Phantom: クロスモーダルアライメントによる被写体一貫性動画生成

ByteDance ResearchによるPhantomは、Wan2.1をベースとした被写体一貫性動画生成モデルです。クロスモーダルアライメントによりフレーム間で被写体の同一性を維持します。14B版と1.3B版を提供。

P

Phantom

Wan2.1動画生成被写体一貫性オープンソース

ByteDance Researchによる被写体一貫性動画生成モデル。Wan2.1をベースに構築され、クロスモーダルアライメントを用いて生成済み動画シーケンス全体で被写体の同一性と外観を保持します。14Bと1.3Bのパラメータバリエーションを提供。

オリジナルリポジトリHF (Kijai)
開発者ByteDance Research（インテリジェント制作チーム）
アーキテクチャWan2.1ベース、クロスモーダルアライメント
モデルサイズ14B (fp16/fp8), 1.3B (fp16/fp32)
機能被写体→動画生成、同一性保持

概要

PhantomはByteDance Researchによる被写体一貫性動画生成フレームワークで、PhantomアーキテクチャをWan2.1動画生成モデルに適応したものです。特定の被写体の同一性と外観をすべてのフレームで一貫して維持する動画を生成できます。このモデルはクロスモーダルアライメント技術を用いて、入力された被写体を忠実に表現しながら、スムーズで高品質な動きを生成します。

Phantomは2つのサイズを提供しています: 高品質出力向けのフル14Bパラメータモデルと、コンシューマーハードウェア上での高速推論向けの軽量1.3Bパラメータバリアントです。

ComfyUIとの統合

Phantom-Wanは、KijaiのWanVideoWrapperカスタムノードを介してComfyUIでサポートされています。適切なモデルファイルをKijaiリポジトリからダウンロードし、ComfyUIのモデルディレクトリに配置してください。

提供サイズ

サイズ精度用途
14Bfp16, fp8高品質な被写体一貫性動画生成
1.3Bfp16, fp32コンシューマーGPU向け軽量推論

リソース

リソースリンク
GitHubリポジトリgithub.com/Phantom-video/Phantom
Hugging Face（オリジナル）bytedance-research/Phantom
Hugging Face（Kijai）Kijai/WanVideo_comfy

Guides and workflows related to this model series.

No articles found.