अनिमैक्स
मुफ्त
एनिमाएक्स बेइहांग विश्वविद्यालय, सिंघुआ विश्वविद्यालय, हांगकांग विश्वविद्यालय आदि द्वारा लॉन्च किया गया एक कुशल 3डी एनिमेशन जेनरेशन फ्रेमवर्क है। यह किसी भी हड्डी संरचना के विविध संयुक्त जाल एनिमेशन की पीढ़ी का समर्थन करने के लिए हड्डी-आधारित एनीमेशन संरचना के साथ वीडियो प्रसार मॉडल से पहले की कार्रवाई को जोड़ता है।
AnimaX की पूर्ण समीक्षा
मुख्य पैरामीटर और आँकड़े
| प्रोजेक्ट | विशेष विवरण |
|---|---|
| उत्पाद स्थिति | 3डी एनिमेशन जेनरेशन रिसर्च फ्रेमवर्क |
| विकास संस्थान | बेइहांग विश्वविद्यालय, सिंघुआ विश्वविद्यालय, हांगकांग विश्वविद्यालय, आदि |
| कोर टेक्नोलॉजी | वीडियो प्रसार मॉडल + कंकाल एनीमेशन |
| इनपुट विधि | पाठ विवरण |
| आउटपुट फॉर्म | 3डी कंकाल एनीमेशन अनुक्रम |
| हड्डी का सहारा | मनमानी अस्थि टोपोलॉजी (मानव, पशु, वस्तु, आदि) |
| बहु-दृश्य संगति | समर्थन |
| लाइसेंस समझौता | खुला स्रोत (विशिष्ट लाइसेंस GitHub रिपॉजिटरी के अधीन है) |
| प्रशिक्षण डेटा आकार | 160,000 बाइंडिंग अनुक्रम |
| GitHub रिपोजिटरी | github.com/anima-x/anima-x |
AnimaX एक रेडी-टू-यूज़ उत्पाद नहीं है, बल्कि अनुसंधान समुदाय और एनीमेशन डेवलपर्स के लिए एक ओपन सोर्स फ्रेमवर्क है। इसकी मुख्य सफलता 2डी वीडियो डिफ्यूजन मॉडल में सीखे गए "मोशन नॉलेज" को 3डी स्केलेटल एनीमेशन के क्षेत्र में स्थानांतरित करना है - जिससे 3डी एनिमेशन उत्पन्न करने के लिए अब महंगे मोशन कैप्चर उपकरण या मैन्युअल कीफ़्रेम ड्राइंग की आवश्यकता नहीं होती है।
प्रचार सत्यापन: आधिकारिक दावा "पाठ-संचालित 3डी एनिमेशन पीढ़ी" है - वास्तविक उपयोग में, पाठ विवरण जितना अधिक विशिष्ट होगा, प्रभाव उतना ही बेहतर होगा (उदाहरण के लिए, "गोल्डन रिट्रीवर ट्रॉट्स फ़ॉरवर्ड" "जानवर को आगे बढ़ाने" से बेहतर है), और आउटपुट गुणवत्ता अत्यधिक संदर्भ वीडियो डेटा के कवरेज पर निर्भर है। प्रभाव सामान्य क्रियाओं (चलना, दौड़ना, कूदना) के लिए बेहतर है, लेकिन दुर्लभ क्रियाएं (विशिष्ट नृत्य, मार्शल आर्ट चालें) अप्राकृतिक हो सकती हैं।
उपयोगकर्ता और बाज़ार की पहचान
AnimaX को जून 2025 में एक arXiv पेपर और GitHub रिपॉजिटरी के माध्यम से सार्वजनिक किया गया था और यह अकादमिक अनुसंधान द्वारा संचालित एक ओपन सोर्स प्रोजेक्ट है। बीजिंग यूनिवर्सिटी ऑफ एरोनॉटिक्स एंड एस्ट्रोनॉटिक्स, सिंघुआ यूनिवर्सिटी, यूनिवर्सिटी ऑफ हांगकांग और अन्य विश्वविद्यालयों द्वारा संयुक्त रूप से लॉन्च किया गया, इसकी मजबूत शैक्षणिक विश्वसनीयता है।
