长视频的三道题：时序、漂移、传播

Google Research 发布了新的统一多 agent 框架，目标很具体：为创作者生成时序一致的长视频叙事，同时压住视觉漂移和管线里的误差传播。了解更多：goo.gle/4yVih5m（配图见原贴） 三个术语各自对应出片线上一个老大难。 时序一致，说的是"第 37 个镜头里的那把枪，还得是第 2 个镜头里那把"。长视频最怕的不是单帧不好看，是演到一半主角换了脸、道具变了形——今晚讲过的资产锁定、同一套参考图先定再生成，都是在单点上打补丁；框架级的做法是把一致性当成生成过程的约束，而不是事后的检具。 视觉漂移，是同一件事在时间轴上的表现：每一帧都"还行"，连起来看却在缓慢地往某个说不清的方向跑。它比错误更隐蔽——错误能被 QA 抓住，漂移要对比首尾才现形。把它单独列进发布文案，说明 Google 把"长"字当成了核心难题，而不是时长表上的数字。 管线误差传播则是工程味最重的一个。多 agent 流水线里，分镜的微小偏差传给角色、角色传给场景、场景传给渲染——每级都放大一点，末端就面目全非。这和今晚软件工厂那篇的"投毒论"是同一枚硬币：垃圾代码合入会毒化后续 agent 的上下文，垃圾中间产物会毒化下游镜头；解法也同构——在级与级之间设门禁，带病的中间结果不许往下走。 框架冠以"统一"二字也值得琢磨。出片工具这两年多是散件：一个生成、一个补帧、一个调色、一个剪辑，靠人肉在环节间搬运；统一框架的野心是把多 agent 排进同一条受控流水线，一致性约束和错误门禁内建其中。散件拼装拼得出作品，拼不出产线——这正是从"能做一条"到"能做一百条"的分水岭。 给想做系列内容的人一句落地的：先别急着追画质，检查你的流水线里有没有三样——共享的角色与道具资产池、镜头间的一致性校验、以及拒绝下游接收坏中间结果的门禁。三样齐了，长视频才谈得上"长"；缺一样，第 10 集的主角就会悄悄变了一个人。