AV-FlowEdit：无需训练与反演的提示词驱动音视频编辑框架

AV-FlowEdit 是一个无需训练、无需反演的提示词驱动音视频编辑框架，利用源-目标流差异同时提供跨模态编辑方向与保留线索，支持纯视觉、纯音频和联合编辑。其跨模态事件感知频谱轨迹保留机制结合流显著性、对齐音频活动与多尺度低频位移，抑制采样漂移。实验显示该方法具备较强的提示词对齐与时间一致性，并保持有竞争力的音频质量和跨模态连贯性。