Реши задание на изображении

Краткий ответ: четвёртый вариант — «Строит всю последовательность кадров сразу, согласуя их между собой».

Как это работает по шагам:

1. Текст превращается в числовое описание — эмбеддинг.
2. Нейросеть начинает не с готового видео, а с шума в «пространстве видео»: сразу со всей последовательностью будущих кадров.
3. На каждом шаге она убирает часть шума, опираясь на текст. При этом кадры обрабатываются не по одному независимо, а с учётом соседних — так сохраняются одинаковые объекты, фон и плавность движения.
4. Поэтому получается не набор случайных картинок, а связный ролик.

Почему остальные варианты не подходят:

• Независимые кадры дали бы скачки, мерцание и «разных» персонажей в каждом кадре.
• Подбор готовых фрагментов — это монтаж или поиск, а не генерация нового видео.
• Первый кадр плюс расчёт траекторий — скорее компьютерная анимация; нейросеть не задаёт движение вручную формулами.

Проверка: если в видео персонаж сохраняет внешность, а фон не дёргается от кадра к кадру, значит, кадры генерировались согласованно. Слово «сразу» здесь означает «всей последовательностью совместно», а не за один-единственный шаг: убирание шума может идти постепенно.