身份保持生成
给定参考人脸后，生成视频中的人物会尽量贴近参考身份，避免同一段内容里出现前后不是同一张脸的情况。
价格官网未标价
平台—
归类AI 视频生成
收录2026-10-11
复核2026-10-11
编辑评分
4.4 / 5
★★★★☆
ConsisID编辑总结
ConsisID 是一个面向文本到视频生成的身份保持模型，由高校研究团队开源。它的核心思路是把人脸身份特征拆到频域的不同分量里，低频管整体轮廓与肤色，高频管五官与纹理细节，再在扩散生成过程中持续注入这些身份线索，让同一个人在不同镜头、不同动作、不同场景下保持长相一致。适合需要在多段视频里复用同一角色形象的创作者，以及研究身份一致性的开发者。它属于研究型项目，通常需要自行部署推理环境，上手门槛高于在线视频工具。
ConsisID是什么？
ConsisID 是一个文本到视频生成模型，重点解决的是「生成出来的视频里，人物还是不是同一个人」这个问题。项目由高校研究团队开源，定位偏向研究与技术验证，而不是开箱即用的在线创作产品。
它的技术路线是把身份信息做频率分解：低频分量承载人脸的整体结构、脸型和肤色，相对稳定；高频分量承载眼睛、鼻子、嘴角等细节纹理，决定像不像本人。生成过程中，这两类分量以不同方式注入到扩散模型的去噪流程里，从而在人物转头、说话、走动等大幅动作时不至于「换脸」。
使用方式上，普通创作者一般把它当作角色一致性工具：给定一张或几张参考人脸，配合文本提示词生成视频片段，再把多段片段剪成完整内容。开发者则更容易把它当作研究基线，接入自己的训练或推理管线，评估身份保持模块在自有数据集上的表现。团队协作场景下，它适合作为角色素材流水线的一环，而不是替代剪辑与后期。
ConsisID核心功能
频率分解建模
把身份特征拆成低频与高频两类分量分别处理，低频稳住脸型与轮廓，高频补足五官细节，降低大动作下的失真。
文本驱动生成
以文本提示词控制画面内容与动作走向，身份信息作为额外条件注入，属于典型的文本到视频生成范式。
开源可复现
项目以开源形式发布，训练与推理流程可复现，方便研究者在此基础上做对比实验或二次开发。
ConsisID使用建议
入门先把路子走对
- 先准备清晰正脸图参考图选光线均匀、无遮挡的正脸照，侧脸或浓妆图会让身份特征提取偏掉，生成出来容易不像本人。
- 提示词先写稳定镜头初次跑通时把提示词写成固定机位、小幅动作，确认身份保持效果正常后，再逐步加大人物运动幅度。
进阶省时间也省钱
- 分段生成再拼接长视频一次性生成容易在中段丢身份，建议按镜头切成短片段分别生成，后期再剪辑衔接。
- 固定随机种子做对比调参时锁住种子只改一个变量，才能判断是身份模块起作用还是提示词措辞变化带来的差异。
ConsisID适合谁用？
短剧与分镜创作者
推荐需要同一角色贯穿多个镜头，身份保持能减少重生成次数，但推理环境要自己搭，适合有技术伙伴的团队。
视频生成研究者
推荐频率分解与身份注入的设计适合作为基线做消融实验，开源可复现这一点对论文复现很关键。
追求开箱即用的自媒体
不推荐项目是研究型模型，部署、显存与推理时间都要自己处理，日常赶稿的博主用它不如直接选在线视频产品省事。
有版权的商业广告团队
有条件用真人形象做身份保持涉及肖像授权，交付前需要自行确认素材权利链条，不能只看生成效果。
ConsisID优点和缺点
优点
- 用频率分解把身份特征拆开注入，思路比单纯堆参考图更有针对性
- 开源发布，训练与推理流程可复现，方便做对比实验
- 适合多镜头复用同一角色的创作流程，减少反复抽卡
- 研究定位清晰，不是拼功能数量的通用视频工具
缺点
- 研究型项目，需要自行部署环境，显存与推理耗时都要自己扛
- 动作幅度大或视角剧烈变化时，身份保持仍可能出现漂移
- 没有面向普通用户的在线编辑界面，学习成本集中在工程侧
- 依赖参考图质量，输入照片不理想会直接反映在成片上
ConsisID常见问题
ConsisID 解决的是什么问题？＋
解决文本到视频生成里「人物换脸」的问题。普通生成模型在不同镜头之间容易把脸换成另一个人，ConsisID 通过把身份特征按频率拆解后注入生成过程，让同一个人在多段视频里保持长相一致。
它和普通文生视频模型有什么不一样？＋
普通模型只吃文本提示词，人物长相由模型随机决定。ConsisID 额外接受参考人脸作为身份条件，把身份线索贯穿到去噪过程里，重点不是画面更花哨，而是同一张脸能稳定复用。
普通创作者能直接用吗？＋
可以但门槛偏高。它没有在线编辑界面，需要自己准备推理环境、跑命令行或脚本，对不熟悉部署的创作者并不友好。如果只是偶尔生成短视频，用现成的在线视频产品更省时间。
身份保持是不是绝对不会跑偏？＋
不是。人物动作幅度大、视角切换剧烈，或者参考图本身有遮挡和强光时，生成结果仍可能偏离参考身份。实际使用中通常靠分段生成、控制镜头幅度、多试几次来收敛到可用的成片。
ConsisID竞品对比
| 工具 | 编辑评分 | 价格 | 核心功能 | 平台 |
|---|---|---|---|---|
| ConsisID本工具 | 4.4 | 未标价 | 身份保持生成；频率分解建模；文本驱动生成；开源可复现 | — |
| Allegro | — | 未标价 | 先进的文本到视频生成模型 | — |
| Emu Video | — | 未标价 | AI 驱动的文本到视频生成 | — |
| ID-Animator | — | 未标价 | 零样本身份保持人类视频生成技术 | — |
| Allegro-TI2V | — | 未标价 | 文本图像到视频生成模型 | — |
| InstructVideo | — | 未标价 | 文本到视频的指导生成模型 | — |
