视频生成模型
生成视频内容的 AI 模型，通常输出一段预渲染的视频片段，用于内容制作。
核心事实
时间轴 (近 90 天)
视频生成模型能力快速提升，但评估手段仍以人工评分为主，成本高、难以规模化且只给出结论不给出原因。
传统视频生成模型一次性生成固定长度视频，而世界模型需要在循环中持续生成，每帧以历史帧和当前动作为条件并在极短时间预算内完成。
近年视频生成模型（如Diffusion World Models）的引入提升了高维观测下的预测质量，但复合误差问题仍未根本解决。
视频生成模型并非真的移动虚拟摄像机，而是在训练数据中学习过'推进'等效果的像素变化模式并据此生成帧序列。
当起始帧宽高比与模型目标格式不一致时，系统一般会裁剪内容或拉伸画面造成变形。
主流视频生成模型通常在固定分辨率的画布上工作，如竖屏9:16、横屏16:9或方形1:1。
Matrix-Game 4.0 的核心架构决策是将游戏引擎（维护世界状态与交互规则）与视频生成模型（负责实时呈现画面）拆分为两条并行链路。
单次视频生成结果受模型随机性波动影响，无法据此得出通用排名。
比较视频生成模型时，应将修改返工的工作量与生成成本放在一起衡量，一个便宜但反复出废片的模型综合成本可能更高。
视频生成模型中的运镜控制与主体保持通常由不同机制驱动：运镜通过文本编码器映射为潜在空间中的时序位移向量，而模型不天然理解哪些物体是必须留存的前景主体。
还有 24 条时间轴事件
全部知识事实 (20)
视频以每秒数十帧的速度流动导致观看者注意力分散,很多细节破绽不容易被察觉,这可能造成视频模型看起来表现更好的感知错觉
65%已验证视频生成模型对时间连贯性的要求迫使模型在训练过程中学习更接近真实世界的动力学表示
65%已验证人物一致性问题根源在于当前视频生成模型本质上是逐片段独立生成的，模型在不同镜头间难以记住同一角色的精确外貌特征
65%已验证当前视频生成模型本质上是逐片段独立生成的，模型在不同镜头间很难记住同一角色的精确外貌特征
65%待验证视频生成模型能力快速提升，但评估手段仍以人工评分为主，成本高、难以规模化且只给出结论不给出原因。
50%待验证传统视频生成模型一次性生成固定长度视频，而世界模型需要在循环中持续生成，每帧以历史帧和当前动作为条件并在极短时间预算内完成。
50%待验证近年视频生成模型（如Diffusion World Models）的引入提升了高维观测下的预测质量，但复合误差问题仍未根本解决。
50%待验证视频生成模型并非真的移动虚拟摄像机，而是在训练数据中学习过'推进'等效果的像素变化模式并据此生成帧序列。
50%待验证当起始帧宽高比与模型目标格式不一致时，系统一般会裁剪内容或拉伸画面造成变形。
50%待验证主流视频生成模型通常在固定分辨率的画布上工作，如竖屏9:16、横屏16:9或方形1:1。
50%待验证Matrix-Game 4.0 的核心架构决策是将游戏引擎（维护世界状态与交互规则）与视频生成模型（负责实时呈现画面）拆分为两条并行链路。
50%待验证视频生成模型中的运镜控制与主体保持通常由不同机制驱动：运镜通过文本编码器映射为潜在空间中的时序位移向量，而模型不天然理解哪些物体是必须留存的前景主体。
50%待验证单次视频生成结果受模型随机性波动影响，无法据此得出通用排名。
50%待验证比较视频生成模型时，应将修改返工的工作量与生成成本放在一起衡量，一个便宜但反复出废片的模型综合成本可能更高。
50%待验证标准视频生成模型输出上限约为4秒，会截断说唱歌词段落，创作者需要6到15秒且唇形与身体同步稳定的连贯生成。
50%待验证现代视频生成模型仍会出现物理穿帮，如穿模的手指、违反刚体约束的物体、不守恒的流体，因为它学的是表象分布而非底层定律
50%待验证新一代视频生成模型在时间维度上对运动轨迹进行建模，消除了早期GAN最明显的闪烁和抖动瑕疵
50%待验证视频和图像模型的使用正在经历爆发式增长，由更强的模型、更简单的工具、Agent化工作流和更清晰的场景认知共同推动
50%待验证视频与图像模型面临版权与训练数据争议、内容真实性与深度伪造风险、长视频连贯性瓶颈以及生成成本等尚未完全解决的挑战
50%待验证当前主流视频生成模型在默认设置下倾向于生成表情平稳、过渡顺滑的画面，因训练数据中高质量微表情样本相对稀缺
50%