WanPE发布：革新文本生成视频的导演级提示增强模型

摘要：WanPE是一款由3970亿参数组成的提示增强模型，旨在通过导演级的电影化规划提升现代文本生成视频的质量。该模型基于1.05M真实视频数据进行训练，通过视频驱动的逆向构建和语义一致性GRPO（SC-GRPO）技术，显著提升了跨镜头和时序的用户需求保留能力。实验表明，WanPE在Wan3.0的视频生成器中表现优异，在5-15秒的视频生成中提升了10.66-18.84点的人类偏好度，在30秒视频生成中更是提升了50.86点。WanPE在多个商业产品中处于领先地位，并在30秒视频生成中与Seedance 2.5竞争激烈。

---

核心突破

WanPE是一款专为现代文本生成视频设计的提示增强模型，其主要技术亮点包括：

• 导演级电影化规划：通过视频驱动的逆向构建技术，WanPE能够生成符合导演级标准的电影化镜头规划。
• 语义一致性GRPO（SC-GRPO）：该技术确保用户需求在跨镜头和时序上的保留，提升了视频生成的整体一致性和连贯性。
• 大规模训练数据：WanPE基于1.05M真实视频数据进行训练，使其能够处理复杂的视频生成任务。

技术细节

WanPE的核心技术包括：

• 视频驱动的逆向构建：通过逆向构建技术，WanPE能够从目标视频中提取关键信息，并生成符合用户需求的镜头规划。
• 语义一致性GRPO（SC-GRPO）：该技术通过语义一致性约束，确保生成的视频在跨镜头和时序上的语义一致性。

实验与评估

WanPE在WanPEval测试集上的表现优异，具体数据如下：

• 5-15秒视频生成：人类偏好度提升了10.66-18.84点。
• 30秒视频生成：人类偏好度提升了50.86点。

行业影响

WanPE的发布标志着文本生成视频领域的重要进展，其强大的电影化规划能力和语义一致性技术使其在多个商业产品中处于领先地位。WanPE不仅提升了视频生成的质量，还为AI驱动的视频创作提供了新的可能性。

开发者建议

对于开发者而言，WanPE提供了一个强大的工具，可以用于以下场景：

• 视频创作：通过WanPE，开发者可以生成高质量的电影化视频，提升创作效率。
• 智能助手：WanPE可以作为智能助手的一部分，帮助用户生成符合需求的视频内容。
• 多模态应用：WanPE可以与其他AI技术结合，用于多模态内容生成和交互。

---

消息来源：Hugging Face Daily Papers (2026-09-24)

—— 完 ——

主题标签： #WanPE 关注 #文本生成视频 关注 #AI 视频生成 关注 #提示增强 关注 #多模态AI 关注