AI一键生成矢量动画
复旦大学与StepFun联合发布了OmniLottie,这是一个首个能够从文本、图像及视频直接生成专业级Lottie矢量动画的AI框架。Lottie动画因其文件体积小、无限缩放不失真且易于编辑的特性,已成为App与网页设计的主流格式。OmniLottie旨在解决传统手动制作Lottie动画耗时费力的问题,通过AI技术实现端到端的自动化生成。
01核心技术架构
- Lottie Tokenizer
针对传统语言模型直接生成Lottie JSON文件成功率低(仅12.7%)的问题,团队设计了Lottie Tokenizer。该组件将冗余的JSON格式压缩为紧凑的命令序列,使Token数量减少了81%,从而让模型能够专注于学习动画的核心语义,有效规避了JSON格式符号对模型的干扰。 - MMLottie-2M 数据集
为训练模型,团队构建了规模达200万级的矢量动画数据集MMLottie-2M。该数据集包含从LottieFiles等5大平台收集的120万条专业动画,以及通过静态SVG转换生成的80万条动画数据,所有数据均配有详细的文字标注,目前已全部开源。 - 模型基础
OmniLottie基于Qwen2.5-VL视觉语言模型构建,结合了Lottie专用词汇表进行端到端训练。利用预训练的多模态理解能力,并在Lottie数据上进行微调,实现了对动画语义的精准把握。
02性能表现与对比
| 评估维度 | OmniLottie | GPT-5 / 其他方案 |
|---|---|---|
| 文本生成成功率 | 88.3% | 12.7% (GPT-5) |
| 视觉质量 (FVD指标) | 优于商业工具Recraft 33% | - |
| 运动对齐得分 | 5.94 | 落后于OmniLottie |
| 平均生成耗时 | 31秒 | 比传统方法快530倍 |
OmniLottie与主流方案及传统方法关键指标对比
03实际应用效果
在实际测试中,OmniLottie生成的动画图形精准且动作流畅。相比之下,GPT-5和DeepSeek经常出现生成失败的情况,商业工具Recraft虽然能生成图像,但存在动作重复且语义匹配度低的问题。OmniLottie的核心优势在于输出真正的矢量格式,生成的动画可直接集成到实际项目开发中使用,无需额外的格式转换或修复工作。
当前文章无评论,是时候发表评论了