ControlNet能不能直接管视频？贾佳亚团队这次端出来的新一代ControlNet就是冲这个来的，宣传里那只妖娆起舞的蜘蛛侠动图确实抓眼球。
我关心的有两点。即插即用，意味着不用大动干戈重训主模型就能挂上去用；再就是控制能力从图像延伸到了视频生成。后者一直是老大难，帧间一致性和可控性很难两全，要是姿态、结构在视频里真能稳住，对做动态内容的人是实打实的利好。
不过现在只有演示。控制维度覆盖多少、跟现有ControlNet生态怎么衔接、显存要求高不高，都得等代码和权重出来自己跑过才有底。先蹲开源。
