Bilibili（B站）的开源动漫视频生成模型AniSora V3版震撼来袭

引言：动漫创作迎来新变革

在动漫内容创作日益火爆的当下，创作者们对于高效、高质量的创作工具需求愈发迫切。近日，Bilibili（B站）宣布其开源动漫视频生成模型AniSora迎来重大更新，正式推出AniSoraV3。这一消息犹如一颗重磅炸弹，在动漫创作领域激起了千层浪，为动漫、漫画及VTuber内容创作者们带来了全新的希望和机遇。

AniSora是什么？

Bilibili（B站）的开源动漫视频生成模型AniSora是专为动漫视频生成设计的综合系统，具备海量数据支持、时空掩码技术、专业评估体系三大核心优势，可一键生成多种动漫风格的视频内容，显著降低创作门槛并提升制作效率。

技术升级：模型基础与框架优化

AniSoraV3并非凭空而来，它基于B站此前开源的CogVideoX-5B和Wan2.1-14B模型构建。在此基础上，引入了强化学习与人类反馈（RLHF）框架，这一创新举措极大地提升了生成视频的视觉质量和动作一致性。无论是番剧片段、国创动画，还是漫画视频改编、VTuber内容，它都能轻松应对，支持一键生成多种风格的动漫视频镜头。

核心升级亮点

时空掩码模块优化：V3版本在时空控制能力上实现了质的飞跃。它能够支持更复杂的动画任务，像精细的角色表情控制、动态镜头移动以及局部图像引导生成等都不在话下。比如，当给出“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”这样的提示时，它能生成流畅自然的舞蹈动画，镜头与角色动作完美同步。数据集扩展：数据是模型训练的基石，V3继续依托超过1000万高质量动漫视频片段（从100万原始视频中精心提取）进行训练。同时，新增了数据清洗流水线，确保生成的内容风格一致、细节丰富，让每一个视频都充满质感。硬件优化：为了提升运行效率，V3新增了对华为Ascend910BNPU的原生支持，完全基于国产芯片训练。这一改变使得推理速度提升了约20%，生成4秒高清视频仅需2-3分钟，大大节省了创作者的时间成本。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多种功能。这对于漫画改编和VTuber内容创作来说，无疑是一场及时雨，让创作变得更加轻松高效。

测试成绩优异

在最新基准测试中，AniSoraV3在VBench和双盲主观测试中表现出色，角色一致性和动作流畅度均达到业界顶尖水平（SOTA），尤其在复杂动作（如违反物理规律的夸张动漫动作）上表现突出，为创作者们提供了更可靠的保障。

开源生态：1.代码与数据开放

AniSoraV3的完整训练和推理代码已于2025年7月2日在GitHub上更新，开发者们可以通过HuggingFace访问模型权重及948个动画视频的评估数据集。B站强调，AniSora是“对动漫世界的开源礼物”，鼓励社区开发者们共同协作优化模型，为动漫创作生态注入新的活力。

2.申请与权限获取

用户若想获取V2.0权重和完整数据集访问权限，需填写申请表并发送至指定邮箱（如yangsiqian@bilibili.com）。这一举措既保证了数据的安全性和规范性，又为有需求的开发者提供了便捷的获取途径。

3.RLHF框架引入

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。目前，社区开发者们已经开始基于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，让动漫创作更加个性化。

应用场景：单图转视频

用户只需上传一张高质量动漫图像，再配合文本提示（如“角色在向前行驶的车中挥手，头发随风摆动”），就能生成动态视频，而且角色细节和风格保持一致。这一功能为创作者们提供了更多的创意空间，让静态图像瞬间“活”起来。

漫画改编

从漫画帧生成带唇部同步和动作的动画，AniSoraV3让漫画改编变得更加简单快捷。创作者们可以快速制作预告片或短篇动画，吸引更多观众的关注。

VTuber与游戏

对于VTuber和游戏开发者来说，AniSoraV3支持实时生成角色动画，助力他们快速测试角色动作，提高创作效率，让虚拟角色更加生动有趣。

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。无论是个人创作者还是商业团队，都能借助这一功能提升作品的质量和影响力。

测试反馈良好

小编亲自测试显示，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），为创作者们带来了更流畅、高效的创作体验。

填补市场空白，助力创作升级

AniSoraV3的发布，进一步降低了动漫创作门槛，让独立创作者和小型团队能够以低成本实现高质量动画制作。与OpenAI的Sora或Kling等通用视频生成模型相比，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，它更专注于2D/2.5D动漫风格，展现了不同的技术路线。

相信在未来，AniSoraV3将在动漫创作领域发挥更大的作用，推动整个行业不断向前发展。