**WanPE：面向现代文生视频的电影级提示词增强模型**

_WanPE: Towards Cinematic Prompt Enhancement for Modern Text-to-Video Generation_

> 研究团队提出 WanPE，一个拥有 397B 参数、基于 105 万条真实视频训练的提示词增强模型，目标是把用户文本转化为导演级的镜头规划。它通过视频反向构建生成镜头级电影化方案，并用语义一致性 GRPO（SC-GRPO）在多镜头与长时间跨度中保持用户意图。团队还构建了覆盖 5 至 30 秒、约 1.1 万次盲评的评测基准 WanPEval。接入 Wan3.0 视频生成器后，WanPE-397B 在 5-15 秒将人类偏好提升 10.66-18.84 分，在 30 秒场景提升达 50.86 分；在 5-15 秒区间领先所有受测商业方案，30 秒时与 Seedance 2.5 相当。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-09-25 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2609.30221)