B 站 AniSora

数据来源与规模

AniSora（arXiv 2412.10255）称从 100 万条原始动画长视频切分、过滤后保留 1000 万+ 片段（图注与正文均写 1M long videos）。⚠️ 正文同时写"保留约 10% 片段"，与 1000 万+ 的绝对数不易自洽，数字应谨慎引用。"Bilibili"是作者机构而非数据来源声明，平台与片源未点明 [1]。

加工

pyscenedetect 切分；过滤文字区域、RAFT 光流（去静止与闪回）、美学分、2-20 秒时长。动作标签超 100 类由人工标注，prompt 由 Qwen-VL2 起草再人工修正。基座为 cogvideox，最终微调 100 万超高质量子集，另有 79 万无字幕无水印 SFT 集 [1]。

动漫数据的特殊性

公开对照 sakuga-42m 为 4200 万关键帧、120 万 clip，但 AniSora 指出其 80% clip 低分辨率且短于 2 秒 [2]。动漫是版权最敏感、标注最稀缺的品类，商业授权交易未查到。

争议

片源授权状态未披露；未查到针对 AniSora 的诉讼。