论文页面 - DataMagic：通过声明式多智能体编排创作数据视频

来源：https://huggingface.co/papers/2609.33403

摘要

数据视频通过动态图表、语音叙述和同步动画来传达数据洞察，已成为一种被广泛采用的数据叙事形式。然而，制作数据视频需要在数据分析、叙事设计和视频编辑方面的专业知识。静态可视化工具缺乏叙事和动画能力；创作工具依赖预先准备好的图表而非原始数据；而像素级模型虽然能端到端生成视频，却无法保证数据的准确性和可溯源性。端到端自动生成面临两大核心挑战：如何统一地表示图表、叙述和动画及其时间关系，以及如何在庞大的设计空间中高效搜索出叙事连贯的组合。我们提出 DataMagic，它通过声明式多智能体编排从原始表格数据创作数据视频。首先，声明式规范 DVSpec 通过数据绑定引用和声明式同步将图表、叙述和动画统一起来，确保数据溯源性和音视频自动对齐。其次，采用“先生成、再编排“的多智能体策略，并行生成候选场景，然后通过全局编排优化叙事连贯性。DVSpec 为三种互补的交互模式提供了共享状态，架起了完全自动化与细粒度人工控制之间的桥梁。在 109 个真实样本上的评估表明，即便是最先进的 LLM（例如 GPT-5）也仅能达到 2.13/5 的评分，执行成功率在 48.62% 到 86.24% 之间；而 DataMagic 将质量提升至 3.89（提升 83%），成功率超过 95%，其中动画和叙事维度的提升最为显著。一项用户研究表明，与对话式 LLM 工作流相比，DataMagic 提升了创作效率（任务时间减少 79.7%）并降低了感知到的认知负荷。项目主页：https://github.com/HKUSTDial/DataMagic。

查看 arXiv 页面（https://arxiv.org/abs/2609.33403）查看 PDF（https://arxiv.org/pdf/2609.33403）项目主页（https://github.com/HKUSTDial/DataMagic）GitHub275（https://github.com/HKUSTDial/DataMagic）添加到收藏（https://huggingface.co/login?next=%2Fpapers%2F2609.33403）

在你的 agent 中获取这篇论文：

hf papers read 2609.33403

还没有最新版 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用本文的模型0

暂无模型关联到此论文

在模型的 README.md 中引用 arxiv.org/abs/2609.33403，即可将其链接到本页面。

引用本文的数据集0

暂无数据集关联到此论文

在数据集的 README.md 中引用 arxiv.org/abs/2609.33403，即可将其链接到本页面。

引用本文的 Spaces0

暂无 Space 关联到此论文

在 Space 的 README.md 中引用 arxiv.org/abs/2609.33403，即可将其链接到本页面。

包含本文的合集0

暂无合集包含此论文

将本文添加到合集（https://huggingface.co/new-collection）中，即可将其链接到本页面。