marcelo-earth/generative-manim

Generative Manim – AI駆動のアニメーション作成

何であるか

• プレーンな英語のプロンプトを入力すると、大規模言語モデル（LLM）が対応する Manim Pythonコードを生成し、それを動画にレンダリングするオープンソースツールキット。
• Manimレンダラー自体が決定論的な検証者であるというアイデアに基づいている：生成されたコードは正しいアニメーションを生成するか、クラッシュするかのどちらかであり、これは訓練における報酬信号として利用可能。

主要コンポーネント

コンポーネント	目的
LLM → Manimコードエンジン	自然言語プロンプトをManimスクリプトに変換するモデルラッパー群（GPT‑4o、Claude、Gemini、Featherless経由のオープンウェイトモデル、LiteLLMパススルーなど）。
API	RESTスタイルのAnimation Processing Interface。プロンプトを受け取り、モデルを選択し、生成を実行し、レンダリング済み動画（またはRaw Pythonコード）を返す。
Webデモ	generative-manim.vercel.app でホスト。ブラウザ上でエンドツーエンドのフローを確認可能。
Animoデスクトップアプリ	同じパイプラインのパッケージ化されたローカルレンダリング版。プライバシー保護とクラウドコストゼロを実現。
トレーニングパイプライン	Qwen 2.5‑Coder 7B、DeepSeek‑Coder V2 Lite、CodeLlama 7Bなどのオープンウェイトモデルを、3段階プロセス（Supervised Fine-Tuning → Direct Preference Optimization → Group Relative Policy Optimization）で微調整するためのオープンソーススクリプト。Manimレンダラーが報酬として使用される。
ベンチマークスイート	任意のManimコードを生成するモデルの再現可能な評価（pass@k、レンダリングベーススコア、構造的チェック）を提供。

主な機能

• プロンプトからアニメーションまで："A ball falls, bounces, and turns into a star" のような一文を入力すると、再生可能な動画が即座に生成される。
• 複数のモデルバックエンド：OpenAI、Anthropic、Google Gemini、Moonshotの公式サポートに加え、FeatherlessやLiteLLM経由でオープンウェイトモデルも利用可能。
• Animoによるローカルレンダリング：コードや動画をアップロードする必要なし。すべてユーザーのマシン上で実行。
• エクスポート可能なコード：生成されたManimスクリプトは提供されるため、編集・バージョン管理・再利用が可能。
• オープンソーストレーニング：独自のコード生成モデルをトレーニングするためのスクリプトと、実行可能なManimコードを生成する頻度を測定するベンチマークを提供。
• コミュニティリソース：ディスカッション用のDiscord、カレントされたManim Awesome Skillsリポジトリ、詳細なデプロイドキュメント（Docker/Render）。

一般的なワークフロー

1. 記述を書く – Manimの知識不要。プレーンな英語で。
2. モデルを選択する – 高性能モデル（例：GPT‑4o）または低コストのオープンウェイトモデルを選択。
3. コードを生成する – APIがLLMを呼び出し、Pythonスクリプトを受信。オプションでストリーミングで返す。
4. レンダリングする – スクリプトをManimで実行。結果の動画を返す（またはAnimoがローカルに保存）。
5. 反復する – プロンプトや生成されたコードを編集して再実行。

導入方法

• デモを試す： https://generative-manim.vercel.app にアクセスし、プロンプトを入力。
• ローカルでAPIを実行：

  git clone https://github.com/360macky/generative-manim.git
  cd generative-manim/api
  # OpenAI/Anthropic/GoogleのAPIキーを設定
  export OPENAI_API_KEY=…
  uvicorn main:app --reload   # docs/cloud-deployment.mdに記載の通りDockerも利用可
  

• Animoを使用する： https://animo.video からデスクトップアプリをダウンロード、インストール、そしてサーバーなしで作成を開始。
• 独自モデルをトレーニングする： training/ のREADMEを参照。5,000以上のプロンプト-コードペアを使ってQwen 2.5‑Coder 7Bを微調整し、ベンチマークを実行する方法が記載。

誰が恩恵を受けるか

• 教育者・コンテンツクリエイター：Manimを学ぶ必要なしに、素早く説明用アニメーションを作成できる。
• 開発者：決定論的で視覚的な報酬を持つコード生成ベンチマークを探している人。
• 研究者：LLM駆動プログラミングに興味があり、出力が自動検証可能（レンダリング済み動画）な分野に注目している人。
• 学生：自然言語から生成されたアニメーションで物理や数学の概念を視覚的に探求したい人。

コミュニティとサポート

• Discord: https://discord.gg/SNdbPU2AMM
• GitHubでIssueとPull Requestを歓迎します。
• 賛助：現在はThe Astronomical Software Companyが支援しています。

---

上記のすべての情報はリポジトリのREADMEから直接取得。追加機能は一切推測されていません。