视频生成最劝退的一直是一致性：镜头一长，主角就「悄悄换了张脸」。新方案用跨帧身份锚定加运动轨迹约束，把人物外观在长镜头里钉住，可用时长从秒级推进到分钟级。

这对叙事类内容是质变——能讲一个完整桥段，而不只是一个漂亮片段。离「一句话生成一部片」还远，但「一句话生成一个能用的镜头」越来越近。