Google Research представила Co-Director, агентную систему для создания связных видеороликов длительностью в несколько минут. Разработка решает проблемы семантического дрейфа и ошибок при генерации, рассматривая процесс как задачу распределения кредитов. Система работает поверх моделей Gemini и Veo, поддерживает сторонние генераторы и использует водяные знаки SynthID.
В состав системы входят четыре подхода. Co-Director использует многорукого бандита и оркестратора для управления стратегией. CANVAS отслеживает состояние персонажей и объектов, сохраняя визуальные якоря для обеспечения консистентности сцен. A2RD представляет собой архитектуру без дообучения, которая использует цикл памяти для генерации сюжета, что позволило создать 10-минутный фильм.
Четвертый компонент, VQQA, применяет визуальные вопросы и критику VLM для уточнения промптов без доступа к внутренним параметрам моделей. Для оценки качества генерации Google разработала три бенчмарка: GenAD-Bench с 400 сценариями рекламы, HardContinuityBench для проверки стабильности объектов и LVBench-C, тестирующий сохранение активов на протяжении длительных отрезков видео.
Научные работы по данным фреймворкам приняты на конференции COLM 2026 и EMNLP 2026. Архитектура системы поддерживает итеративную работу, при которой глобальный механизм отбора выбирает лучший вариант видео из всех предложенных итераций, а не ограничивается только последним сгенерированным результатом.
