AniSora：bilibiliがオープンソース化したアニメ動画生成モデル 185

小编 · 2025-05-19

AniSoraは、bilibiliが2025年5月12日にオープンソース化したAIアニメーション動画生成システムです。テレビアニメのカット、中国アニメーション、漫画原作作品、VTuberコンテンツ、动画PV palaces、鬼畜動画など、多様なスタイルのアニメ動画を生成できます。キャラクターの造形と動きの滑らかさを高い水準で維持し、最先端のアニメ動画生成モデルの一つです。

AniSora：bilibiliがオープンソース化したアニメ動画生成モデル

AniSoraとは？

AniSoraは、哔哩哔哩（ビリビリ）が2025年5月12日にオープンソース化したAIアニメーション動画生成システムです。番劇のクリップ、中国産オリジナルアニメ、漫画改编、VTuberコンテンツ、アニメPV、鬼畜動画など、さまざまなスタイルのアニメ動画を簡単に生成できます。このシステムはキャラクターのイメージと動作の滑らかさを維持する面で優れた性能を発揮しており、現在最も先進的なアニメーション動画生成モデルと言えます。

AniSora：B站开源的动漫视频生成模型.webp

AniSoraの主な機能

画像から動画への生成：1枚の画像から一貫性のあるアニメ動画を生成でき、静止画から動的なシーンへの拡張に適しています。
フレーム補間：キーフレーム補間をサポートし、中間フレームを生成することでスムーズな遷移を実現し、アニメーション制作における手描き作業の負担を軽減します。
局所画像ガイダンス：ユーザーが特定の領域を指定してアニメーション生成を行うことをサポートします。
時空間制御：時間と空間の制御能力を組み合わせることで、先頭フレーム、最終フレーム、複数フレーム誘導など多様な方式をサポートし、精度の高いアニメーション制作を実現します。

AniSoraモデルの特徴

特化型の最適化：自然動画と比較して、アニメ動画はスタイルにおいてより表現力と抽象性が高く、従来の生成モデルではキャラクターの表情、動作のリズム、そして誇張されたカメラワークを正確に再現することが難しい場合が多いです。AniSoraはこれらの特性に対して特化型の最適化を行っており、クリエイティブな表現を犠牲にすることなく、動画生成効率を向上させることを目指しています。
多様なスタイルサポート：シリーズ作品、中国産オリジナルアニメ、漫画改编、VTuberコンテンツ、アニメPV、さらには鬼畜系の創作まで、多様なスタイルの動画クリップをワンクリックで生成できます。
低い制作ハードル：実際の制作ニーズを持つ個人やスタジオにとって、AniSoraは非常に魅力的な制作ツールです。

AniSoraの中核モジュール

データ処理パイプライン：1000万組以上の高品質なテキスト - 動画データを前処理し、トレーニングのための堅実な基盤を提供します。
制御可能な生成モデル：時空間マスクモジュールを導入し、画像から動画生成、キーフレーム補間、局所画像ガイダンスなどの機能をサポートし、さまざまな制作ニーズに対応できます。
評価システム：948本の多様なアニメーションクリップを含む評価データセットを構築し、二重盲検人評価とVBenchスコアリングシステムを組み合わせて、人物の一貫性や動作のつながりなどの次元について採点を行います。

AniSoraの技術原理

拡散モデル（Diffusion Model）：拡散モデルのアーキテクチャに基づき、ノイズを段階的に除去することで高品質な動画コンテンツを生成します。
時空間マスクモジュール（Spatiotemporal Mask Module）：生成プロセスにおいて特定の時空間領域をモデルが制御することをサポートします。例えば、どのフレームやどの領域をアニメーション化する必要があるかをマスクで指定することで、局所誘導やキーフレーム補間などの機能を実現します。
3D 因果変分オートエンコーダ（3D Causal VAE）：動画の時空間特徴をエンコードおよびデコードするために使用され、動画を低次元の潜在空間に圧縮して計算複雑度を下げるとともに、重要な時空間情報を保持します。
Transformerアーキテクチャ：Transformerの強力なモデリング能力を組み合わせ、注意機構に基づき動画内の複雑な時空間依存関係を捕捉することで、モデルが長系列データを処理し、より一貫性のある動画コンテンツを生成できるようにします。
教師ありファインチューニング（Supervised Fine-Tuning）：事前学習的基础上に、大量のアニメーションビデオデータを用いて教師ありファインチューニングを行い、弱から強への学習戦略やマルチタスク学習など多様な戦略を通じて、モデルの汎化能力と生成品質を向上させます。
データ処理パイプライン：シーン検出、オプティカルフロー分析、美的スコアリングなどの技術に基づき、大量の生アニメ動画から高品質な学習データを抽出し、学習データの品質と多様性を確保します。