本研究提出了T2VTextBench，这是首个评估视频生成模型中文本准确性和时间一致性的人类评估基准。测试结果显示，大多数模型在生成清晰一致的文本方面面临显著挑战，为未来改善视频合成中的文本处理提供了研究方向。

本研究提出了POSTA框架，解决了自动海报设计在文本准确性、用户定制和美学吸引力方面的不足。该框架结合扩散模型和多模态大语言模型，能够生成视觉吸引且内容清晰的海报。实验结果表明，POSTA在文本准确性和美学质量上优于现有模型，具备良好的可控性和设计多样性。

本文探讨了大型语言模型（LLMs）在生成过程中常见的“幻觉”现象，并提出了多种减少虚构信息的方法。通过知识探测和一致性检查，开发了自动虚构注释工具，并引入强化学习框架（RLKF）以提高模型的真实性和诚实性。实验结果表明，这些方法有效增强了模型表现，减少了幻觉发生，提升了生成文本的准确性。