StoryEngine 用显式“故事世界状态”约束多镜头视频生成,在 60 个故事基准上把锚点跨切持续率提到 0.9389
该工作提出 StoryEngine,一个把“权威语义计划”与“不可靠的生成像素”分离的状态驱动智能体框架,通过故事状态传播、落地渲染规划和有界评估修复循环生成多镜头长视频,并在自建的 60 个故事基准上、以 Veo 3.1 与 Wan2.2-TI2V-5B 两个视频骨干,在叙事实现、跨镜头连贯与视觉一致性等全部指标上优于 ViMax、MovieAgent 与无规划器的 Direct I2V 基线。