Published: Jul 21, 2026
这组笔记面向具备深度学习基础、希望系统进入文生视频（Text-to-Video, T2V）大模型研究与工程实践的读者。内容按三册组织：从概率生成建模、视频潜空间、扩散与 Flow Matching，到 Video DiT、MLLM Planner、主流系统、评测协议、长视频、后训练、安全与研究选题。
Part I 概率生成建模与时空扩散 Transformer
统一符号、Video VAE、DDPM、Flow Matching、Video DiT、MLLM Planner 与评测体系。
Part II 主流模型、系统工程与复现路线模型谱系、Wan / Bernini、数据工程、训练系统、显存与成本估计、论文级复现。
Part III 评测、长视频、后训练与安全评测证据链、长程一致性、世界模型、奖励建模、可信生成与研究路线图。
阅读建议
- 如果目标是读懂文生视频论文的方法部分，先读 Part I。
- 如果目标是复现开源模型或估算训练/推理成本，重点读 Part II。
- 如果目标是设计研究课题、评测协议或后训练方案，重点读 Part III。