动画上色是真实动画产业生产中的重要组成部分。长时间的动画上色具有较高的劳动力成本。因此，基于视频生成模型的自动化长时间动画上色具有重要的研究价值。现有的研究主要局限于短期上色。这些研究采用了局部范式，通过融合重叠特征来实现局部片段之间的平滑过渡。然而，局部范式忽略了全局信息，无法维持长时间的颜色一致性。在本研究中，我们认为通过动态全局-局部范式可以实现理想的长时间颜色一致性，即动态提取与当前生成相关的全局颜色一致特征。具体而言，我们提出了一种名为LongAnimation的新框架，该框架主要包括SketchDiT、动态全局-局部记忆（DGLM）模块和颜色一致性奖励。SketchDiT捕捉混合参考特征以支持DGLM模块。DGLM模块利用一个长视频理解模型，动态压缩全局历史特征，并将其适应性地与当前生成的特征进行融合。为了进一步优化颜色一致性，我们引入了颜色一致性奖励机制。在推理过程中，我们提出了一种颜色一致性融合方法，以平滑视频片段之间的过渡。大量的实验表明，在短期（14帧）和长期（平均500帧）动画上色任务中，LongAnimation在保持短期和长期颜色一致性方面表现出有效性。代码可在https://cn-makers.github.io/long_animation_web/ 获取。