💡 站外导读：在AIGC浪潮下，高质量视频生成需求激增，但多主体场景下的“角色一致性”与“背景干扰”始终是行业痛点。智谱AI开源的Kaleido框架，正是针对这一核心挑战的破局之作。它通过创新的数据管线与R-RoPE机制，首次在开源领域实现了多主体视频的精准解耦与稳定生成，标志着AIGC视频创作从单体展示向复杂叙事迈出了关键一步，为开发者提供了强大的底层工具。
Kaleido 是智谱AI开源的多主体视频生成框架，能解决多主体视频生成中的主体一致性与背景解耦问题。框架通过创新的数据构建管线和 R-RoPE（Reference Rotary Positional Encoding）机制，有效分离主体与背景信息，在多主体场景下保持主体特征一致性。Kaleido 在多主体视频生成中达到 SOTA 效果，为视频生成领域提供强大的开源方案，助力开发者实现高质量的多主体视频创作。
多主体一致性生成：框架能在视频中保持多个主体（如人物、物体等）的视觉一致性，在复杂场景和多人交互中能维持稳定的主体特征。
背景解耦：框架能有效分离主体与背景信息，避免生成视频中出现参考图像中的无关背景细节，使主体在不同背景中具有更好的适应性。
高质量视频生成：通过优化的数据构建和训练方法，生成高质量、高保真度的视频内容，适用多种应用场景，如广告、影视制作等。
灵活的条件控制：框架支持通过多张参考图像和文本提示进行视频生成，为创作者提供更灵活的创作空间。
影视制作：Kaleido 能根据角色的多张参考图生成高质量的动画视频，帮助动画师快速生成初步动画素材，提高制作效率。
广告创意：通过多主体视频生成，Kaleido 能为广告创作者提供灵活的素材生成方案，快速生成包含多个产品或人物的广告视频。
虚拟试穿：在电商领域，Kaleido 能生成用户试穿虚拟服装或佩戴虚拟饰品的视频，提升用户体验。
虚拟角色互动：为虚拟主播或虚拟角色生成自然的互动视频，使其在直播、游戏等场景中表现出更丰富的动态效果。
教育与培训：用在生成教学视频，例如通过多主体生成展示实验过程或多人协作场景，增强教学的直观性和趣味性。
Kaleido的发布，远不止一个新模型那么简单。它揭示了AIGC视频生成正从‘单体炫技’向‘多体叙事’的深水区迈进。智谱AI通过开源此框架，巧妙地将行业难题（多主体一致性）转化为社区共建的机遇，其技术路径——用高质量、解耦的数据强制模型学习‘纯粹’的主体特征，再通过R-RoPE在架构层面固化身份边界——极具启发性。这预示着未来视频生成模型的竞争，将更多地聚焦于数据工程与架构创新的结合。对于从业者而言，Kaleido不仅是工具，更是一个观察多主体生成技术演进的绝佳样本。其在影视预演、个性化广告、虚拟社交等场景的落地潜力，正推动AIGC从内容生产的‘辅助工具’向‘核心生产力引擎’加速转变。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。