Este artigo apresenta um método de síntese de perspectiva dinâmica baseado em prior de difusão, para gerar novas perspectivas de cenas dinâmicas a partir de vídeos monooculares. O método alcança consistência geométrica e de cena por meio do ajuste fino e destilação de conhecimento das frames de vídeo. Avaliamos a eficácia e a robustez do método por meio de experimentos qualitativos e quantitativos, demonstrando suas vantagens em cenários complexos.