Ответ:

Правильный вариант — 4. Генеративная модель формирует последовательность кадров с учётом текстового описания и согласованности между кадрами, чтобы видео выглядело непрерывным.

Ответ: строит всю последовательность кадров сразу, согласуя их между собой.