论文提出Goku，一个包含200万组高质量指令对齐视频编辑样本的数据集，将任务从外观修改扩展到多任务和结构操控，包括主体运动控制。作者进一步提出Goku-Edit模型与含1000个人工验证案例、7项专用指标的Goku-Bench；据报告，模型在指令遵循上较其他开源模型最高提升8%。
最近 24 小时暂无可用热度快照。