曾经我说过视频生成的时空一致性控制，可能需要潜空间来实现，但是现在的情况是，模型用了一种外挂的方式。白模，3D 动画，预演台，以输入参考的形式实现了。
当年是我想复杂了，也是给模型在增加不必要的麻烦。有些东西并不需要生成，只要给它一个参考，然后有足够强的理解能力和遵循能力即可。
曾经我说过视频生成的时空一致性控制，可能需要潜空间来实现，但是现在的情况是，模型用了一种外挂的方式。白模，3D 动画，预演台，以输入参考的形式实现了。
当年是我想复杂了，也是给模型在增加不必要的麻烦。有些东西并不需要生成，只要给它一个参考，然后有足够强的理解能力和遵循能力即可。