Phantom：通过跨模态对齐实现主体一致的视频生成
Phantom 由字节跳动研究团队开发，是基于 Wan2.1 的主体一致视频生成模型。通过跨模态对齐在 14B 和 1.3B 参数版本中保留主体身份在帧间的一致性。
P
Phantom
Wan2.1视频生成主体一致开源字节跳动研究团队开发的主体一致视频生成模型，基于 Wan2.1 构建。利用跨模态对齐技术，在生成的视频序列中保持主体身份与外观的一致性。提供 14B 和 1.3B 两种参数变体。
| 开发者 | 字节跳动研究（智能创作团队） |
| 架构 | 基于 Wan2.1，结合跨模态对齐 |
| 模型尺寸 | 14B (fp16/fp8), 1.3B (fp16/fp32) |
| 能力 | 主体到视频生成、身份保持 |
概述
Phantom 是字节跳动研究团队提出的一种主体一致视频生成框架，它将 Phantom 架构适配到 Wan2.1 视频生成模型上。该框架能够生成视频，其中特定主体的身份和外观在所有帧中保持一致。模型采用跨模态对齐技术，确保生成的视频忠实表达输入主体的同时，产生平滑、高质量的运动画面。
Phantom 提供两种尺寸：完整的 14B 参数模型用于高质量输出，以及轻量级 1.3B 参数变体用于消费级硬件上的快速推理。
ComfyUI 集成
Phantom-Wan 通过 Kijai WanVideoWrapper 自定义节点在 ComfyUI 中得到支持。从 Kijai 仓库下载相应的模型文件，并将其放置于 ComfyUI 模型目录中。
可用规格
| 规格 | 精度 | 用途 |
|---|---|---|
| 14B | fp16, fp8 | 高质量主体一致视频生成 |
| 1.3B | fp16, fp32 | 消费级 GPU 上的轻量推理 |
资源
| 资源 | 链接 |
|---|---|
| GitHub 仓库 | github.com/Phantom-video/Phantom |
| Hugging Face（原始） | bytedance-research/Phantom |
| Hugging Face（Kijai） | Kijai/WanVideo_comfy |
Guides and workflows related to this model series.
No articles found.