Vlogger是一个通用的人工智能系统，用于生成用户描述的分钟级视频博客。它通过智能地利用大型语言模型作为导演，将视频生成任务分解为四个关键阶段，并通过引入文本和视觉提示来提高片段的时空一致性。实验证明，Vlogger在零样本T2V生成和预测任务上达到了最先进的性能，并且能够从开放世界描述中生成超过5分钟的vlogs，保持视频的连贯性。