谷歌DeepMind联合布朗大学推出一项名为“力提示”（force prompting）的新技术，为视频生成带来重要进展。该技术无需依赖3D模型或物理引擎，只需设定力的方向和强度，就能生成自然、流畅的运动效果。它支持两种模式：全局力（如风吹）和局部力（如敲击物体），并通过矢量场的形式将力输入系统。 这项研究基于CogVideoX-5B-I2V模型，并引入ControlNet模块处理数据，借助Transformer架构生成49帧视频。整个训练过程仅需四块Nvidia A100 GPU运行一天即可完成。训练所用数据完全由合成场景构成，包括旗帜飘扬、球体滚动等常见物理现象。 研究人员在文本提示中加入物理术语后，模型能够自动建立正确的力与运动之间的关系，并展现出良好的泛化能力。用户测试结果显示，“力提示”在动作匹配度和画面真实感方面优于现有基准模型。尽管在处理复杂场景时仍有局限，但这一进展表明AI正在逐步掌握物理规律，向更通用的人工智能迈进。 相关人士指出，这项技术是人工智能发展过程中的一个重要里程碑。