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
- Tersus GNSS MVP S1 扫描数据入 LichtFeld Studio,点云干净出高质量 Splat — janusch_patas · 2026-11-11
- AI 生成 3D 太空探索 Reels 走红，作者试做两条征求意见 — theteknosaur · 2026-11-11
- MiniMax H3-Image 演示:罗马尼亚神话变身浮世绘再真人化 — Hailuo_AI · 2026-11-11
- Veo 生成「流浪武士柴犬·京都之秋」短片，质感获赞 — japaneo_evol · 2026-11-11
- Seedream 5.5 登陆 PixVerse,正面对比 GPT Image 2.5 — aziz4ai · 2026-11-11
- AI 视频模型让角色过完两道红灯，随机脑洞直接拼成短片 — HeyZoyaKhan · 2026-11-11