阿里釋出 Prompt Relay：免訓練即插即用，讓 AI 影片無縫切換多場景

如果你試過用一段長提示詞生成連續影片，大機率踩過這種坑：剛寫完「主角在森林漫步」，後面緊接著「鏡頭切到宇航員登月」，生成的影片往往直接變成四不像，宇航員手裡可能還莫名其妙攥著一根樹枝。

AI 影片模型最頭疼的痛點之一，就是多個事件在時間線上的語義串擾。4 月 11 日，阿里巴巴公佈了一項名為 Prompt Relay（提示詞接力）的影片生成控制技術，試圖用極輕量的方式解決這個問題。

提示詞像交接棒一樣換位

傳統影片擴散模型拿到一段長提示詞時，往往分不清哪句話該管哪一秒，最後只能把所有概念一股腦全攪和在畫面裡。

Prompt Relay 的做法非常形象，就像田徑場上的 4x100 米接力賽。你給模型輸入一系列和具體起止時間繫結的提示詞，它在推理時把它們有序分配給不同的時間片段。

比如在官方給出的演示裡，影片前兩秒還是一隻老鷹在天空中展翅高飛，緊接著無縫切換到賽博朋克風格的城市街道上飛馳的汽車，最後鏡頭從客廳的電視螢幕徐徐拉遠。

甚至在另一個更講究運鏡的測試中，畫面裡的人把手伸向鏡頭遮擋視野，拿開手的瞬間，背景已經從繁華都市自然切換成了荒涼沙漠。

在這些畫面跨度極大的例子裡，過渡處不僅沒有出現畫面撕裂，而且前一個場景的元素絕不會意外漏到下一個場景裡。

不動權重、不加算力的底層戲法

最讓同行眼前一亮的是，這套技術既不需要重新訓練模型，也不需要改動網路架構，算是一個純粹的即插即用推理技巧。

它的核心秘密藏在擴散模型的交叉注意力層。研究團隊在計算注意力分數時，直接植入了一個基於時間距離的懲罰項。

簡單來說，系統先給每個提示詞劃定專屬的啟用時間視窗。在這個視窗的核心區域，注意力完全不受限制，提示詞能夠毫無保留地指導畫面生成。

一旦時間軸超出這個視窗向兩端延伸，系統就會根據時間差平滑施加懲罰，讓該提示詞的注意力權重迅速衰減接近於零。

這樣一來，屬於第 5 秒的提示詞就絕對不會在第 1 秒產生干擾，而在兩個時間段相交的邊界，權重的自然衰減又能保證畫面過渡平穩連貫。

目前該專案已經上線了專案主頁併發布了實施說明，不過核心程式碼檔案尚未完全放出，官方預計還要等待數日才會完整開源。

為什麼重要

對於影視創作者和獨立開發者來說，這項技術直接擊中了多鏡頭敘事的命門。

過去要想用 AI 做出連貫的鏡頭切換，往往需要分別生成單個片段，再放進剪輯軟體里加轉場或者反覆跑圖拼接，耗時耗力且難以保證光影風格統一。如果 Prompt Relay 這種免訓練補丁能普遍生效，創作者在一條提示詞管道里就能精確排定分鏡節奏。

更值得稱讚的是阿里巴巴團隊在技術路線上的剋制。近來不少團隊為了做精準時空控制，要麼去微調大型介面卡，要麼堆疊龐大的控制網路，推理成本直線上升。Prompt Relay 卻完全聚焦在注意力分數的數學懲罰上，幾乎不帶來額外的計算開銷。

不過我們認為，它在落地時依然面臨實際考驗。這種基於硬性時間視窗的衰減策略，在面對老鷹變汽車這種純場景轉場時效果極佳；但如果遇到需要跨越全程的主角保持一致性、同時周圍環境持續更替的複合敘事，單純切斷交叉注意力可能會連同角色特徵一起抹掉。它到底能在多大程度上適配複雜的工業管線，還得等程式碼全面放開後接受社群的壓力測試。