白膜视频模型遐想

[cKnight]

现状

目前的主流视频模型在人物场景占位、镜头调度、打斗镜头，整体表现不太好。现有的解决方案就是使用一些 3D 软件进行预演，导出视频发给视频模型进行模仿生成。

遐想

如果能训练出一个比较廉价的白膜视频模型，能够使用提示词或结构化的数据（可以使用主流大模型生成）准取的处理完成白膜视频的预演。这样是不是就可以解决目前的问题。

问题

• 由于是现在视频模型的能力问题，但是后面肯定迭代这个能力问题肯定会被解决。

不知道大家有什么看法

[andforce]

https://gooizwbddbxvg.app.kimi.com/

kimi 的 3D 导演台就行

[cKnight]

@andforce 是的目前导演台是 OK 的，但是整体的复杂度，学习成本还是蛮高的，如果要做一些比较复杂的调度场景的话还是不太好搞。

[andforce]

@cKnight #2 这个导演台是 AI 用的，不是给人用的。

[levn]

世界模型

[Rorysky]

你这个不就是 jev 的思路么？ 输出简化

[Rorysky]

大有可为！

[cKnight]

@levn 这个太大了，我想的应该是个比较廉价且针对性比较强的模型

[cKnight]

@Rorysky #5 你还别说差不多是这个意思，用廉价的成本干好一件事

[strobber16]

您是不是在找：DLSS5

[cKnight]

@strobber16 之前在 gta 的视频中看到过这个，我瞅瞅