本工作由南洋理工大学与腾讯 ARC 实验室联合完成。本文的第一作者为南洋理工大学博士生刘坤昊。本文 的通讯作者为 ARC 资深研究员胡文博和南洋理工大学教授 Shijian Lu。 然而，这正是当前 AI 视频生成的最大瓶颈。现有模型在几秒钟的短片中表现不错，但当生成持续延伸时， 问题会像滚雪球一样放大。这种现象被称为 误差累积 ， 就像「传话游戏」中信息一层层失真，每一帧的微 小误差都会被下一帧继承、放大，最终导致画面崩坏 —— 颜色漂移、动作僵硬、主体变形…… 视频越长， 问题越严重。 来自南洋理工大学与腾讯 ARC 实验室的研究者提出了一种新的实时视频生成方法： Rolling Forcing 。它通 过三大创新设计 —— 滚动窗口联合降噪、Attension Sink 机制、以及高效训练算法 —— 实现了「边生成边 修正」， 从而在单张 GPU 上实现分钟级视频的实时生成。 实时长视频生成的「不可能三角」 实时长视频生成有一个「不可能三角」的困境： 高质量、一致性和实时性 三者难以兼顾。其核心难点可分 解为以下三个挑战： 研究背景： AI 能实时拍长片了吗？ 想象一下，你正在玩一款开放世界游戏，角色在 ...