待验证50% 置信事实精确时间
主流文生视频模型（包括Seedance、Kling、Sora等）均基于扩散Transformer架构，每次生成为独立随机采样，相同提示词两次生成结果存在显著差异
1
来源数
50%
置信度
长期有效
时效性
2026/9/18
首次发现
来源
涉及实体
相关事实
待验证扩散模型天然是随机过程而视频要求确定性，两者在数学上存在张力，这是即便最先进模型仍会出现主体变形或场景跳变的根本原因71% 相似待验证扩散模型的随机采样本质决定了同一提示词每次生成结果均存在差异71% 相似待验证主流图像/视频生成模型如Stable Diffusion、Midjourney、Sora缺乏持久化记忆机制，每次生成依赖当前提示词和随机噪声种子，不内置跨次调用的状态保持能力69% 相似待验证Seedance 2.0属于视频扩散模型（Video Diffusion Model），底层原理与Stable Diffusion、Sora等模型类似68% 相似已验证扩散模型在推理阶段从随机高斯噪声出发，经数十至数百步迭代去噪得到输出，即便固定随机种子，提示词的细微差异也会导致人脸特征、服装细节的显著偏移67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/933517API
curl https://kongchang.com/api/v1/knowledge/claims/933517MCP
get_claim(id=933517)