開源影片框架 Any Time, Any Space：靠 3D 記憶讓長影片場景不穿幫

Any Time, Any Space（簡稱 ATAS）是一個開源的長影片生成框架，專門用來解決 AI 生成影片裡最讓人頭疼的場景漂移和空間穿幫問題。

用現有的影片模型做連續鏡頭，角色一旦走出房間，等鏡頭再切回來時，屋裡的桌椅擺設和佈局往往全變了樣。ATAS 的目標就是讓角色離開房間後重新返回時，整個環境依然保持完全一致。

它是怎麼記住空間的

傳統的長影片生成往往只是在片段之間傳遞提示詞或者最近幾幀，這根本無法建立一個能隨時回頭看的三維空間參照系。

ATAS 的做法是為影片生成搭建了一套以世界狀態為核心的記憶系統。它先把劇本拆解成帶有明確地點、相機視角和事件時間戳的分鏡請求。

在生成每個鏡頭前，系統會從記憶庫中檢索靜態的 3D 幾何結構，以及按場景和時間索引的動態事件記錄，用來約束生成畫面。鏡頭生成完成後，系統再對新畫面做 3D 重建與對齊註冊。

只有通過審查和狀態檢查的觀察結果才會被存入記憶庫，而且成片交付和記憶存入互不干擾，防止 AI 把幻覺和錯誤畫面寫入長久記憶中。

適配主流模型與開源現狀

ATAS 不是從頭訓練一個新的影片大模型，而是一套可以外掛在現有影片生成器上的控制框架。

論文基於 4 款主流影片生成底座進行了測試，包括阿里巴巴的 Wan 以及 MiniMax H3 等。測試資料顯示，無論接入哪款底座，ATAS 都重新整理了所有跨鏡頭一致性指標，並獲得了各底座綜合基準測試的最高分。

在目標影像空間重訪測試中，它的表現優於現有的智慧體和傳統 3D 引導方案，在 3 項事件重捕標準上保持領先，並且在 6 項人工評測中全部拿下最高分。

目前該專案已經開放了程式碼倉庫和主頁演示，倉庫內提供了在本地電腦上配置環境與執行的完整步驟說明。

為什麼重要

用 AI 做長劇集或敘事短片，最大的絆腳石就是正反打鏡頭和場景折返時的空間漂移，過去往往只能靠盲目抽卡或後期大量補救。ATAS 證明了不需要重訓龐大的影片底座，僅靠外部的 3D 幾何配準與時間記憶，就能給影片生成器安上持久的立體空間感。

對於嘗試製作長線故事短片的獨立創作者和開發者來說，這個框架非常值得上手測試。需要留意的是，每一輪鏡頭生成後都要附加 3D 重建與狀態檢查，這會帶來額外的算力開銷和本地硬體門檻，但相比不斷廢片重抽，這種確定性控制顯然省心得多。