超越端到端视频模型：基于LLM的多智能体系统用于教育视频生成

尽管近期端到端视频生成模型在视觉内容创作方面表现出色，但在需要严格逻辑严谨性和精确知识表示的场景（如教学和教育媒体）中仍存在局限。为解决这一问题，本文提出LAVES，一种基于LLM的分层多智能体系统，用于从教育问题生成高质量的教学视频。LAVES将教育视频生成定义为一个需要正确逐步推理、教学上连贯的叙述、语义忠实的视觉演示以及精确视听对齐的多目标任务。为克服现有方法的不足，包括过程保真度低、制作成本高和可控性差，LAVES将生成流程分解为由中央协调代理管理的专用代理，并引入显式质量门控和迭代批评机制。具体而言，协调代理监督解决方案代理进行严谨的问题求解、插图代理生成可执行的可视化代码，以及叙述代理生成面向学习者的教学脚本。此外，所有工作代理的输出均需接受语义批评、基于规则的约束和工具编译检查。该系统不直接合成像素，而是构建结构化的可执行视频脚本，并通过模板驱动的装配规则确定性地编译为同步的视觉和叙述内容，实现完全自动化的端到端生产，无需人工编辑。在大规模部署中，LAVES每天可生成超过一百万部视频，在保持高接受率的同时，相比当前行业标准方法，成本降低了95%以上。