最近接手了个项目，做一个生成AI带货视频的工具。目前demo效果很不理想 

镜头接不起来，做不了长一点的一镜到底视频，会产生场景漂移；
音画分离，效果难看。

甲方要求是，上传一些商品图片，然后自动生成成品视频，当然，中间步骤用户是可以拦截修改再继续的。