从一步生图到流式视频:清华团队探索「样本分布训练」 (opens in a new tab)对着屏幕说一句 “向左转”,画面随即展开新的视野;调整角色的动作,场景紧接着给出反馈。多模态交互要求视觉生成跟上人的操作,而漫长的等待会打断整个体验。