WeVisCut用单个智能体剪辑长视频
AI 总结
WeVisCut论文提出一种将旁白转换为长视频的单智能体系统,将工具执行、策略学习与共享制作状态结合起来。其四阶段数据流程从3,750个成片中生成超过13万个训练样本,用于训练9B策略,并提出包含五项指标的100任务基准。作者称,WeVisCut在所提指标上超过基础模型和任务匹配的原生编辑器,达到与Claude Opus 5相当的性能,同时每成功生成一分钟视频所用生成令牌接近少33倍。
深度见解
该研究将剪辑智能体、训练数据流程和评测基准整合为完整的长视频制作系统,其令牌效率结果也为降低智能体媒体制作成本提供了参考。
Computer Science > Computer Vision and Pattern Recognition
arXiv:2610.38352 (cs)
[Submitted on 28 Oct 2026]
Title:WeVisCut: The Whole Editing Room in One Agent From Narration to Long-Form Video
Authors:Chenyu Mu, Wenming Weng, Qinrui Wang, Xingsong Ye, Hao Yu, Jun He, Chong Sun, Chen Li, Jing Lyu, Erkun Yang, Cheng Deng
View a PDF of the paper titled WeVisCut: The Whole Editing Room in One Agent From Narration to Long-Form Video, by Chenyu Mu and 10 other authors