**Moving Alphabet：文本生成视频的训练数据控制研究**

_Moving Alphabet: A Controlled Study of Training Data for Text-to-Video Generation_

> 该研究通过引入“Moving Alphabet”程序化测试平台，深入探讨了训练数据分布与字幕质量对文本到视频生成模型的影响。实验发现，视频内容的多样性和平衡性对泛化能力至关重要；字幕质量显著影响模型性能与训练效率，表明模型受限于视频理解能力；即使使用高质量数据进行微调或分类器自由引导，也无法完全弥补预训练数据质量低下带来的缺陷。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-07-23 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2607.18789)