BindWeave：主体一致性视频生成
BindWeave 是字节跳动研究团队提出的统一主体一致性视频生成框架。基于 MLLM-DiT 架构，支持单主体和多主体提示词（ICLR 2026）。
B
BindWeave
Wan2.1Subject-ConsistentMLLM-DiTICLR 2026字节跳动研究团队开发的统一主体一致性视频生成框架。MLLM-DiT 架构能够处理单主体和多主体提示词，实现精确的实体定位与跨模态集成。已被 ICLR 2026 接收。
| 开发者 | 字节跳动研究 |
| 发布日期 | 2025年10月 |
| 架构 | MLLM-DiT（多模态大语言模型 + 扩散Transformer） |
| 参数 | 14B fp16 |
| 能力 | 单主体和多主体一致性视频生成 |
| 会议 | ICLR 2026 |
概述
BindWeave 是字节跳动研究团队开发的统一主体一致性视频生成框架。它解决了跨帧保持主体一致性的视频生成难题，尤其是当场景中包含多个不同主体时。
该框架将预训练的多模态大语言模型（MLLM）与扩散Transformer（DiT）架构相结合。MLLM 提供精确的实体定位与跨模态理解，DiT 则负责高质量视频生成。这使得 BindWeave 能够准确地渲染复杂提示词中所描述的主体及其指定的视觉属性。
ComfyUI 集成
BindWeave 14B fp16 和 fp8 缩放变体可通过 Kijai WanVideoWrapper 自定义节点在 ComfyUI 中使用。模型权重托管在 Hugging Face 上，分别位于字节跳动研究官方仓库和 Kijai WanVideo_comfy 集合中。
资源
| 资源 | 链接 |
|---|---|
| 论文 | arXiv:2510.00438 |
| GitHub | github.com/bytedance/BindWeave |
| HuggingFace (原始版) | BytedanceResearch/BindWeave |
| HuggingFace (Kijai) | Kijai/WanVideo_comfy |
Guides and workflows related to this model series.
No articles found.