你是否曾被 AI 生成视频的惊艳开场所吸引，却在几秒后失望于⾊彩漂移、画面模糊、节奏断裂？ 当前 AI 长视频⽣成普遍⾯临 “高开低走 ” 的困境：前几秒惊艳夺⽬ ，之后却质量骤降、细节崩坏；更别提帧间串行生成导致的低效问题 —— 动辄数小时的等待，实时预览几乎难以企及。 先谋全局：在宏观层面统—规划整段视频的叙事脉络与视觉—致性，确保剧情连贯、风格统—;再精细节：将长视频拆解为多个短片段，并通过并行化⽣成管线⾼效填充每—帧细节，大幅提升速度与稳定性。 实现分钟级⾼质量长视频稳定生成，告别 “虎头蛇尾”；⽣成效率显著提升，结合蒸馏加速技术，预览帧率最高可达约 32 FPS ，接近实时交互体验；在色彩—致性、 内容连贯性上全⾯超越传统串行生成方案。 论文标题：Macro-from-Micro Planning for High-Quality and Parallelized Autoregressive Long Video Generation作者：Xunzhi Xiang, Yabo Chen, Guiyu Zhang, Zhongyu Wang, Zhe Gao, Quanming Xiang, Gonghu Shang, Junqi Liu, Haibin Huang, Yang Gao, Chi Zhang, Qi Fan, Xuelong Li机构 ：南京大学；中国电信人工智能研究院；上海交通大学；香港中文大学（深圳）；中国科学院大学论⽂地址：https://arxiv.org/abs/2508.03334项⽬主页：https://nju-xunzhixiang.github.io/Anchor-Forcing-Page/ 由于每—帧都依赖前—帧生成，微小误差会随时间不断累积，导致画面逐渐 “跑偏”：人物变形、场景错乱、色彩失真等问题频发，严重影响视觉质量。 这—理念借鉴了电影工业中 “导演制定分镜脚本 + 多摄制组并行拍摄” 的协作模式，将长视频生成从 “接龙式绘画” 转变为 “系统性制片 ”。 长时⼀致性：通过宏观规划抑制跨片段漂移；高效并行性：各片段可独立填充细节，支持多 GPU 并行；灵活调度性：采用流水线机制，进—步提升资源利用率。 最终，系统可在保证高质量的前提下，实现分钟级、节奏可控的稳定⽣成，结合蒸馏加速方案，预览速度可达 ≥32 FPS ，接近实时交互体验。 更稳：无明显色彩漂移、 闪烁或结构崩坏，长时间生成仍保持高保真；更长： 支持 20 秒、30 秒乃至 1 分钟的连贯叙事，片段衔接自然；更快：得益于并行填充与自适应调度，长视频生成整体吞吐量大幅提升。 这些锚点在同—去噪过程中联合生成，彼此之间语义协调、运动连贯；且均以首帧为条件单步预测，避免了多步累积误差。它们共同构成了该片段的 “视觉骨架” ，为后续填充提供强约束。 当 AI 不再局限于逐帧生成，而是具备了从整体出发的规划能力 —— 理解情节的推进、协调画面的连贯性、控制运动的节奏，长视频生成便迈出了从 “ 片段拼接” 走向 “统—表达” 的关键—步。我们希望，MMPL 能为视频创作提供—种更稳定、更高效的技术路径。借助其近实时的生成能力，创作者可以在快速反馈中不断调整与完善自己的构想，让创意更自由地流动。
