字节跳动与南洋理工大学开源StoryMem框架，实现多镜头视频连贯叙事

动态记忆库会存储首镜头生成的关键帧作为初始记忆，后续每个新镜头的生成过程都会通过M2V LoRA技术注入记忆关键帧，确保视觉元素的连贯性。生成完成后，系统会自动进行语义关键帧提取和美学筛选，进一步优化记忆库的更新机制。

实验数据表明，该框架在跨镜头一致性指标上相比现有方法有显著提升。配套发布的ST-Bench基准数据集包含300个多镜头故事提示，为长视频叙事质量的标准化评估提供了支持。

该技术特别适用于需要快速迭代视觉内容的领域，包括营销广告的动态分镜生成、影视预制作的故事板可视化，以及短视频创作的连贯叙事产出。项目开源后，开发者社区已经开始进行本地化部署实践，进一步降低了技术使用门槛。