研究人员推出了 VideoX-Qwen，这是一个集成框架，将可扩展的数据构建与模型训练相结合，以推进通用、指令驱动的视频编辑。该系统利用生产流水线组织专用模型生成方向性编辑记录，从而在添加、删除、替换和属性任务中产生超过 120 万份高质量样本。

  • 该流水线生成了超过 120 万条方向性视频编辑记录，自动接受率为 89%。
  • 统一的 Qwen-Wan 编辑器将多模态语义条件与密集源视频潜在引导相结合，以实现精确转换。
  • 与 UniVideo 和 Kling O1 相比，VideoX-Qwen 在报告的十一项指标中的九项上取得了最佳平均结果，包括指令遵循和内容保留。

这项工作通过解决大规模配对监督和视频生成骨干网络有效适应的需求，为更强大的视频编辑提供了实用基础。