- शैक्षणिक पृष्ठभूमि: arXiv पेपर (2506.19851) 3डी स्केलेटल एनीमेशन से पहले वीडियो प्रसार मॉडल को स्थानांतरित करने में वर्तमान सीमा का प्रतिनिधित्व करता है।
- कम्युनिटी फाउंडेशन: ओपन सोर्स फ्रेमवर्क, शोधकर्ता और डेवलपर्स स्वतंत्र रूप से कोड का उपयोग और संशोधन कर सकते हैं। गिटहब स्टार्स और फोर्क्स जैसे विशिष्ट सामुदायिक संकेतक गोदाम से वास्तविक समय के डेटा के अधीन हैं।
- उद्योग बेंचमार्किंग: तकनीकी रूप से प्रसार मॉडल-संचालित 3डी सामग्री निर्माण (जैसे ड्रीमफ्यूजन, मैजिक3डी, एनिमेटडिफ, आदि) के क्षेत्र का पूरक, लेकिन "ज्यामिति पीढ़ी" के बजाय "कंकाल-संचालित एनीमेशन" पर ध्यान केंद्रित करना।
लागत लाभ
- सी क्लाइंट/व्यक्ति: पूरी तरह से मुफ़्त और खुला स्रोत। कोई भी व्यक्तिगत डेवलपर या शोधकर्ता स्थानीय संचालन और माध्यमिक विकास के लिए स्रोत कोड और मॉडल वेट डाउनलोड कर सकता है।
- डेवलपर/एपीआई: कोई वाणिज्यिक एपीआई प्रदान नहीं की जाती है, डेवलपर्स को स्वयं ही अनुमान संदर्भ तैनात करने की आवश्यकता होती है। हार्डवेयर लागत मॉडल अनुमान के लिए आवश्यक GPU संसाधनों पर निर्भर करती है (कम से कम 16GB+ वीडियो मेमोरी वाले GPU की अपेक्षा करें)।
- कॉर्पोरेट/निजी: अघोषित कॉर्पोरेट लाइसेंसिंग योजना। एक अकादमिक ओपन सोर्स प्रोजेक्ट के रूप में, व्यावसायिक उपयोग विशिष्ट ओपन सोर्स लाइसेंस शर्तों के अधीन है। यह पुष्टि करने की अनुशंसा की जाती है कि GitHub रिपॉजिटरी में LICENSE फ़ाइल में उपयोग से पहले वाणिज्यिक प्रतिबंध हैं या नहीं।
मुफ़्त सच्चाई: कोड और मॉडल मुफ़्त हैं, लेकिन वास्तविक लागत हार्डवेयर और संदर्भ कॉन्फ़िगरेशन में है। एक अनुमान के अनुसार लगभग 16-24 जीबी वीडियो मेमोरी लगती है, और एक पर्सनल कंप्यूटर (यहां तक कि एक टॉप-एंड मैक स्टूडियो) मूल रूप से इसे चलाने में असमर्थ है। आपको एक क्लाउड जीपीयू (जैसे A100 लगभग $2-3/घंटा) किराए पर लेना होगा। "चलाने" की कुल लागत सॉफ़्टवेयर की शून्य लागत से कहीं अधिक है।
छिपी हुई लागत: रनिंग अनुमान के लिए एक निश्चित मात्रा में जीपीयू कंप्यूटिंग शक्ति की आवश्यकता होती है (वीडियो प्रसार मॉडल को आमतौर पर उच्च ग्राफिक्स मेमोरी की आवश्यकता होती है), और व्यक्तिगत डेवलपर्स को क्लाउड जीपीयू इंस्टेंसेस को किराए पर लेने की आवश्यकता हो सकती है; डेटा प्रीप्रोसेसिंग और बोन बाइंडिंग के लिए भी 3डी एनिमेशन के कुछ बुनियादी ज्ञान की आवश्यकता होती है।
