视频生成
利用生成模型从文本或图像等条件生成视频内容的技术，处理时空 token 序列，面临注意力计算二次复杂度带来的推理成本问题。
核心事实
时间轴 (近 90 天)
视频生成商业化的三道门槛是：时长决定能否独立成片，可控性决定能否融入专业工作流，成本决定能否规模化调用。
按秒计费是视频生成商业化的常见定价方式，相比按次或按 token 计费更贴近视频时长这一核心成本变量。
当前视频生成方案中时间注意力层的计算开销随帧数平方增长，实际产品中往往做近似或截断处理，这是帧间闪烁和物体错乱频发的技术根源之一。
拼接式长视频生成方法在片段交界处容易出现主体漂移、光照跳变和运动断裂。
降价 30% 后，批量生成素材做 A/B 测试、为电商商品批量产出短视频、在创意阶段快速铺量筛选方向等场景变得经济可行。
一致性不足是视频生成难以嵌入后期工作流的核心原因之一，因为它会让每一次修改都像重新生成，累积返工成本。
SparsePR是一种免训练的稀疏注意力机制，面向视频生成与世界模型两类负载，不改变模型权重、不增加训练阶段，直接在推理时对注意力计算做稀疏化。
一段10秒、每秒24帧、每帧256个token的视频会产生超过6万个token，注意力矩阵规模达到数十亿元素。
未来工作或可探索更复杂的隐式推理结构，以及将LARC扩展到视频、3D等更多连续模态生成任务中。
首尾帧控制的技术难点在于两端约束互相拉扯，复杂运镜或大幅场景变化时容易出现中间段动作抖动、物体形变或语义漂移。
还有 19 条时间轴事件
全部知识事实 (20)
生成一段8秒、24帧/秒的视频意味着模型需要在时间轴上同时保持192帧画面的语义一致性，计算量约为同分辨率单张图像的数十倍
90%已验证视频生成模型相比图像生成对算力的需求往往高出一个数量级
75%已验证视频风格迁移面临的核心技术挑战是时序一致性问题，逐帧独立处理会产生闪烁和抖动的时序伪影
65%待验证视频生成商业化的三道门槛是：时长决定能否独立成片，可控性决定能否融入专业工作流，成本决定能否规模化调用。
50%待验证按秒计费是视频生成商业化的常见定价方式，相比按次或按 token 计费更贴近视频时长这一核心成本变量。
50%待验证当前视频生成方案中时间注意力层的计算开销随帧数平方增长，实际产品中往往做近似或截断处理，这是帧间闪烁和物体错乱频发的技术根源之一。
50%待验证拼接式长视频生成方法在片段交界处容易出现主体漂移、光照跳变和运动断裂。
50%待验证一致性不足是视频生成难以嵌入后期工作流的核心原因之一，因为它会让每一次修改都像重新生成，累积返工成本。
50%待验证SparsePR是一种免训练的稀疏注意力机制，面向视频生成与世界模型两类负载，不改变模型权重、不增加训练阶段，直接在推理时对注意力计算做稀疏化。
50%待验证一段10秒、每秒24帧、每帧256个token的视频会产生超过6万个token，注意力矩阵规模达到数十亿元素。
50%待验证首尾帧控制的技术难点在于两端约束互相拉扯，复杂运镜或大幅场景变化时容易出现中间段动作抖动、物体形变或语义漂移。
50%待验证一致性审查（如人物变脸、动作接不上）是当前视频生成领域的开放难题。
50%待验证视频类生成按秒计费，一次误渲染可能产生可观开销。
50%待验证视频生成通常比图片生成贵，提交前应检查显示的费用是否在预算内。
50%待验证GeoState的解耦思路可能影响具身智能（智能体运动与环境动态的分离建模）和视频生成（视角控制与内容生成的解耦）等更广泛的方向。
50%待验证AI视频生成不是打破香农极限，而是用一个熵低得多的目标（感知可信）替换熵极高的目标（物理精确）
50%待验证真实世界的视频位于一个相对低维的流形上，其有效自由度远低于其原始像素数
50%待验证上下文遗忘导致的错误往往在已付费生成视频之后才被发现，视频生成是整个流程中最烧钱的环节
50%待验证手指、牙齿等解剖细节在更大模型下仍难完美呈现，因这些局部结构在训练数据中变化极大、形变复杂
50%待验证参考图在人物特征、光影风格上不一致会导致视频生成出现闪烁、变形和身份漂移
50%