TokenDial：视觉调谐空间中文本转视频生成的连续属性控制技术

2026 年 9 月 7 日，arXiv 发布 TokenDial 框架，旨在解决文本生成视频中的连续属性控制问题。该方法在视觉扩散 Transformer 的视觉补丁通道维度构建 Visual Dial Space V+，通过广播加法方向进行控制。TokenDial 冻结预训练视频生成器，仅优化加法方向，利用编辑视频沿目标属性移动且其余内容稳定的效果进行监督，无需配对编辑视频。学习到的方向成为可复用的视觉旋钮，支持连续外观与运动控制、显式时空定位及跨提示词、分辨率和视频长度的复用。实验与人工评估显示，TokenDial 在滑块可控性和内容保持方面优于现有视频编辑和滑块方法。