CoinVE-Edit 发布：一次前向传播执行 5 条视频编辑指令

pmttyji · reddit · 2026-08-20

HuggingFace 上发布视频编辑模型 CoinVE-Edit,基于 Wan2.1-T2V-14B(DiT)与 Qwen3-VL-8B(MLLM 编码器)构建,支持组合式多指令视频编辑：单次前向传播同时处理 2–5 条编辑指令，每条指令通过轻量 mask 头注入区域感知引导，确保各编辑严格限制在对应空间区域内。

支持替换、添加、删除、更换背景等操作任意组合，同时保持整体视频连贯性。模型在 CoinVE-200K 数据集(20 万+ 高质量视频-编辑对，经严格数据过滤)上训练。