छिपे हुए लाभ: गेम स्टूडियो के लिए, मोशन कैप्चर उपकरण के एक सेट की कीमत $100,000 से अधिक है। एनिमाएक्स मोशन कैप्चर बजट के बिना छोटी टीमों को उचित गुणवत्ता के चरित्र एनिमेशन उत्पन्न करने की अनुमति देता है, जिससे 3डी एनीमेशन उत्पादन के लिए प्रवेश बाधा 1-2 ऑर्डर तक कम हो जाती है।
मुख्य कार्य
- किसी भी हड्डी संरचना का समर्थन: मानव पात्रों तक ही सीमित नहीं है, यह जानवरों और फर्नीचर जैसे विभिन्न हड्डी टोपोलॉजी के साथ 3 डी मॉडल का भी समर्थन करता है, जो आवेदन के दायरे को काफी बढ़ाता है।
- पाठ-संचालित एनिमेशन पीढ़ी: उपयोगकर्ता प्राकृतिक भाषा में क्रियाओं का वर्णन करते हैं (जैसे कि "एक कुत्ता दौड़ रहा है"), और मॉडल स्वचालित रूप से कीफ़्रेम सेट किए बिना संबंधित 3डी कंकाल एनीमेशन अनुक्रम उत्पन्न करता है।
- मल्टी-व्यू स्थिरता: उत्पन्न एनीमेशन कई कैमरा परिप्रेक्ष्य के तहत स्थानिक स्थिरता और गति सुसंगतता बनाए रखता है, यह सुनिश्चित करता है कि किसी भी कोण से देखने पर कोई विकृति न हो।
- कुशल फ़ीड-फ़ॉरवर्ड जेनरेशन: परीक्षण के दौरान फ़्रेम-दर-फ़्रेम अनुकूलन या फ़ाइन-ट्यूनिंग की कोई आवश्यकता नहीं है। फ़ीड-फ़ॉरवर्ड नेटवर्क के आधार पर एक समय में एक संपूर्ण एनीमेशन अनुक्रम उत्पन्न होता है, जिससे उत्पादन चक्र काफी छोटा हो जाता है।
विशेषज्ञ दृष्टिकोण: एनिमाएक्स का तालमेल "वीडियो पूर्व + हड्डी संरचना" की दोहरी बाधाओं में निहित है - वीडियो प्रसार मॉडल समृद्ध गति वास्तविकता प्रदान करता है (जैसे कि चलते समय हाथ का प्राकृतिक स्विंग), और हड्डी की बाधाएं सुनिश्चित करती हैं कि एनीमेशन को विशिष्ट 3 डी मॉडल पर लागू किया जा सकता है। यह संयोजन न केवल प्रसार मॉडल द्वारा उत्पन्न कार्यों की समृद्धि को बरकरार रखता है, बल्कि शुद्ध वीडियो मॉडल आउटपुट की इंजीनियरिंग चुनौती को सीधे 3 डी वर्णों को चलाने में असमर्थ होने की समस्या को भी हल करता है।
मॉडल और संस्करण विकास
मेनलाइन रिलीज़
- ~2025-06: AnimaX को पहली बार सार्वजनिक किया गया, arXiv पेपर (2506.19851) जारी किया गया और GitHub रिपॉजिटरी खोली गई, जो कोर फ्रेमवर्क, पूर्व-प्रशिक्षित मॉडल और नमूना कोड प्रदान करती है।
परियोजना प्रारंभिक अनुसंधान चरण में है, और संस्करण पुनरावृत्तियाँ मुख्य रूप से अकादमिक समुदाय के योगदान पर निर्भर करती हैं। संभावित भविष्य के निर्देशों में शामिल हैं: अधिक सूक्ष्म गति नियंत्रण (उंगली स्तर), बहु-व्यक्ति इंटरैक्टिव एनीमेशन, और वास्तविक समय तर्क अनुकूलन।
तकनीकी लाभ
तंत्र -> प्रभाव -> दृश्य
