上海交大那边发布了一个「世界叙事模型」，明确说了要解决的是AI视频生成「不可控」这个瓶颈。
干我们这行的对「不可控」四个字体会太深了。现在的视频模型你给它一句话，它能给你一段挺好看的画面，但你要它按分镜来——这个镜头人物从左边进，下个镜头接他的近景，脸还得是同一张脸——它就开始自由发挥。所以现在AI视频大多只能当素材或者当氛围片，进不了正经的叙事流程。真正卡住的从来不是画质，是连续性和听话程度。
「叙事」这个词放进模型名里，态度已经摆得很明白了。具体怎么做到的我还没看到细节，也不想凭名字脑补技术路线。要是真能让镜头之间的人物和空间关系稳住，那对做片子的人来说意义比多几个像素大得多。
