■ **概要** ByteDanceの動画生成フレームワーク。潜在空間での意味的計画（Latent Semantic Planning）により、拡散ベースの動画生成を高速化・高品質化する手法。 ■ **特徴・用途** - **モデル設計の階層化**: 1.3B〜14B重みで、スタイル転送・字幕除去・局所編集など軽量タスクから人物生成まで用途別選択可能 - **Diffusers統合**: HuggingFace ecosystemと親和性が高く、既存動画編集パイプラインへの組み込みが容易 - **漸進的なリリース戦略**: 推論→軽量モデル→訓練コード公開と段階的で、実装難度の低いエントリーポイントから始められる ■ **結論** 潜在空間計画という新しいボトルネック打開策は有望だが、人物生成など複雑タスクではまだ性能ギャップがあり、実用化と理論的深掘りの両立段階。