BindWeave: Генерация видео с согласованными субъектами
BindWeave : это унифицированная структура генерации видео с согласованными субъектами от ByteDance Research. Построена на архитектуре MLLM-DiT для одно- и многосубъектных промптов (ICLR 2026).
BindWeave
Wan2.1Subject-ConsistentMLLM-DiTICLR 2026Унифицированная структура генерации видео с согласованными субъектами от ByteDance Research. Архитектура MLLM-DiT обрабатывает одно- и многосубъектные промпты с точной привязкой сущностей и кросс-модальной интеграцией. Принята на ICLR 2026.
| Разработчик | ByteDance Research |
| Дата релиза | 2025-10 |
| Архитектура | MLLM-DiT (Multimodal LLM + Diffusion Transformer) |
| Параметры | 14B fp16 |
| Возможности | Генерация видео с одним и несколькими согласованными субъектами |
| Конференция | ICLR 2026 |
Обзор
BindWeave : это унифицированная структура генерации видео с согласованными субъектами, разработанная ByteDance Research. Она решает задачу создания видео, в которых субъекты остаются согласованными между кадрами, особенно при обработке нескольких различных субъектов в одной сцене.
Структура объединяет предобученную мультимодальную большую языковую модель (MLLM) с архитектурой диффузионного трансформера (DiT). MLLM обеспечивает точную привязку сущностей и кросс-модальное понимание, в то время как DiT отвечает за высококачественную генерацию видео. Это позволяет BindWeave точно отображать субъекты, описанные в сложных промптах, с заданными визуальными атрибутами.
Интеграция с ComfyUI
Масштабированные варианты BindWeave 14B fp16 и fp8 доступны в ComfyUI через пользовательские узлы Kijai WanVideoWrapper. Веса модели размещены на Hugging Face как в официальном репозитории ByteDance Research, так и в коллекции Kijai WanVideo_comfy.
Ресурсы
| Ресурс | Ссылка |
|---|---|
| Статья | arXiv:2510.00438 |
| GitHub | github.com/bytedance/BindWeave |
| HuggingFace (оригинал) | BytedanceResearch/BindWeave |
| HuggingFace (Kijai) | Kijai/WanVideo_comfy |
Guides and workflows related to this model series.