Google Research发布AI视频“联合导演”：4套智能体框架，专治长视频换装和连环崩

资讯 / AI 快讯
1

Google Research 这套"AI 视频联合导演"不是新模型，是架在 Gemini 和 Veo 上的多智能体编排层，把短片段串成几分钟的连贯故事。官方称模型无关，输出沿用 SynthID 水印。

它瞄的是多镜头管线两种翻车：衣服、场景在镜头间漂移；上游一个坏素材把后面全带崩。四个框架分工：

  • Co-Director：多臂老虎机搜创作策略和美学组合，多模态大模型当评委回传打分。
  • CANVAS：持久视觉记忆，追踪角色、地点、道具状态，场景重现时调出锚点。
  • A²RD：免训练逐段生成，官方放了 10 分钟连续成片。
  • VQQA：用视觉问答批评改写提示词，不碰模型内部，从全部迭代里挑最好的一版。

Co-Director 在自建 GenAD-Bench 上均分 81.4，A²RD 一致性最多提升 30%。代码放了 Co-Director 和 A²RD，CANVAS 没放，整条管线也不是正式产品。

我最在意 VQQA 的"全局挑最优"。自搭链路总以为最后一轮最好，其实未必。

2

CANVAS 这种存视觉锚点的做法，其实和我们在 ComfyUI 里手动存角色参考图再喂 IP-Adapter 是一个意思，只是它自动判断什么时候该调出来。真要落地，锚点库怎么清理、怎么防止存进坏图，比论文里写的难

3

benchmark 全是自己新建的，81.4 这种分数先看看就好，等第三方复现

4

等复现没毛病，不过对比里拉了Veo 3.1和Kling 3.0 Omni，对手不算弱

5

10分钟连续成片想看 有没有人找到链接

1 个赞
6

VQQA不碰模型内部这点对我们这种只能调API的太友好了 :fire:

7

老虎机选风格组合听着像给广告批量出方案用的，GenAD-Bench 本身就是广告场景

8

代码只放了两个，CANVAS 还得等

9

蹲后续