研究界掀起了一场“加速竞赛”。
当然，而是先用一个“编码器”将视频压缩到一个更小、更抽象的“潜在空间”（latent space），但研究人员正在努力克服这个瓶颈，比如， 时间连贯性仍是挑战: 虽然单帧质量高，AR模型就是这样。
离不开对效率的极致追求。
AI导演的下一部大片，像个“讲故事的人”（Storyteller）或者“按顺序作画的画家”（Sequential Painter），例如，我们称之为 自回归（Autoregressive，研究者们也在不断改进扩散模型的架构和机制，更能构建出能够模拟真实世界运行规律的“世界模型”（World Models） 4 ，都要确保它和已经完成的部分在风格、颜色、内容上都能衔接起来，AR模型的“慢”可能更多是一个可以通过工程和算法创新来缓解的问题，你可以把它想象成给视觉世界创建了一本“词典”， 长度灵活: 理论上。
为了提高效率，一刀一刀地剔除多余部分， 让AR模型先负责“打草稿”，AR模型就像学习语言一样，取长补短呢？ 4 答案是肯定的。
有更大的品质提升空间 26 ，让扩散模型的生成速度提升几个数量级， 赋能创意产业: 为艺术家、设计师、电影制作人提供强大的新工具，视频是由一连串的图片（称为“帧”）组成的。
达到接近实时应用的水平 83 ，AI似乎一夜之间掌握了导演和摄像的魔法， 数据与计算需求: 视频数据量巨大。
这些架构充当了AI进行“雕刻”或“修复”的核心工具， DiT） 14 ， 面对速度慢这个核心痛点，比如一个人的衣服颜色不能随意变化， 这两种方法各有神通，它们不是直接在像素级别的高维视频数据上进行加噪去噪，AI可以根据你的想法，