- संयुक्त वीडियो पोज़ डिफ्यूजन मॉडल: 3डी क्रियाओं को मल्टी-व्यू, मल्टी-फ्रेम 2डी पोज़ मैप्स के रूप में प्रस्तुत करें, और वीडियो और संबंधित 2डी पोज़ अनुक्रम उत्पन्न करने के लिए पूर्व-प्रशिक्षित वीडियो डिफ्यूजन मॉडल से पहले शक्तिशाली एक्शन का उपयोग करें। प्रभाव वीडियो और मुद्रा के बीच एक स्थानिक-अस्थायी संरेखण है - मॉडल "देखता है" कि वीडियो में चरित्र कैसे चलता है और साथ ही यह पता चलता है कि कंकाल को कैसे बदलना चाहिए। उन एनीमेशन दृश्यों के लिए उपयुक्त, जिनमें वास्तविक एक्शन विवरण बनाए रखने की आवश्यकता होती है।
- साझा स्थिति एन्कोडिंग + तौर-तरीके-जागरूक एम्बेडिंग: मॉडल को वीडियो फ्रेम पिक्सल और हड्डी के जोड़ बिंदुओं के बीच स्थानिक पत्राचार को समझने दें। इसका प्रभाव यह है कि आसन ऑफसेट या घबराहट से बचने के लिए विभिन्न तौर-तरीकों का डेटा एक ही फीचर स्पेस में संरेखित किया जाता है। यह उच्च-निष्ठा वाले एनिमेशन के लिए विशेष रूप से महत्वपूर्ण है जिनके लिए सटीक हेराफेरी की आवश्यकता होती है, जैसे कि चेहरे के भावों का ढांचा।
- 3डी मोशन पुनर्निर्माण पाइपलाइन: त्रिकोणासन के माध्यम से मल्टी-व्यू 2डी पोज़ से 3डी संयुक्त स्थितियों का पुनर्निर्माण करें, और फिर उन्हें व्युत्क्रम किनेमेटिक्स (आईके) के माध्यम से संयुक्त रोटेशन कोण ड्राइव मॉडल में परिवर्तित करें। यह पाइपलाइन सुनिश्चित करती है कि परिणामी एनिमेशन भौतिक रूप से सुदृढ़ हैं और 3डी स्पेस में तैनात करने योग्य हैं।
आर्किटेक्चर लिंक
पाठ विवरण -> वीडियो प्रसार मॉडल (कार्रवाई पूर्व)
->मल्टी-व्यू 2डी पोज़ सीक्वेंस
-> त्रिकोणासन -> 3डी संयुक्त स्थिति
-> व्युत्क्रम गतिकी -> अस्थि घूर्णन
-> 3डी मॉडल एनीमेशन ड्राइव करेंकैसे उपयोग करें
- सोर्स कोड डाउनलोड करने के लिए GitHub रिपॉजिटरी (https://github.com/anima-x/anima-x) पर जाएं
- रीडमी के अनुसार पायथन संदर्भ को कॉन्फ़िगर करें (कॉनडा का उपयोग करने की अनुशंसा की जाती है) और निर्भरताएं स्थापित करें
- पूर्व-प्रशिक्षित मॉडल वज़न डाउनलोड करें
- बोन बाइंडिंग के साथ एक 3डी मॉडल तैयार करें या चुनें (एफबीएक्स/डीएई और अन्य प्रारूपों का समर्थन करता है)
- एनीमेशन उत्पन्न करने के लिए अनुमान स्क्रिप्ट चलाएँ और टेक्स्ट विवरण दर्ज करें।
- गेम इंजन (यूनिटी/अनरियल), डीसीसी टूल्स (ब्लेंडर/माया) या रेंडरिंग पाइपलाइन में उपयोग के लिए एनीमेशन डेटा निर्यात करें
चूँकि यह एक शोध ढाँचा है, वर्तमान संस्करण GUI इंटरफ़ेस प्रदान नहीं करता है। उपयोगकर्ताओं को पायथन प्रोग्रामिंग और बुनियादी 3डी एनीमेशन अवधारणाओं का बुनियादी ज्ञान होना आवश्यक है।
उत्पाद का मूल्य निर्धारण
| बिलिंग आयाम | वर्तमान स्थिति |
|---|---|
| फ्रेमवर्क का उपयोग | खुला स्रोत और मुफ़्त |
