ShotStream

边聊边生成多镜头视频，像导演一样实时讲故事

ShotStream 是一个面向交互式叙事的流式多镜头视频生成框架，论文被 ECCV 2026 收录。它要解决的问题是：传统视频生成模型通常一次性生成单段固定长度视频，无法在用户交互下连续产出多个镜头并保持角色、场景与叙事连贯。ShotStream 采用高效因果架构，把视频生成变成流式过程，支持边生成边响应用户输入，从而像讲故事一样逐镜头推进剧情。核心能力包括：多镜头长视频的连续生成、镜头间的时序与内容一致性维护、低延迟的因果推理以支撑交互，以及面向叙事场景的镜头调度。项目以 Python 实现，关键词涵盖 efficient-causal-architecture、interactive-storytelling、multi-shot-long-video-generation，适合研究交互式内容创作与长视频生成的研究者和开发者。目前星标约 185，属于早期项目。