待验证70% 置信事实精确时间

视频生成的底层通常涉及文本理解、分镜规划（LLM调用）、逐帧图像生成（扩散模型）、帧序列合成（视频编码）等多个模型的链式调用

2

来源数

70%

置信度

长期有效

时效性

2026/7/21

首次发现

来源

零基础入门Coze扣子：模板使用与工作流搭建完全指南

相关事实

已验证万象视频生成模型支持文本生成视频（Text-to-Video）和图像生成视频（Image-to-Video）两种生成模式78% 相似待验证为视频扩散模型提供深度图、法线图或相机轨迹等结构性先验，其逻辑与ControlNet对图像生成的结构控制一脉相承77% 相似已验证当前主流的文生视频模型普遍基于扩散模型架构，通过在时间维度上扩展图像生成能力来产生连贯的视频帧序列76% 相似待验证Video-LLM的核心架构通常由视觉编码器、投影层和大语言模型主干三部分组成76% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/579759

API

curl https://kongchang.com/api/v1/knowledge/claims/579759

MCP

get_claim(id=579759)