marcelo-earth/generative-manim

Generative Manim – AI 驱动的动画创作

是什么

• 一个开源工具套件，让你用自然语言描述场景，由大型语言模型（LLM）生成对应的 Manim Python 代码，再渲染为视频。
• 基于 Manim 渲染器本身是确定性验证器的理念：生成的代码要么产生正确的动画，要么崩溃，这种结果可作为训练的奖励信号。

核心组件

组件	目的
LLM → Manim 代码引擎	一系列模型包装器（GPT‑4o、Claude、Gemini、通过 Featherless 使用的开源权重模型、LiteLLM 代理等），将自然语言提示转换为 Manim 脚本。
API	一种 REST 风格的 Animation Processing Interface，接收提示，选择模型，执行生成，并返回渲染后的视频（或原始 Python 代码）。
Web 演示	部署在 generative-manim.vercel.app；在浏览器中展示端到端流程。
Animo 桌面应用	同一流程的打包本地渲染版本，提供隐私保护和零额外云成本。
训练流水线	开源脚本，使用三阶段过程（监督微调 → 直接偏好优化 → 组相对策略优化）对开源权重模型（Qwen 2.5‑Coder 7B、DeepSeek‑Coder V2 Lite、CodeLlama 7B）进行微调，以 Manim 渲染器作为奖励信号。
基准测试套件	可复现的评估（pass@k、基于渲染的评分、结构检查），用于任何生成 Manim 代码的模型。

主要特性

• 提示 → 动画：输入一句如 "A ball falls, bounces, and turns into a star" 的描述，即可获得可播放的视频。
• 多模型后端支持：官方支持 OpenAI、Anthropic、Google Gemini、Moonshot，以及通过 Featherless 或 LiteLLM 访问的开源权重模型。
• Animo 本地渲染：无需上传代码或视频；所有操作在用户本地机器上完成。
• 可导出代码：生成的 Manim 脚本会提供，便于编辑、版本控制或复用。
• 开源训练：提供训练自定义代码生成模型的脚本，以及衡量模型生成可运行 Manim 代码频率的基准测试。
• 社区资源：Discord 用于讨论，精选的 Manim Awesome Skills 仓库，以及详细的部署文档（Docker/Render）。

典型工作流

1. 编写描述 – 使用自然语言，无需 Manim 知识。
2. 选择模型 – 选择高性能模型（如 GPT‑4o）或更便宜的开源权重模型。
3. 生成代码 – API 调用 LLM，接收 Python 脚本，并可选择性地流式返回。
4. 渲染 – 脚本通过 Manim 运行；返回结果视频（或由 Animo 本地保存）。
5. 迭代 – 编辑提示或生成的代码，重复执行。

快速入门

• 试用演示：访问 https://generative-manim.vercel.app 并输入提示。
• 本地运行 API：

  git clone https://github.com/360macky/generative-manim.git
  cd generative-manim/api
  # 设置你的 OpenAI/Anthropic/Google API 密钥
  export OPENAI_API_KEY=…
  uvicorn main:app --reload   # 或按 docs/cloud-deployment.md 中所述使用 Docker
  

• 使用 Animo：从 https://animo.video 下载桌面应用，安装并开始创建，无需任何服务器。
• 训练自己的模型：遵循 training/ 的 README——它展示了如何使用提供的 5,000+ 个提示-代码对微调 Qwen 2.5‑Coder 7B 并运行基准测试。

谁会受益

• 教育工作者和内容创作者：无需学习 Manim 即可快速制作解释性动画。
• 开发者：寻找具有确定性、可视化奖励的代码生成基准的人。
• 研究人员：对 LLM 驱动编程感兴趣，尤其关注输出可自动验证（渲染视频）领域的研究者。
• 学生：希望通过自然语言生成的动画可视化探索物理或数学概念的学生。

社区与支持

• Discord： https://discord.gg/SNdbPU2AMM
• GitHub 上欢迎提交问题和拉取请求。
• 赞助：目前由 The Astronomical Software Company 支持。

---

以上所有信息均直接来自仓库的 README；未推断任何额外功能。