AniSoraV3 正式开源，长视频创作智能体框架AniME技术揭秘

引言

在动画制作领域，传统流程复杂且劳动强度大，涵盖剧本创作、分镜设计、角色与场景设计、动画制作、配音以及最终剪辑等多个创作阶段。这一过程不仅需要大量专业人员参与，还要求不同团队间紧密协作，导致成本高昂、制作周期漫长。

近年来，生成式人工智能取得了显著进展，例如用于动画生成的 AniSora 等基础模型，在特定任务中展现出了令人印象深刻的能力。然而，这些方法在特定领域各有优劣，在智能体驱动的视频生成中，难以维持一致性且精细可控性欠佳。因此，开发一个全自动的长篇动画生成系统仍是一项亟待解决的挑战，尤其是在选择合适的控制条件以及确保跨阶段内容一致性方面。

为此，我们提出 AniME，一种导演驱动的多智能体框架。该框架通过引入定制化模型选择MCP机制，为不同环节的专用智能体配置定制化工具箱，实现了任务分解、跨阶段一致性控制以及迭代式反馈优化。AniME 借鉴真实动画工作室的生产流程，强调全局调度与质量控制，使长篇动画的自动化生成成为可能。

All In One模型AniSora V3开源

在介绍AniME工作流前，先介绍一下团队近期开源的动画视频生成模型AniSora V3. 此前AniSora已经发布了2个版本的模型，在国内外社区中获得了比较好的口碑和反馈。本次，V3版本有了比较大的升级，量化版本支持单卡4090推理，单台4卡4090生成5秒360p视频仅需30秒，单台8卡A800仅需8秒。

V3版本除了在动态性、画面美感、指令遵从等方面进行了增强外，还结合动画制作实际流程中的相关诉求，增加了多种模态的交互能力，更加贴合动画制作流程本身，为长视频创作提供了有力支撑。

角色单张正面立绘生成360度视频

任意帧引导

该功能在V1版本中已经支持，V3版本中该功能的指令遵从性得到了进一步增强

可以通过首帧、尾帧或任意中间帧，根据剧情生成视频

风格转绘

输入视频

线稿提取

风格化

多模态引导

首帧+多模态输入

The boy in red and the girl in red are fencing in the scene.

输出视频