没有难度 毕竟视频也是一帧一帧的 关键还是算力 上下文 和费用吧。为什么都在搞直接生成视频而不是去剪辑一段已有的素材，光是读取都耗费很多算力，更别说去修改 改完不满意又要重复改，影视里面改几十次是很平常的事，那成本都爆炸了。