概念多模态参考 / multimodal reference input

多模态参考输入

视频生成模型接受文本之外的图像、视频、音频等多种条件信号作为参考输入的能力，用于分别控制风格、运动与节奏

时间轴 (近 90 天)

10月30日

多类参考同时输入时，核心挑战是信号之间的冲突消解与权重分配。

待验证50%

多类参考同时输入时，核心挑战是信号之间的冲突消解与权重分配。