397B模型自动写视频分镜脚本
推荐指数 59.0 NO. 024 · 2026.09.26
upvotes25comments0
为什么值得看
WanPE 是一个专门用于增强文生视频提示词的 397B 参数模型，通过视频逆向拆解和强化学习训练，让 AI 自动生成包含运镜、灯光、音效的导演级分镜规划。对做长视频生成的团队来说，这解决了"提示词写不好导致输出烂"的核心瓶颈。
媒体预览
编辑判断
文生视频领域真正的痛点不是模型不够大，而是用户不会写"导演语言"——大多数人只会输入"一只猫在跑"，而不是"手持镜头跟拍，侧逆光，环境音渐强，切中景"。WanPE 的 1.05M 真实视频逆向训练本质上是在做"平民导演化"，这和图像生成里 SD 的 prompt 扩展器逻辑类似，但视频的时间维度让问题复杂了一个数量级。
SC-GRPO 这个改进值得注意，标准 GRPO 在视频多 shot 场景下容易漂移，语义一致性约束是工程上的务实选择。不过 397B 的推理成本是个问题，如果不开源蒸馏版，中小团队很难直接用，更可能的路径是被 Wan 2.1 或类似模型集成进 API 层。
做视频生成产品的团队可以关注：提示词增强层正在成为新的基础设施，类似 LLM 里的 system prompt engineering，这可能是下一个差异化竞争点。