已收录文章摘要，完整内容可前往原文阅读。
现如今多镜头音视频生成模型越来越强，生成的视频画面流畅、叙事看起来通顺。但画面连贯≠会做专业剪辑。很多 AI 视频可以产出观感丝滑的成片，却做不到基础剪辑要求：控制镜头数量与时长、实现、实现特定类型的