WeVisCut Faoliyat yuritmoqda

WeVisCut — Tencent WeChat Vision tomonidan ochiq manbaga chiqarilgan uzun videolarni avtomatik montaj qiluvchi Agent. Diktorlik skriptini kiriting, 9B kichik model strategiyasi umumiy ishlab chiqarish holatidan foydalanib, avtomatik ravishda kadrlar rejasini, ovozli ijroni, materiallarni qidirish, kompozitsiya va sifat nazoratini bajaradi hamda bir necha daqiqalik tayyor videoni chiqaradi. WeVisCut 3 750 ta tayyor videodan montajni teskari tiklash va tekshirilgan qayta ijro pipeline'i orqali 130 mingdan ortiq o‘quv ma’lumotlarini yaratdi. Baholashda Claude Opus 5 bilan teng natija ko‘rsatdi, generatsiya tokenlari taxminan 33 baravar tejaldi, har bir tayyor video daqiqasi narxi esa atigi $0.09 ni tashkil etdi.

Skriptdan uzun videoga: diktorlik yoki bilimga oid skriptni kiriting, qo‘lda kadrlar rejasini tuzmasdan bir necha daqiqalik to‘liq tayyor video oling.
Yagona strategiya butun zanjirni boshqaradi: bitta 9B model koordinator, yaratuvchi va tanqidchi rollarini bajarib, ko‘p bosqichli Agent workflow'ini almashtiradi.
Umumiy ishlab chiqarish holati: harness kadrlar, materiallar va timeline kabi holatlarni doimiy saqlaydi, oldingi vosita natijasi keyingi qarorni bevosita cheklaydi.
Yopiq siklli sifat nazorati va tuzatish: strategiya tayyor videoni avtomatik tekshiradi, xatoni aniqlaydi va chegaralangan mahalliy tuzatish kiritadi; muvaffaqiyatli qismlar qayta ishlanmaydi.
Rejissor bilan dialog orqali tahrirlash: dastlabki video tayyor bo‘lgach, chat orqali materiallarni almashtirish, musiqani o‘zgartirish va subtitrlarni sozlash mumkin; strategiya mahalliy qayta rejalashtirish va qayta yetkazib berishni amalga oshiradi.
Tahrirlanadigan timeline: Studio runtime 8 trekli timeline taqdim etadi, har bir kadrni qayta render qilish va versiyani ortga qaytarishni qo‘llab-quvvatlaydi.
Arzon xususiy o‘rnatish: muvaffaqiyatli chiqarilgan har bir daqiqa uchun atigi $0.09 va 2.1 daqiqa devor soati vaqti talab qilinadi; 9B og‘irliklari ochiq manbali va mahalliy joylashtirilishi mumkin.

WeChat’da “开源” so‘ziga javob yuboring va AI ochiq manbali loyihalar guruhiga qo‘shiling
Muammo ta’rifi: uzun zanjirli ishlab chiqarishda holatni boshqarish. Uzun video skriptini videoga aylantirishda material tanlovi, vosita bajarilishi va tuzatish qarorlari o‘zaro bog‘liq; har bir kadrning alohida to‘g‘ri bo‘lishi butun videoda ritm borligini anglatmaydi. Agar jarayon bir nechta umumiy Agent bosqichlariga bo‘linsa, har bir bosqich global kontekstni qayta serializatsiya qilishi kerak bo‘ladi, natijada tokenlar va chaqiruv narxi kadrlar soniga mutanosib ravishda oshadi. WeVisCut’ning asosiy g‘oyasi — bitta 9B strategiya yordamida butun ishlab chiqarish holatini saqlash va “global tushunish”ni har qadamda takrorlash o‘rniga uzluksiz davom ettirishdir.
Holatga asoslangan Harness: umumiy ishlab chiqarish holati. Runtime doimiy production state nusxasini yuritadi va faqat tekshiruvdan o‘tgan vosita natijalarini holatga yozadi. Strategiya har safar bitta vosita chaqiruvini yuborib, joriy holatdan qonuniy amalni tanlaydi; noqonuniy chaqiruvlar tiplashtirilgan blocker tomonidan rad etiladi, bu esa avval bog‘liqliklarni to‘ldirib, keyin qayta urinishni majbur qiladi. Holat va model konteksti ajratilgan, shuning uchun strategiya butun tarixni qayta olib yurishi shart emas.
Yagona strategiyadagi uch rol: umumiy parametrlarga ega strategiya rollarni yo‘naltirish orqali koordinator, yaratuvchi va tanqidchi vazifalarini bajaradi. Harakatlar maydoni 12 ta vosita bilan cheklangan, qattiq kodlangan bosqichlar mashinasi yo‘q; butun trayektoriya strategiya tomonidan mustaqil belgilanadi, himoya mexanizmi esa faqat noqonuniy chaqiruvlarni to‘sadi.
O‘quv ma’lumotlari: Editing Inversion + Verified Replay. Tayyor video faqat natijani ko‘rsatadi va montaj maqsadini oshkor qilmaydi. Muallif nazoratni to‘rt bosqichli pipeline orqali tiklaydi: avval tayyor videodan skript va kadr maqsadini teskari aniqlaydi, keyin runtime’da bajarilishini tekshiradi, qayta ijro kamchiliklarni ko‘rsatsa chegaralangan tuzatish kiritib, muvaffaqiyatli mahsulotlarni saqlaydi va nihoyat bajarilish yozuvlarini vosita fikr-mulohazalariga ega o‘quv namunalariga aylantiradi. 3 750 ta tayyor video 134,771 ta bajariladigan nazorat ma’lumotiga aylantirildi, bu modelga muvaffaqiyatsizlikdan keyin tiklanishni o‘rgatadi.
Uch bosqichli ta’lim: yagona SFT va runtime tekshiruviga ega RFT vositalardan foydalanish hamda tiklanish xatti-harakatlarini boshlang‘ich darajada o‘rgatadi; Guided-OPD o‘qituvchi aralashuvi orqali tiklanish qarorlarini o‘rgatadi, aralashuv esa mashg‘ulot davomida bosqichma-bosqich kamaytiriladi; RCF-DAPO bir xil rol va ishlab chiqarish kontekstida nomzod natijalarni solishtirib, qaror sifatini optimallashtiradi. Uch bosqich Overall ko‘rsatkichini bazaviy modeldagi 74.5 dan 90.5 gacha oshirdi.

