核心要点
能否解释拼接问题的技术成因（独立采样导致帧间不一致）
理解角色漂移、光照不一致、动作不连贯三种表现
知道原生生成与拼接生成的本质区别（全局统一潜在空间 vs 独立采样）
能对比 Seedance 2.5、Kling 2.0、Veo 3 的不同解决方案
简要回答
拼接问题源于短片段独立生成——每个2-4秒片段从不同随机噪声采样，帧间没有约束。原生30秒生成在全局统一的潜在空间中采样，所有帧共享同一组条件向量（角色参考、场景描述），从根本上消除拼接痕迹。
标准回答
一、拼接问题的技术成因
传统AI视频生成（2024年主流方案）将长视频拆为2-4秒短片段，每段独立生成后拼接。技术成因：
- 独立采样：每个片段从不同的随机噪声出发，潜在空间中没有关联
- 条件向量衰减：文本描述等条件信号在生成过程中逐渐弱化，跨片段时重新注入导致不一致
- 无帧间约束：前一片段的最后一帧和后一片段的第一帧之间没有显式约束
三种典型表现：
| 问题 | 表现 | 原因 |
|---|---|---|
| 角色漂移 | 人物外貌/服装逐渐变化 | 每段独立条件编码 |
| 光照不一致 | 场景亮度/色温跳变 | 每段光照参数独立采样 |
| 动作不连贯 | 运动突然中断或跳变 | 帧间速度/方向无约束 |
二、原生生成的解决思路
原生30秒生成的核心是全局统一潜在空间：
- 所有30秒（约720-900帧）在同一次采样过程中生成
- 角色参考、场景描述等条件向量全程共享，不重新注入
- 时间注意力机制覆盖全部帧，确保帧间连贯
三、Seedance 2.5 的多参考注入
Seedance 2.5 允许最多50个参考图像/视频片段作为锚点：
- 在每个时间步，模型都参考这些锚点计算注意力
- 角色外貌、服装、场景风格被锁定在参考锚点上
- 即使生成30秒，第1帧和第900帧的角色外貌一致
四、其他方案的对比
- Kling 2.0：用关键帧轨迹约束运动路径，解决动作不连贯但不完全解决角色漂移
- Veo 3：时空联合注意力在时间和空间维度同时优化，画质高但时长上限仅15秒
进阶提示
💡 一句话理解
加分：提到 Seedance 2.0 的 ARR 达 20 亿美元，4.5 个月生成 330 万小时视频——说明市场对长视频一致性的需求极大。
常见误区
⚠️ 常见踩坑
只背概念不会举例；混淆相似术语；忽略工程落地约束。
追问
追问 1：多参考注入的计算开销有多大？如何在一致性和成本之间平衡？
🔗 相似问题
同一考点的不同问法，换着练更稳
没找到想看的面试题？把你想看的告诉我们 →
延伸学习
按主题分类的相关资源，便于系统复习
