Phantom: Generación de Video con Consistencia de Sujeto mediante Alineación Cross-Modal

Phantom

Wan2.1Generación de VideoConsistencia de SujetoOpen Source

Modelo de generación de video con consistencia de sujeto de ByteDance Research, construido sobre Wan2.1. Utiliza alineación cross-modal para preservar la identidad y apariencia del sujeto en todas las secuencias de video generadas. Disponible en variantes de 14B y 1.3B parámetros.

Repositorio Original HF (Kijai)

Desarrollador	ByteDance Research (Equipo de Creación Inteligente)
Arquitectura	Basada en Wan2.1 con alineación cross-modal
Tamaños del Modelo	14B (fp16/fp8), 1.3B (fp16/fp32)
Capacidades	Generación de sujeto a video, preservación de identidad

Descripción General

Phantom es un framework de generación de video con consistencia de sujeto de ByteDance Research que adapta la arquitectura Phantom al modelo de generación de video Wan2.1. Permite generar videos donde la identidad y apariencia de un sujeto específico se mantienen consistentemente en todos los fotogramas. El modelo utiliza técnicas de alineación cross-modal para asegurar que el video generado represente fielmente el sujeto de entrada mientras produce un movimiento suave y de alta calidad.

Phantom está disponible en dos tamaños: un modelo completo de 14B parámetros para salida de alta calidad y una variante ligera de 1.3B parámetros para inferencia más rápida en hardware de consumo.

Integración con ComfyUI

Phantom-Wan es compatible con ComfyUI a través del nodo personalizado Kijai WanVideoWrapper. Descarga los archivos de modelo apropiados del repositorio de Kijai y colócalos en el directorio de modelos de tu ComfyUI.

Tamaños Disponibles

Tamaño	Precisión	Caso de Uso
14B	fp16, fp8	Generación de video de alta calidad con consistencia de sujeto
1.3B	fp16, fp32	Inferencia ligera en GPUs de consumo

Recursos

Recurso	Enlace
Repositorio de GitHub	github.com/Phantom-video/Phantom
Hugging Face (Original)	bytedance-research/Phantom
Hugging Face (Kijai)	Kijai/WanVideo_comfy