Kodni olish: GitHub’dan github.com/Tencent/WeVisCut repozitoriysini klonlang.
Muhitni tayyorlash: repozitoriy ko‘rsatmalariga muvofiq Studio runtime va bog‘liqliklarni o‘rnating.
Modelni yuklab olish: HuggingFace’dan tencent/WeVisCut 9B og‘irliklarini yuklab oling.
Xizmatni ishga tushirish: strategiya va vositalar registrini yuklaydigan ishga tushirish skriptini bajaring, Studio veb-interfeysini oching.
Skriptni kiriting: interfeysga diktorlik yoki bilimga oid uzun skriptni joylashtiring yoki yuklang.
Ishlab chiqarishni kuzating: Agent avtomatik ravishda bo‘limlar va kadrlar rejasini tuzadi, ovozli ijroni yaratadi, materiallarni qidiradi va timeline’ni real vaqtda quradi; jarayon ko‘rinib turadi.
Dialog orqali tahrirlash: dastlabki video tayyor bo‘lgach, rejissor chat oynasi orqali o‘zgartirishlarni so‘rang; mahalliy qayta yetkazib berish amalga oshiriladi.
Tayyor videoni eksport qilish: timeline interfeysida har bir kadrni tasdiqlagach, yakuniy videoni eksport qiling yoki kerak bo‘lsa versiyani ortga qaytarib, qayta render qiling.

Juda arzon: muvaffaqiyatli chiqarilgan bir daqiqa video uchun atigi 2,377 ta generatsiya tokeni va $0.09 talab qilinadi; 9B kichik modelini xususiy infratuzilmada joylashtirish mumkin.
Ishonchli yetkazib berish: beshta mezon bo‘yicha Overall 90.5 natija bazaviy modeldan 16 ball yuqori; reja bajarilishi, uzoq muddatli izchillik va render natijasi darajasi bo‘yicha to‘liq ustunlikka ega.
Bitta strategiya butun jarayonni boshqaradi: yagona 9B model koordinator, yaratuvchi va tanqidchi rollarini bajarib, ko‘p bosqichli Agent workflow’ini almashtiradi va kontekstni qayta-qayta tiklash zaruratini yo‘qotadi.
Holat uzluksiz boshqariladi: umumiy ishlab chiqarish holati oldingi vosita natijasini keyingi qarorga bevosita bog‘laydi, shu sababli uzun zanjirda ritm yo‘qolmaydi va global tushunish takrorlanmaydi.
O‘zini tiklay oladi: o‘quv ma’lumotlarida muvaffaqiyatsizlikdan tiklanish trayektoriyalari mavjud; strategiya sifatni tekshiradi, muammoni aniqlaydi va chegaralangan mahalliy tuzatish kiritadi, muvaffaqiyatli qismlarni saqlab qoladi.
Interaktiv tahrirlash: tayyor video chiqqach, tabiiy tilda dialog orqali o‘zgartirish kiritish, mahalliy qayta rejalashtirish va qayta suratga olmasdan yangilash mumkin.

Loyiha rasmiy sayti: https://tencent.github.io/WeVisCut/
GitHub repozitoriysi: https://github.com/Tencent/WeVisCut
HuggingFace model kutubxonasi: https://huggingface.co/tencent/WeVisCut
arXiv texnik maqolasi: https://arxiv.org/pdf/2610.38352

Bilim va ommabop fan videolarini seriyali ishlab chiqarish: ommabop fan haqidagi uzun matn yoki diktorlik skriptini avtomatik ravishda bir necha daqiqalik tushuntirish videosiga aylantirish; MCN va mustaqil media uchun kundalik nashrga mos.
Korporativ trening va kurslar tayyorlash: trening materiallari va taqdimot diktorligini tezda tayyor videoga aylantirish, ichki trening videolarini tashqi pudratchiga berish xarajatlarini kamaytirish.
Yangiliklar va axborotni vizuallashtirish: moliyaviy va texnologik yangiliklar skriptiga avtomatik ravishda rasm va musiqa qo‘shib, tayyor video yaratish; tezkor axborot akkauntlarida nashr etishga mos.
Marketing va mahsulot taqdimoti: mahsulot matnidan bir marta bosishda reklama videosining dastlabki variantini yaratish, keyin marketing xodimlari materiallar va uslubni dialog orqali nozik sozlashi mumkin.
Ko‘p tilli kontentni xorijga chiqarish: skriptni tarjima qilgach, ovozli ijro va subtitrlarning yangi versiyasini to‘g‘ridan-to‘g‘ri qayta yaratish, bir xil ishlab chiqarish pipeline’ini ommaviy qayta ishlatish.