谁是视频之王，国内外AI视频生成模型大对比

早期视频生成多采用GAN架构，算是继承了图像生成的思路：一个生成器不断尝试合成逼真帧，一个判别器则力求区分真实与合成，两者博弈推动整体质量提升。然而，标准GAN在长序列生成中普遍面临帧间运动不连贯和图像抖动等问题。为此，视频生成模型将视频生成过程拆分为“内容”与“运动”两条潜在子空间，分别生成静态语义与动态变化，通过对子空间的独立建模显著改善了运动连贯性和多样性。紧随其后，视频生成模型TGAN提出“双生成器”架构：时间生成器（ ）产出帧级潜在序列，图像生成器（Image ）将这些潜在码映射为图像帧，从而提高了长序列的时序一致性与语义稳定性。