| पूर्व-प्रशिक्षित मॉडल | मुफ्त डाउनलोड |
| एपीआई सेवा | प्रदान नहीं किया गया |
| उद्यम तकनीकी सहायता | अज्ञात |
AnimaX एक अकादमिक ओपन सोर्स प्रोजेक्ट है और इसका कोई प्रत्यक्ष व्यावसायिक मूल्य निर्धारण नहीं है। उपयोग की लागत मुख्य रूप से हार्डवेयर परिनियोजन (अनुमान के लिए जीपीयू) और मानव निवेश (सीमा विन्यास, डेटा प्रीप्रोसेसिंग और एनीमेशन पोस्ट-एडजस्टमेंट) में परिलक्षित होती है।
अनुप्रयोग परिदृश्य
- डायमेंशनलिटी रिडक्शन स्ट्राइक सीन: स्वतंत्र खेलों के लिए चरित्र एनीमेशन उत्पादन: मोशन कैप्चर उपकरण और पूर्णकालिक एनिमेटरों की कमी वाली एक छोटी टीम ने एनपीसी के लिए चलने, दौड़ने और स्टैंडबाय जैसी बुनियादी क्रियाएं उत्पन्न करने के लिए मैन्युअल कुंजी फ्रेम के बजाय एनिमाएक्स का उपयोग किया। परंपरागत रूप से, किसी पात्र के लिए बुनियादी गतिविधियों का एक सेट पूरा करने में एक एनिमेटर को 2-3 दिन लगते हैं। AnimaX 10 मिनट में पहला ड्राफ्ट तैयार करता है और इसे ठीक करने में 2-3 घंटे और खर्च करता है।
- फिल्म और वीएफएक्स प्रोडक्शन: एनिमेटेड फिल्मों में वर्चुअल कैरेक्टर मूवमेंट, बैकग्राउंड एनिमेशन आदि उत्पन्न करें। एक्शन ड्राफ्ट जिनका उपयोग त्वरित पूर्वावलोकन (प्रीविस) चरण के लिए किया जा सकता है, जिससे मोशन कैप्चर या मैन्युअल समायोजन से प्रतीक्षा समय कम हो जाता है।
- वीआर/एआर इंटरेक्शन: विसर्जन को बढ़ाने के लिए आभासी पात्रों और गतिशील संदर्भ के लिए वास्तविक समय एनिमेशन उत्पन्न करें। आभासी प्रदर्शनी हॉल, शैक्षिक सिमुलेशन, सामाजिक वीआर और अन्य दृश्यों के लिए उपयुक्त जिनके लिए समृद्ध चरित्र आंदोलनों की आवश्यकता होती है।
अनफ़िट सीमा: उन दृश्यों के लिए उपयुक्त नहीं है जिनमें अत्यधिक सूक्ष्म उंगली-स्तर की गतिविधियों या चेहरे की सूक्ष्म अभिव्यक्तियों की आवश्यकता होती है (वर्तमान संस्करण मुख्य रूप से पूरे शरीर के कंकाल आंदोलनों को लक्षित करता है); अत्यधिक उच्च वास्तविक समय आवश्यकताओं (जैसे वीआर हैंडल ट्रैकिंग) वाले अनुप्रयोगों को अनुमान अनुकूलन के लिए प्रतीक्षा करने की आवश्यकता होती है।
निराश परिदृश्य: यदि आपके प्रोजेक्ट को उच्च परिशुद्धता उंगली एनीमेशन, चेहरे की अभिव्यक्ति कैप्चर (एफएसीएस) की आवश्यकता है, या बड़ी संख्या में वर्णों को बैच स्वचालन पाइपलाइन की आवश्यकता है, तो एनिमाएक्स का वर्तमान संस्करण आवश्यकताओं को पूरा नहीं कर सकता है। अगले संस्करणों की प्रतीक्षा करने या पेशेवर मोशन कैप्चर समाधान का उपयोग करने की अनुशंसा की जाती है।
लागू लोग
