微软开源 Code Video Model：先写代码搭场景再生成视频
xiaohu · x · 2026-10-13
微软研究院开源 Code Video Model，思路借鉴电影工业的 Previs（前期可视化预演）：
- 先代码后生成：输入提示词后，编程 Agent（论文用 GPT-6）编写可执行的 Three.js 程序，在虚拟场景中精确摆放物体坐标、运动轨迹、物理方程与摄像机机位，先渲染出「低配游戏画面」的粗模预览，不满意改一行代码即可纠正。
- 四种核心能力：场景布局与物体轨迹可直接改坐标参数；同一场景可做局部替换（拱门改门洞、人形机器人换四足）；镜头运镜与物体动作独立规划；可引入弹簧、双摆等物理方程作为运动参照。
- 无需重训模型：使用现成 MiniMax-H3，粗模只参与前 25% 的采样步骤引导生成，权重保持不变，后段靠参考图还原真实质感。
这相当于给视频生成加了一个可查看、可修改的中间环节，缓解纯文生视频的物理「开盲盒」问题。
所属事件:微软开源 Code Video Model，用代码实现可控视频生成(3 条相关)→
「多模态」频道最新
- Runway Q3 ARR 破 1 亿美元,联名长文阐述世界模型路线 — tlakomy · 2026-10-13
- AI 生成视频变身 30 款可玩 WebGL 游戏，提示词全部公开 — OdinLovis · 2026-10-13
- Dimillian 实测 Google Astra:一条提示词即出想要的效果 — Dimillian · 2026-10-13
- 不用 AI 要 8000 万美元,圣诞电影用 AI 后成本压到 150 万 — ThomasSimonini · 2026-10-13
- Mage-Flow W4A8+ARA 量化版:8.9GB 显存逼近 BF16 画质 — ThaJedi · 2026-10-13
- 50 个免费 ComfyUI 自动化工作流:文件夹级批量修图与标注 — pixaromadesign · 2026-10-13