从同一条概率路径出发，系统理解 Diffusion 的噪声预测与 Flow Matching 的速度场预测为何本质等价，并结合最小代码实战串起理论与工程。

以 Movie Gen 与 Hunyuan Video 为例，系统拆解视频生成的数据引擎：为什么要做质量过滤、运动过滤、去重重采样、结构化字幕与镜头标注，以及这些设计如何直接影响模型的可控性与能力边界。

以 Movie Gen 与 Hunyuan Video 为例，系统梳理视频生成模型的内部工作流：为什么必须先压缩到 latent 空间，patchify 与位置编码如何组织时空 token，文本条件与时间条件怎样进入 Transformer，以及 Flow Matching 在训练和推理时到底在学什么。