介绍Any2Caption框架利用MLLM实现可控视频生成

感谢 @_akhaliq 分享我们的工作！一个 SOTA 可控视频生成框架，利用 MLLM 将任意条件解释为密集结构化标题。论文：https://arxiv.org/abs/2503.24379 项目：https://sqwu.top/Any2Cap/