开源视频框架 Any Time, Any Space：靠 3D 记忆让长视频场景不穿帮

Any Time, Any Space（简称 ATAS）是一个开源的长视频生成框架，专门用来解决 AI 生成视频里最让人头疼的场景漂移和空间穿帮问题。

用现有的视频模型做连续镜头，角色一旦走出房间，等镜头再切回来时，屋里的桌椅摆设和布局往往全变了样。ATAS 的目标就是让角色离开房间后重新返回时，整个环境依然保持完全一致。

它是怎么记住空间的

传统的长视频生成往往只是在片段之间传递提示词或者最近几帧，这根本无法建立一个能随时回头看的三维空间参照系。

ATAS 的做法是为视频生成搭建了一套以世界状态为核心的记忆系统。它先把剧本拆解成带有明确地点、相机视角和事件时间戳的分镜请求。

在生成每个镜头前，系统会从记忆库中检索静态的 3D 几何结构，以及按场景和时间索引的动态事件记录，用来约束生成画面。镜头生成完成后，系统再对新画面做 3D 重建与对齐注册。

只有通过审查和状态检查的观察结果才会被存入记忆库，而且成片交付和记忆存入互不干扰，防止 AI 把幻觉和错误画面写入长久记忆中。

适配主流模型与开源现状

ATAS 不是从头训练一个新的视频大模型，而是一套可以外挂在现有视频生成器上的控制框架。

论文基于 4 款主流视频生成底座进行了测试，包括阿里巴巴的 Wan 以及 MiniMax H3 等。测试数据显示，无论接入哪款底座，ATAS 都刷新了所有跨镜头一致性指标，并获得了各底座综合基准测试的最高分。

在目标图像空间重访测试中，它的表现优于现有的智能体和传统 3D 引导方案，在 3 项事件重捕标准上保持领先，并且在 6 项人工评测中全部拿下最高分。

目前该项目已经开放了代码仓库和主页演示，仓库内提供了在本地电脑上配置环境与运行的完整步骤说明。

为什么重要

用 AI 做长剧集或叙事短片，最大的绊脚石就是正反打镜头和场景折返时的空间漂移，过去往往只能靠盲目抽卡或后期大量补救。ATAS 证明了不需要重训庞大的视频底座，仅靠外部的 3D 几何配准与时间记忆，就能给视频生成器安上持久的立体空间感。

对于尝试制作长线故事短片的独立创作者和开发者来说，这个框架非常值得上手测试。需要留意的是，每一轮镜头生成后都要附加 3D 重建与状态检查，这会带来额外的算力开销和本地硬件门槛，但相比不断废片重抽，这种确定性控制显然省心得多。