior) o una NPU Huawei Ascend 910B
2. Obtener el modelo: clona el repositorio de GitHub (git clone https://github.com/bilibili/Index-anisora); descarga los pesos del modelo desde Hugging Face (aproximadamente 8 GB)
3. Ejecutar la generación: prepara descripciones de texto o una sola imagen como entrada; ajusta parámetros (duración del vídeo, intensidad del estilo, amplitud del movimiento, valor de la semilla, etc.); ejecuta el script de generación y espera los resultados (V3 genera un vídeo de 4 segundos en aproximadamente 2,5 minutos)
4. Ajuste posterior: utiliza las funciones de control proporcionadas para ajustar el resultado

Método 2: Complemento de ComfyUI

Instala el complemento ComfyUI-WanVideoWrapper; utiliza los flujos de trabajo compartidos por la comunidad: 【Especial para animación】AniWantexto a vídeo方案 HD 1280, 【Especial para animación】AniWanimagen a vídeo方案 HD 1280

Método 3: Experiencia en línea

Visita el sitio web oficial de demostración: www.anisora.ai

❓ Preguntas frecuentes

P1: ¿En qué se diferencia AniSora de modelos generales como Sora o Kling?

R: Los modelos generales (por ejemplo, OpenAI Sora, Kling) son buenos en escenas naturales y vídeos con personas reales, pero fallan ante las expresiones exageradas y el renderizado no realista típicos de la animación. AniSora está optimizado específicamente para animación, ofreciendo mejor consistencia de personajes, movimiento más fluido y un "sabor otaku" más marcado.

P2: ¿Hay limitaciones en la resolución y duración del vídeo generado?

R: V3 admite hasta 1080p. La duración se puede ajustar, generalmente se hacen contenidos cortos de 4-5 segundos, y se puede alargar usando el control temporal.

P3: ¿Los requisitos de hardware son elevados?

R: La versión cuantizada de V3 puede ejecutarse en una sola RTX 4090. Una configuración de 4 RTX 4090 genera un vídeo de 5 segundos a 360p en 30 segundos; una configuración de 8 A800 tarda solo 8 segundos. Tiene aproximadamente un 15% menos de artefactos que V2.

P4: ¿Cómo obtener el conjunto de datos de entrenamiento?

R: El equipo ha abierto un canal de solicitud para conjuntos de datos de entrenamiento de alta calidad. Rellena el formulario de solicitud y envíalo al correo electrónico indicado (por ejemplo, [email protected]) para obtener acceso a los pesos de V2.0 y al conjunto de datos completo.

P5: ¿Qué estilos de animación son compatibles?

R: Compatible con anime japonés, animación original china, adaptaciones de manga, contenido VTuber, animación cómica (鬼畜), etc., cubriendo el 90% de los escenarios de vídeo de animación.

P6: ¿Qué hacer si los resultados generados son inestables?

R: Recomendaciones: usa imágenes claras para la generación imagen a vídeo; escribe prompts de texto detallados, describiendo claramente la acción y la escena; ajusta el valor de la semilla para conseguir resultados consistentes; utiliza la guía del primer y último fotograma para controlar la dirección del vídeo.