标签：模型选择

1.总体架构与场景拆分 - 任务定义：文本到图像/视频，场景为“吃小龙虾”细节要求（近景、蒸汽、油光、手部动作）。 - 模型链路：文本理解（LLM）→ 文本到图像（Stable Diffusion/SDXL/ControlNet）→ 后处理（超分、去噪、色彩校正）。 - 服务拆分：推理服务、队列/调度、缓存层、静态资源CDN、域名解析与反向代理。