397B 提示增强模型 WanPE 让 30 秒视频生成偏好飙升 50.86 分
Yubo Zhu · hf · 2026-09-25
WanPE 是一个 397B 参数的提示增强模型，在 105 万真实视频上训练，专攻导演级电影化分镜规划，为现代文生视频服务提供文本侧能力。
- 方法：通过视频接地逆向构建生成镜头级分镜方案，用 Semantic-Consistency GRPO（SC-GRPO）跨镜头保持用户语义一致
- 评测：配套发布人工标注的 WanPEval（覆盖 5–30 秒、不同意图粒度），辅以约 1.1 万次盲测成对比较
- 结果：驱动 Wan3.0 视频生成器时，5–15 秒场景人类偏好较原始提示提升 10.66–18.84 分，30 秒场景大幅提升 50.86 分；在 5–15 秒区间超越所有受测商业产品，30 秒区间与 Seedance 2.5 相当
- 消融：逆向构建明显优于正向改写，SC-GRPO 在各模型规模上都能稳健保持语义保真
「多模态」频道最新
- 同一 prompt 复测：Opus 5.5 一次生成完整视频，博主称真·one shot — drrickio · 2026-09-25
- 给 Claude Agent 接 Runway MCP,一条提示词产出 Netflix 风格纪录片 — CurieuxExplorer · 2026-09-25
- Seedance 2.5 携手 GPT Image 2.5,一镜搞定科幻经典对决 — CurieuxExplorer · 2026-09-25
- Opus 5.5 纯代码写歌做 MV,开发者做成 13 曲风选歌游戏 — pbaylies · 2026-09-25
- 研究：推理并非总有用，15.7% 案例反而拉近难负样本 — _reachsumit · 2026-09-25
- Qwen-Image-2.1 出 GGUF 量化版，骁龙865手机或可跑文生图 — ResidentAping · 2026-09-25