EduStory：用于教学一致的多镜头 STEM 教学视频生成的统一框架

长视野视频生成在视觉质量方面取得了进步，但现有方法仍然难以在多镜头教学视频中保持知识一致性和连贯的教学叙述，尤其是在 STEM 领域。为了应对这些挑战，我们提出了 EduStory，这是一个用于可靠的教学视频生成的统一框架。 EduStory 集成了用于跟踪持久知识状态的教学状态建模、用于组织多镜头叙述的脚本引导结构化控制以及用于评估知识保真度和约束满意度的面向学习的评估指标。为了支持严格的评估，我们进一步引入了 EduVideoBench，这是一种具有多粒度注释的诊断基准，包括教学故事板、镜头级语义和知识状态转换，以及用于可控教学视频生成的基线任务。大量的实验表明，领域感知状态建模和结构化控制可以大大减少叙事分解并提高与教学意图的一致性。这些结果凸显了特定领域的结构约束和定制基准对于推进可靠、可控且值得信赖的长视野视频生成的重要性。