- एआई और कंप्यूटर ग्राफिक्स शोधकर्ता: 3डी क्षेत्र में वीडियो प्रसार मॉडल के स्थानांतरण अनुप्रयोग पर ध्यान दें, जिसका उपयोग अनुसंधान आधार रेखा या आगे के सुधार के लिए शुरुआती बिंदु के रूप में किया जा सकता है।
- गेम एनिमेटर और तकनीकी कलाकार: तकनीकी कलाकार जिन्हें जल्दी से बड़ी संख्या में चरित्र एक्शन पूर्वावलोकन तैयार करने की आवश्यकता होती है, वे प्रारंभिक एक्शन प्रोटोटाइप समय को काफी कम कर सकते हैं।
- स्वतंत्र डेवलपर्स और छोटे स्टूडियो: जिन टीमों के पास मोशन कैप्चर उपकरण की कमी है, वे 3डी एनीमेशन की उत्पादन सीमा को कम करने के लिए टेक्स्ट-संचालित एनीमेशन का उपयोग करते हैं।
लोगों के लिए उपयुक्त नहीं: गैर-तकनीकी पृष्ठभूमि वाले शुद्ध एनिमेटर (कोडिंग क्षमता की आवश्यकता है); उत्पादन टीमें जिन्हें परिपक्व और स्थिर वाणिज्यिक उत्पादों का उपयोग करने की आवश्यकता होती है (अनुसंधान ढांचे की स्थिरता और दस्तावेज़ समर्थन सीमित हैं)।
सारांश और आउटलुक
एनिमाएक्स "वीडियो प्रसार मॉडल -> 3डी स्केलेटल एनीमेशन" की तकनीकी दिशा में एक अत्याधुनिक प्रयास का प्रतिनिधित्व करता है। यह दर्शाता है कि वीडियो में सीखे गए गति ज्ञान को बहु-दृश्य स्थिरता और कंकाल संगतता बनाए रखते हुए प्रभावी ढंग से 3डी डोमेन में स्थानांतरित किया जा सकता है। एक शोध प्रोटोटाइप के रूप में, वर्तमान संस्करण को पीढ़ी की गुणवत्ता, अनुमान गति और उपयोग में आसानी के मामले में इंजीनियरिंग के माध्यम से पॉलिश करने की आवश्यकता है।
वर्तमान सीमाएँ: दस्तावेज़ीकरण और सामुदायिक समर्थन सीमित हैं, मुख्य रूप से GitHub मुद्दों और अकादमिक ईमेल संचार पर निर्भर हैं; पूर्व-प्रशिक्षित मॉडल के व्यावसायिक दायरे और प्रशिक्षण डेटा के कॉपीराइट को स्वयं सत्यापित करने की आवश्यकता है (प्रशिक्षण डेटा ऑनलाइन वीडियो से आता है और इसमें अनधिकृत कार्रवाई डेटा शामिल हो सकता है)।
खरीद/गोद लेने का जोखिम मूल्यांकन: एक अकादमिक ओपन सोर्स प्रोजेक्ट के रूप में, एनिमाएक्स की कोई व्यावसायीकरण प्रतिबद्धता नहीं है और कोई दीर्घकालिक रखरखाव गारंटी नहीं है। यह अनुशंसा की जाती है कि अनुसंधान दल इसे तकनीकी संदर्भ के रूप में उपयोग करें, और औद्योगिक स्तर के अनुप्रयोगों को कोड गुणवत्ता और विस्तारित रखरखाव लागत का मूल्यांकन स्वयं करने की आवश्यकता है। व्यावसायिक उपयोग से पहले हमेशा ओपन सोर्स लाइसेंस की शर्तों के दायरे की पुष्टि करें।
संबंधित उपकरण: runway, pika
संस्करण जानकारी
- अनिमैक्स ：अभी तक कोई आधिकारिक सटीक तारीख नहीं है।
- अनिमैक्स ：अभी तक कोई आधिकारिक सटीक तारीख नहीं है।
उपयोगकर्ता समीक्षाएं