@Magncsans: 如今，当我们编写AI视频提示时，我们通常会将其结构化，例如：全局设置、角色和材质绑定……

如今，当我们编写AI视频提示时，我们通常会将其结构化，例如：全局设置、角色和材质绑定、每秒时间戳和负面提示。 看起来这已经清晰划分了，但在实际生成时，模型仍然需要一次性处理大量信息。 当所有这些信息都塞进一次生成时，模型不仅要理解视觉内容，还要根据文本“猜测”空间关系。信息越复杂，越容易产生冲突，最终不可避免地要靠运气。 white model的作用，虽然不完全遵循我们的设计，但至少首先展示了构图、角色数量、定位、移动路径、遮挡关系和摄像机路径。 这样，角色表演、材质、光影和特效仍然可以通过提示来控制，但空间关系不再完全依赖文本让模型自己想象。 所以我认为white model真正减少的并非所有随机性，而是空间关系中的随机性。 但这里有个问题：如果对电影感不太强的朋友制作white model，实际上不如依赖视频模型随机生成的分镜构图。 对于像我这样，每个镜头都有特定构图想法的人来说，我会对所有内容使用white model，并先自己“拍摄一次”。 所以：同一空间中的多个角色——使用white model 具有强烈电影感和自己构图美学——使用white model 复杂摄像机运动+多个角色——使用white model 普通对话——纯文本