AniMaker: Narración Animada Automatizada con Agentes Múltiples y Generación de Clips Basada en MCTS

AniMaker: Automated Multi-Agent Animated Storytelling with MCTS-Driven Clip Generation

June 12, 2025

Autores: Haoyuan Shi, Yunxin Li, Xinyu Chen, Longyue Wang, Baotian Hu, Min Zhang

cs.AI

Resumen

A pesar de los rápidos avances en los modelos de generación de video, la creación de videos narrativos coherentes que abarquen múltiples escenas y personajes sigue siendo un desafío. Los métodos actuales suelen convertir de manera rígida fotogramas clave pregenerados en clips de longitud fija, lo que resulta en narrativas fragmentadas y problemas de ritmo. Además, la inherente inestabilidad de los modelos de generación de video implica que incluso un solo clip de baja calidad puede degradar significativamente la coherencia lógica y la continuidad visual de toda la animación generada. Para superar estos obstáculos, presentamos AniMaker, un marco de trabajo multiagente que permite la generación eficiente de múltiples candidatos de clips y la selección de clips consciente de la narrativa, creando así animaciones globalmente consistentes y coherentes con la historia únicamente a partir de texto de entrada. El marco está estructurado alrededor de agentes especializados, incluyendo el Agente Director para la generación de guiones gráficos, el Agente de Fotografía para la generación de clips de video, el Agente Revisor para la evaluación y el Agente de Postproducción para la edición y el doblaje. Centrales en el enfoque de AniMaker son dos componentes técnicos clave: MCTS-Gen en el Agente de Fotografía, una estrategia inspirada en la Búsqueda de Árbol de Monte Carlo (MCTS) que navega inteligentemente el espacio de candidatos para generar clips de alto potencial mientras optimiza el uso de recursos; y AniEval en el Agente Revisor, el primer marco diseñado específicamente para la evaluación de animaciones de múltiples tomas, que evalúa aspectos críticos como la consistencia a nivel de historia, la finalización de acciones y características específicas de la animación al considerar cada clip en el contexto de sus clips precedentes y sucesivos. Los experimentos demuestran que AniMaker logra una calidad superior medida por métricas populares como VBench y nuestro marco propuesto AniEval, mientras mejora significativamente la eficiencia en la generación de múltiples candidatos, acercando la animación narrativa generada por IA a los estándares de producción.

English

Despite rapid advancements in video generation models, generating coherent storytelling videos that span multiple scenes and characters remains challenging. Current methods often rigidly convert pre-generated keyframes into fixed-length clips, resulting in disjointed narratives and pacing issues. Furthermore, the inherent instability of video generation models means that even a single low-quality clip can significantly degrade the entire output animation's logical coherence and visual continuity. To overcome these obstacles, we introduce AniMaker, a multi-agent framework enabling efficient multi-candidate clip generation and storytelling-aware clip selection, thus creating globally consistent and story-coherent animation solely from text input. The framework is structured around specialized agents, including the Director Agent for storyboard generation, the Photography Agent for video clip generation, the Reviewer Agent for evaluation, and the Post-Production Agent for editing and voiceover. Central to AniMaker's approach are two key technical components: MCTS-Gen in Photography Agent, an efficient Monte Carlo Tree Search (MCTS)-inspired strategy that intelligently navigates the candidate space to generate high-potential clips while optimizing resource usage; and AniEval in Reviewer Agent, the first framework specifically designed for multi-shot animation evaluation, which assesses critical aspects such as story-level consistency, action completion, and animation-specific features by considering each clip in the context of its preceding and succeeding clips. Experiments demonstrate that AniMaker achieves superior quality as measured by popular metrics including VBench and our proposed AniEval framework, while significantly improving the efficiency of multi-candidate generation, pushing AI-generated storytelling animation closer to production standards.