北大联袂可灵团队发布MAVIN，攻克多镜头视频生成叙事难题

机器之心 · wechat · 2026-08-28

北京大学联合可灵团队等提出MAVIN模型，旨在解决现有视频生成模型在处理多镜头、多角色叙事时的时间错位和身份混淆问题。该模型采用边界感知注意力和身份感知传播机制，通过结构化脚本统一调度画面、对白与角色身份，确保镜头切换、口型同步及角色一致性。此外，团队构建了包含多级标注的数据集MAVINSet。实验表明，MAVIN在13项指标上表现最佳，支持叙事节奏控制和角色身份定制，为影视预演和短剧创作提供了新路径。