视频生成

知识库简介

视频生成（video generation）让模型依据文本、图像或既有片段产生一段随时间变化的视听内容。它不是“连续生成很多张图”这么简单：镜头、帧率、运动、身份连续、声音、字幕、后期与失败恢复共同决定交付质量。本知识库以短镜头工作流为主，强调先分镜、逐镜头生成、离线验证任务包，再由人工剪辑与复核完成作品。输入、镜头变换和发布候选还必须分别追踪版本、对象级访问控制和撤权/删除传播。

在总路线中的位置

它位于“扩展应用与复杂协作”的末端，综合运用提示词、多模态输入、异步任务、评测、安全和生产化知识。学习完成后，你应能让 Agent 编排视频任务，但不会把创作与发布决定完全交给 Agent。

学习目标

• 理解帧、帧率、时长、分辨率、镜头与时间线的关系。
• 用直觉解释视频生成中的空间质量与时间一致性。
• 把创意拆成 storyboard、shot list、生成任务、后期、音频和字幕接口。
• 设计运动、身份、连续性、音画和安全的分层验收。
• 用离线验证器检查时间线、权利信息、失败恢复、人工审核门禁，以及 source_revision、transform_id、release_id 的来源链。

前置知识

开始前建议具备以下能力：理解 图像生成 的构图、条件控制与质量边界；能用 提示词工程 描述镜头约束；理解 工作流自动化 的异步任务与失败恢复；能用 JSON 表达任务包。它们是按任务补齐的能力清单，不要求先完整学完四门课程。不要求剪辑软件经验；课程只讲可迁移的工作流与接口。

推荐学习顺序

1. 视频基本量与时序：读懂帧率、时长、镜头和时间线。
2. 生成原理与时序一致性：理解视频为何比图像多一个时间难题。
3. 文本与图像条件：选择文本、首帧、参考素材和既有视频条件。
4. 分镜与镜头清单：把故事拆成可生成的短镜头。
5. 生成与后期拼接工作流：管理异步任务、版本和后期交接。
6. 音频、字幕与无障碍接口：把音画同步和字幕作为正式交付物。
7. 质量、运动与身份一致性评测：建立逐帧、逐镜头和成片三级评审。
8. 成本、失败恢复与来源治理：限制重试、保留来源并安全发布。
9. 项目：视频生成任务包验证：完成完全离线的分镜任务包检查。

动手实践或项目入口

按照 项目说明，阅读 示例任务包，运行 验证器、兼容性冒烟测试 与 完整合同和 CLI 测试。脚本不会请求 API，也不会创建视频或音频文件。

掌握标准

• 能把一个创意拆成有明确起止时间、镜头语言和连续性锚点的 shot list。
• 能解释帧内质量与跨帧一致性的区别。
• 能设计生成、下载、转码、剪辑、字幕、配音和审查之间的接口。
• 能为失败镜头局部重试，而不是每次重做整片。
• 能记录素材授权、人物同意、生成历史和内容凭证计划。
• 能在预览、评分或模型读取前落实对象级授权/ACL，并在撤权或删除时让镜头候选、成片派生物、缓存和链接按计划失效。
• 能区分合成内容披露与事实性主张；后者必须有独立证据达到 evidence_supported。
• 离线任务包验证器及其测试可以通过。

与其他知识库的关系

• 图像生成 提供构图、视觉条件、编辑和图像质量基础。
• 语音合成 与 语音识别 支撑配音、转写和字幕校对。
• 运行监控 支撑长任务状态、重试与成本观测。
• AI 安全 与 AI 治理 承接发布前风险和责任记录。
• 版本、删除与权限 提供版本、对象级授权/ACL 与撤权/删除传播的通用治理语义。

主要参考资料

资料核对/访问日期：2026-07-22。该日访问的 OpenAI 官方视频指南公告：Sora 2 视频模型和 Videos API 已弃用，计划于 2026-09-24 关闭；这是未来计划而非已发生状态。因此本课程把供应商字段视为适配层配置，而非永久知识。

• Video Diffusion Models（Ho 等，2022，原始论文）
• Video generation models as world simulators（Brooks、Peebles 等，2024，技术报告）
• OpenAI Video generation guide（2026-07-22 访问；当前接口和未来关闭计划）
• Google Cloud video generation prompt guide（当前供应商提示结构示例）
• WebVTT: The Web Video Text Tracks Format（W3C Candidate Recommendation Draft，2026-05-20）
• C2PA Content Credentials 2.4