长视频一致性终于有解了
推荐指数 74.0 NO. 023 · 2026.10.16
upvotes321comments1
为什么值得看
ATAS 框架通过将剧本编译为带时空引用的镜头请求，并维护场景/事件记忆库，解决了长视频生成中跨镜头时空一致性的难题。对做 AI 视频工具的团队来说，这是从"片段生成"迈向"完整叙事"的关键基础设施。
媒体预览
编辑判断
当前主流方案如 Runway、Pika 的多镜头功能依赖关键帧传递或 prompt 复用，本质上还是"局部连贯"，无法处理角色回到三天前场景、衣服细节必须一致这类需求。ATAS 的聪明之处在于把电影工业的剧本拆解逻辑（地点/机位/时间点）硬编码进生成管线，让 LLM 先规划再执行。
论文提到用 GPT-4 做剧本编译器，但核心记忆检索和条件更新模块是轻量的，理论上可以替换成开源模型。如果团队在做短剧、广告等需要多镜头叙事的场景，这个架构比纯靠模型上下文窗口堆长度更可控。
暂未看到开源代码，但方法描述足够详细，复现门槛不高。建议关注作者后续是否释放实现，以及和现有视频模型（如 CogVideo、Wan 2.1）的集成可能性。