面向长篇叙事媒体的提示驱动式智能体视频编辑系统：自主理解
人工智能
2025-09-30 v2 人机交互
摘要
创作者在编辑长篇、叙事丰富的视频时，困难的根源不在于界面复杂，而在于搜索、分解剧情和排序数小时素材的认知负荷。现有基于转录或嵌入的方法在创意工作流程中不够，由于模型难以追踪角色、推断动机并连接分散事件。我们提出一种基于提示驱动、模块化的编辑系统，帮助创作者通过自由形式的提示而非时间轴来重构多小时内容。其核心是一种语义索引管道，通过时间分段、引导记忆压缩和跨粒度融合构建全局叙事，产生可解释的情节、对话、情感和情境痕迹。用户可获得电影化的编辑，同时可选择性地细化透明的中间输出。在400多部视频上的评估显示，系统实现了提示驱动的编辑、保持叙事连贯性，并在自动化与创作者控制之间取得平衡。
引用
@article{arxiv.2509.16811,
title = {Prompt-Driven Agentic Video Editing System: Autonomous Comprehension of Long-Form, Story-Driven Media},
author = {Zihan Ding and Xinyi Wang and Junlong Chen and Per Ola Kristensson and Junxiao Shen},
journal= {arXiv preprint arXiv:2509.16811},
year = {2025}
}