已收录文章摘要，完整内容可前往原文阅读。
视频生成技术的不断迭代，催生了日益增长的视频编辑需求：用户期望对整支视频实现妆容调整、光影修改、风格迁移、物体替换等编辑操作，同时要求编辑结果严格保留原视频的人物身份、运动结构与帧间时序一致性。然而，