字节视频生成新突破！Phantom搞定多人物/主体一致性

字节智能创作团队推出主体一致性视频生成模型Phantom，该模型可精准抓取人物、物品等多主体关键特征并自然融入视频，在人脸ID一致性等方面具优势。Phantom支持单、多参考主体视频生成，高度还原细节。它基于DiT框架，通过构建文本-图片-视频三元组数据学习模态对齐，实现主体到视频的生成，平衡文本和图像提示，为视频生成提供新思路。
来源：https://mp.weixin.qq.com/s/2dAdu3sN4LpMvSzheHQdCw