从视频剪辑到创作轨迹：Sora100K AI原生视频创作

AI-Native 视频创作正在从孤立的视频剪辑转向迭代视频创作工作流程。然而，现有数据集主要仍然是视频剪辑，将视频生成和编辑表示为单独的任务，而不是视频创建工作流程的连接阶段。在本文中，我们介绍了 Sora100K，这是一个将 AI-Native 视频创建工作流程表示为结构化视频创建轨迹的数据集。具体来说，我们首先识别视频创作轨迹，并根据其结构角色将其分解为三个子集：文本到视频生成记录作为根，单轮视频编辑记录作为编辑边，多轮视频编辑记录作为完整轨迹。然后，我们使用 VLM 为生成根分配语义注释，为编辑边分配编辑操作注释。严格的构建流程进一步重建源到编辑的沿袭、编辑顺序和中间视频状态，同时确保数据质量。最后，我们对LTX-2模型进行轻量级适配，以评估Sora100K的监督价值。这 结果显示视觉质量、多镜头生成和交叉镜头一致性方面有所改进，而连续回合评估表明遵循多回合编辑指令仍然具有挑战性。 Sora100K 为 AI-Native 视频创作建立了新的数据基础，超越孤立的视频剪辑，走向结构化视频创作轨迹。数据集和补充材料可在 https://huggingface.co/datasets/ysicong/Sora100K. 上公开获取