制作动态图片：苹果高性能模型动画生成

当前，大型模型的惊人创新能力持续影响着创意领域，尤其是像Sora这样的视频生成技术代表。虽然Sora已经引领了新一代潮流，但现在或许值得大家关注一下苹果的最新研究成果。

苹果的研究者最近发布了一个名为「Keyframer」的框架，它可以利用大型语言模型生成动画。这个框架允许用户通过自然语言提示来轻松地为静态2D图像创建动画。这项研究展示了语言模型在设计动画方面的潜力，为动画设计师提供了更加高效且直观的工具。

论文地址：https://arxiv.org/pdf/2402.06071.pdf

具体而言，该研究结合了基于语言提示设计工件的新兴设计原则和 LLM 的代码生成能力，构建了一个新的 AI 驱动的动画工具 Keyframer。通过 Keyframer，用户可以通过自然语言提示，从静态 2D 图像创建动画插图。借助 GPT-4，Keyframer 可以生成 CSS 动画代码，使输入的 SVG（Scalable Vector Graphic）动画化。

除此以外，Keyframer 支持用户通过多种编辑器类型直接编辑生成的动画。

用户可以通过反复的提示和请求，利用LLM生成的设计变体来不断完善他们的设计，从而在新的设计方向上进行思考。不过，目前Keyframer还没有对外公开。

之所以做这项研究，苹果表示 LLM 在动画中的应用尚未得到充分探索，并带来了新的挑战，例如用户如何有效地用自然语言描述运动。现阶段虽然文生图工具如 Dall・E 和 Midjourney 等效果出色，但动画设计需要考虑更复杂的因素，例如时间以及协调性，这些因素很难在单个提示中全面概括。

用户只需上传图像，并在提示框中输入类似于“让星星闪烁”的内容，然后点击生成即可查看这项研究的效果。

用户可以在一个批次中生成多个动画设计，并在单独的窗口中调整颜色代码和动画持续时间等属性。无需任何编码经验，因为 Keyframer 会自动将这些更改转换为 CSS，代码本身也是完全可编辑的。这种基于描述的方法比其他形式的人工智能生成动画简单得多，后者通常需要多个不同的应用程序和一些编码经验。

Keyframer 介绍

Keyframer 是一款由 LLM 驱动的应用程序，旨在从静态图像创建动画。Keyframer 可以充分利用 LLM 的代码生成能力，以及静态矢量图（SVG）的语义结构，从而根据用户提供的自然语言提示生成动画。

输入：该系统提供了一个输入区域，用户可以在其中粘贴他们想要动画化的 SVG 图像代码（SVG 是一种标准且流行的图像格式，在插图中因其可伸缩性及在多个平台上的兼容性而常用）。在 Keyframer 中，SVG 的渲染显示在代码编辑器旁边，以便用户可以预览图像的视觉设计，如图 2 所示，土星插图的 SVG 代码包含了如天空、光环等标识符。

GPT 提示：该系统允许用户输入自然语言提示来创建动画。用户可以请求单个设计（让行星旋转）或多个设计变体（创建 3 个星星闪烁的设计），之后单击「生成动画」按钮开始请求。在将用户请求传递给 GPT 之前，该研究会用完整的原始 SVG XML 完善其提示，并指定 LLM 响应的格式。

GPT 输出：一旦提示请求开始，GPT 就会传输响应，该响应由一个或多个 CSS 片段组成，如图 3 所示。

渲染：渲染部分包括（1）每个动画进行可视化渲染以及由 LLM 生成的 1 句解释（2）一系列用于修改设计的编辑器。

其中代码编辑器使用 CodeMirror 实现；属性编辑器为编辑代码提供了特定于属性的 UI，例如为了编辑颜色，该研究提供了一个颜色选择器。图 5 显示了代码编辑器与属性编辑器图示。

迭代：为了支持用户在动画创建过程 (DG1) 中进行更深入的探索，该研究还提供了一项功能，允许用户使用提示在生成的动画上迭代构建。每个生成的设计下面都有一个按钮「 + Add New Prompt 」；单击此按钮会在页面底部打开一个新表单，供用户使用新提示扩展其设计。

保存设计的侧边栏以及摘要。该系统允许用户对设计加注星标进行收藏并将其添加到侧边栏，如图 6 右侧所示。此外，该系统还有一个摘要模式，其能隐藏所有文本编辑器并显示动画及其提示，使用户能够快速重新访问以前的提示和设计。

实验过程中，苹果团队选择了 13 名参与者（6 名女性，7 名男性）试用 Keyframer。表 1 为参与者的一些信息及其掌握的技能。

甚至专业动作设计师「EP13」也看到了 Keyframer 扩展其能力的潜力：「我有些担心这些工具会取代我们的工作，因为它的潜力如此之大。但细细想来，这项研究只会提高我们的技能。应该是件值得高兴的事情。」

总体而言，参与者对 Keyframer 的使用体验感到满意。参与者给出的平均分数为 3.9 ，介于满意 (4) 和中立 (3) 之间。参与者生成了 223 种设计。平均来看，每位参与者生成 17.2 个设计。图 8 显示了两个参与者的最终动画示例。

更多技术细节请参阅原论文。