H3-World 的动作控制,为什么不能只靠一句提示词? 作者静态机制/未执行记录;不代表模型生成成功或实时测量。 给视频模型写“镜头先向左转,再向右转”,听起来已经把动作和顺序交代清楚了。但模型读懂