VideoFlexTok是一种灵活的视频标记方法，通过粗到细的方式表示视频，初始标记捕捉抽象信息，后续标记添加细节。这种结构允许根据需求调整标记数量，提升训练效率，生成质量与传统3D网格标记相当，但模型更小，支持长视频生成，计算成本低。