ConsisID

北大和腾讯联合出品的ConsisID项目，刚刚在CVPR 2025上拿下了Highlight，绝对是当前身份保持视频生成领域的一匹黑马！简单说，你给它一张人物照片和一段文字描述，比如“一位男士在沙滩上戴着墨镜微笑”，它就能生成一个视频，视频里的人物长相和你给的照片完全一致，动作、表情还跟文字描述严丝合缝。这解决了现有视频生成中“换脸不换人”的痛点——以前很多模型生成的角色总是“千人一面”，或者一转身就变成另一张脸，而ConsisID通过频率分解技术，把身份信息（比如五官轮廓这种低频特征）和动作细节（比如眨眼、嘴唇运动这种高频特征）分开处理，再巧妙融合，从而稳定保持人物身份。 技术上它有两把刷子：一是设计了双分支架构，一个分支专门负责提取和保持人脸的身份特征，另一个分支负责生成与文字匹配的动作和场景，两个分支通过频率域交互，避免身份信息被干扰；二是采用了渐进式训练策略，先用大量数据让模型学会保持身份，再微调出流畅的动作。这让生成的视频不仅身份一致性强，而且动作自然、风格多变。 这个项目能用在很多地方：影视行业可以快速生成数字替身、虚拟主播；广告营销可以批量制作带固定人物的宣传视频；个人创作者也能用它做故事短片、表情包。更棒的是，它开源免费，Apache 2.0协议，个人和商业都能用。上手门槛很低：官方提供了Hugging Face在线体验空间，点开就能玩；也有Colab笔记本，一键运行；如果你熟悉Python和PyTorch，按GitHub上的文档下载预训练模型，几行代码就能跑通。新手完全可以在线试玩，高级玩家也能深度二次开发。整体来看，ConsisID把身份保持视频生成的门槛降到了新低，而且效果惊艳，值得每一个对AI视频创作感兴趣的人关注。