腾讯发布 9B 视频剪辑智能体 WeVisCut

WeVisCut：面向剪辑视频的长时程工具智能体

WeVisCut 是一个 9B 工具使用智能体，可将知识文章或旁白脚本转化为数分钟长的剪辑视频。每一步中，它读取当前剪辑状态，并从 12 个工具中选择一个，用于规划、旁白、素材检索、合成、检查或修复。它并非独立的文本到视频模型；请配合 WeVisCut 运行时使用，由运行时执行模型的工具调用。

部署

要求：Python 3.11 或更高版本，以及约 24 GB 显存的 NVIDIA GPU 用于 bf16 推理。在满足以下 GPU 要求之前，请先安装与你的 CUDA 版本兼容的 PyTorch 构建。安装脚本会安装 Node.js、FFmpeg 和渲染器。

git clone https://github.com/Tencent/WeVisCut.git
cd WeVisCut
pip install -r requirements.txt
pip install -r requirements-gpu.txt
bash scripts/setup_external_tools.sh
pip install -U "huggingface_hub[cli]"
hf download tencent/WeVisCut --local-dir checkpoints/weviscut-9b
bash run_studio.sh

打开 http://<host>:8081/ 以使用 Studio。若仅使用 UI 模式而不加载模型权重，请运行 bash run_studio.sh --no-model。

模型

该策略基于 Qwen3.5-9B，并在可执行的剪辑轨迹上训练。其运行时提供可编辑时间线，支持暂停/恢复、手动与基于聊天的修改、逐镜头重新渲染以及版本回滚。视频质量取决于所配置的检索、TTS 和渲染服务以及可用模板。

预期用途与局限

WeVisCut 旨在为长视频剪辑提供研究与生产辅助。它不保证事实准确性或制作质量；发布前请审阅生成的旁白和视频。模型权重需要 WeVisCut 工具环境才能生成视频。

引用

@misc{mu2026weviscuteditingroomagent,
      title={WeVisCut: The Whole Editing Room in One Agent From Narration to Long-Form Video}, 
      author={Chenyu Mu and Wenming Weng and Qinrui Wang and Xingsong Ye and Hao Yu and Jun He and Chong Sun and Chen Li and Jing Lyu and Erkun Yang and Cheng Deng},
      year={2026},
      eprint={2610.38352},
      archivePrefix={arXiv},
      primaryClass={cs.CV},
      url={https://arxiv.org/abs/2610.38352}, 
}

许可证

WeVisCut 代码以 Apache License 2.0 发布。模型权重和第三方组件受各自许可条款约束。