跳到正文

VideoTetris

从文本生成复杂多对象视频

访问官网

VideoTetris 是什么

VideoTetris 是面向多对象或对象数量变化场景的文本到视频框架。它组合空间与时间注意力图,以遵循复杂文本语义。

你可以用它做什么

  • 用组合注意力图遵循复杂文本
  • 用参考帧注意力保持一致性
  • 自回归生成长视频

开始使用

  • 访问官网了解基本概念
  • 阅读文档并安装所需库
  • 准备描述视频的文本提示

优点与缺点

✓ 我们认可的地方

  • 精确跟踪对象位置信息
  • 保持场景转换的连贯性

! 需要留意的地方

  • 框架面向复杂多对象提示
  • 运行需要安装软件和库

常见问题

解决什么问题?

含多个对象或数量变化的复杂提示。

什么提升一致性?

资料介绍参考帧注意力机制。

最后评测: 2026-11-15

更多 AI 视频生成 工具

查看全部 →

评测方法