为什么AI生成的视频总是模糊卡顿？为什么细节纹理经不起放大？为什么动作描述总与画面错位？ 其中一个重要原因在于，现有的开源千万级视频数据集分辨率基本低于1080P（1920×1080），且大部分视频的说明（caption）简单粗糙， 不利于大模型学习。 当主流视频生成模型还在720P画质挣扎时，浙江大学APRIL实验室联合多家高校推出的 高质量开源UHD-4K（其中22.4%为8K）文本到视频 数据集——UltraVideo ，破解了这一困局。 浙大APRIL实验室团队 投稿 量子位 | 公众号 QbitAI 该数据集涵盖广泛主题（超过100种），每个视频配备9个结构化字幕及一个总结性字幕（平均824词）。 作为全球首个开源4K/8K超高清视频数据集， UltraVideo 配合结构化语义描述框架，让视频生成实现从"勉强能看"到"影院级质感"的跨越式 进化。 团队基于42K精选视频微调的UltraWan-4K模型，实现三大突破： 方法：四阶过滤打造高质量4K视频数据集 当前视频生成面临两大瓶颈： 分辨率陷阱 ：模型在低清数据训练后，直接生成4K视频会出现严重失真。如图2所示，naïve Wan-T2V-1.3 ...