待验证50% 置信事实精确时间

文生视频模型架构中，早期多采用U-Net结构（如Stable Video Diffusion），新一代模型倾向于使用Transformer架构（如DiT）

1

来源数

50%

置信度

长期有效

时效性

2026/8/8

首次发现

来源

LTX 2.3对决H3：文生视频模型实测对比分析

相关事实

待验证早期视频生成模型基于U-Net架构，而扩散变换器将Transformer的注意力机制引入扩散过程79% 相似待验证现代视频扩散模型通常采用U-Net或DiT（Diffusion Transformer）架构来预测每一步添加的噪声79% 相似已验证万象（Wan）视频生成模型基于 DiT（Diffusion Transformer）架构79% 相似已验证DiT架构相比早期基于U-Net的扩散模型，在处理长序列视频帧时具有更强的时序一致性79% 相似待验证Sora、Stable Video Diffusion等前沿视频生成模型均采用DiT或其变体75% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/707178

API

curl https://kongchang.com/api/v1/knowledge/claims/707178

MCP

get_claim(id=707178)