WanPE：面向现代文生视频的电影级提示词增强

WanPE 是一个 397B 参数的提示词增强模型，基于 1.05M 真实视频训练，通过镜头级电影化规划与 SC-GRPO 保持跨镜头语义一致。驱动 Wan3.0 时，它将 5-15 秒人类偏好提升 10.66-18.84 分，30 秒场景提升 50.86 分。团队还构建了覆盖 5 至 30 秒、约 11K 盲测对比的 WanPEval 基准。