WeVisCut: The Whole Editing Room in One Agent From Narration to Long-Form Video
Pubblicata su AIChronos il · fonte del · Chenyu Mu, Wenming Weng, Qinrui Wang, Xingsong Ye, Hao Yu, Jun He (Tencent)
WeVisCut è un sistema per la generazione di video lunghi da script che integra l'esecuzione degli strumenti con l'apprendimento delle politiche decisionali. Il suo agente gestisce uno stato condiviso della produzione e utilizza una pipeline dati a quattro stadi, combinando inversione dell'editing e replay verificato, per creare supervisioni eseguibili dai risultati finali non espliciti. Questo approccio permette di addestrare un'unica politica da 9B che coordina la produzione e si ripara dagli errori all'interno dello stesso harness. Il sistema supera significativamente il modello base e compete con Claude Opus 5, riducendo drasticamente i token generati necessari per minuto di output.
- L'agente mantiene uno stato condiviso della produzione affinché il feedback degli strumenti informi le decisioni successive e le riparazioni.
- La pipeline dati trasforma l'intento dell'editing recuperato in supervisione eseguibile tramite inversione ed editing verificato su video completati.
- Un'unica politica da 9B coordina la produzione e gestisce i fallimenti senza bisogno di architetture multi-stage separate.
- WeVisCut utilizza circa 33 volte meno token generati per minuto rispetto a Claude Opus 5 mantenendo prestazioni comparabili.
- È stato introdotto un benchmark da 100 task con cinque metriche specifiche per valutare la qualità dell'editing e l'affidabilità della consegna.
Perché conta. Permette di costruire agenti autonomi che apprendono politiche adattate al compito specifico invece di affidarsi a modelli generalisti costosi. Rappresenta un passo avanti verso sistemi AI locali efficienti in termini computazionali e token, cruciali per applicazioni produttive reali.
Vai alla fonte originale ↗ arXiv ↗
Scheda generata automaticamente da un modello AI locale a partire dalla fonte originale: può contenere imprecisioni.