# 腾讯微信团队发布 Stand-In：仅需1%参数微调，即可打造高保真身份一致的AI视频生成新范式 - Link: https://paooo.com/aigc-news/13776/ - Published: 2026-06-22T04:42:22+08:00 - Author: 站外新闻 > **💡 站外导读：**在AI视频生成浪潮中，如何让生成的人物在每一帧都保持“同一个人”一直是 > 行业核心痛点。身份漂移、特征不一致严重限制了虚拟角色、个性化内容等应用的落地。 > 腾讯微信视觉团队推出的 Stand-In 框架，直击这一挑战。它通过轻量级的条件图像分支 > 和受限自注意力机制，仅需微调1%的模型参数，即可在任何现有文本到视频模型上实现高保 > 真、身份连贯的视频生成，将技术门槛和计算成本大幅降低，标志着AI视频创作正从“可用” > 迈向“可靠”和“个性化”的新阶段。 ## Stand-In是什么 Stand-In 是腾讯微信视觉团队推出的轻量级的[视频生成](https://ai-bot.cn/ai-video-generation-tools/) 框架，专注于生成身份保护视频。框架通过训练1%的基础模型参数，能生成高保真度、身份 一致的视频，具有即插即用的特点，支持轻松集成到现有的文本到视频（T2V）模型中。Stand- In 支持多种应用场景，包括身份保留的文本到视频生成、非人类主体视频生成、风格化视频 生成、视频[换脸](https://ai-bot.cn/ai-face-swapping-tools/)和姿势引导视频生成等， 具有高效、灵活和可扩展性强的优势。 阅读目录 * [Stand-In是什么](https://paooo.com/aigc-news/13776/#standin%e6%98%af%e4%bb%80%e4%b9%88) * [Stand-In的主要功能](https://paooo.com/aigc-news/13776/#standin%e7%9a%84%e4%b8%bb%e8%a6%81%e5%8a%9f%e8%83%bd) * [Stand-In的技术原理](https://paooo.com/aigc-news/13776/#standin%e7%9a%84%e6%8a%80%e6%9c%af%e5%8e%9f%e7%90%86) * [Stand-In的项目地址](https://paooo.com/aigc-news/13776/#standin%e7%9a%84%e9%a1%b9%e7%9b%ae%e5%9c%b0%e5%9d%80) * [Stand-In的应用场景](https://paooo.com/aigc-news/13776/#standin%e7%9a%84%e5%ba%94%e7%94%a8%e5%9c%ba%e6%99%af) * [📝 站长洞察 (Editor’s Insight)](https://paooo.com/aigc-news/13776/#%f0%9f%93%9d-%e7%ab%99%e9%95%bf%e6%b4%9e%e5%af%9f-editor8217s-insight) ![Stand-In](https://paooo.com/wp-content/uploads/2026/05/Stand-In-website-1.avif) ## Stand-In的主要功能 * **身份保留的文本到视频生成**：根据文本描述和参考图像，生成与参考图像身份一致的 视频，确保人物特征在视频中保持高度一致。 * **非人类主体保留视频生成**：框架能生成卡通角色、物体等非人类主体的视频，且保持 主体特征的连贯性。 * **身份保留风格化视频生成**：在保持人物身份特征的同时，对生成的视频应用特定的艺术 风格，如油画或动漫风格，实现风格化效果。 * **视频换脸**：将视频中的人物面部替换为参考图像中的面部，实现高保真度的面部替换， 保持视频的自然度和连贯性。 * **姿势引导视频生成**：根据输入的姿势序列，生成人物在相应姿势下的视频，实现姿势 的精确控制和生成。 ## Stand-In的技术原理 * **条件图像分支**：在预训练的视频生成模型中引入一个条件图像分支。用预训练的 VAE（ 变分自编码器）将参考图像编码到与视频相同的潜在空间中，提取丰富的面部特征。 * **受限自注意力机制**：通过受限自注意力机制实现身份控制，支持视频特征有效地引用 参考图像中的身份信息，同时保持参考图像的独立性。用条件位置映射（Conditional Position Mapping）区分图像和视频特征，确保信息交换的准确性和高效性。 * **低秩适配（LoRA）**：在条件图像分支中使用低秩适配（LoRA）来增强模型对身份信息 的利用能力，同时保持模型的轻量级设计。LoRA 仅对条件图像的 QKV 投影进行微调，避免 引入过多的训练参数。 * **KV 缓存**：参考图像的时间步固定为零， Key 和 Value 矩阵在扩散去噪过程中保持 不变。在推理过程中缓存这些矩阵加速计算。 * **轻量级设计**：Stand-In 训练约1%的额外参数，显著减少训练成本和计算资源的消耗， 使 Stand-In 能轻松集成到现有的文本到视频（T2V）模型中，具有高度的可扩展性和兼容 性。 ## Stand-In的项目地址 * **项目官网**：https://www.stand-in.tech/ * **GitHub仓库**：https://github.com/WeChatCV/Stand-In * **HuggingFace模型库**：https://huggingface.co/BowenXue/Stand-In * **arXiv技术论文**：https://arxiv.org/pdf/2508.07901 ## Stand-In的应用场景 * **虚拟角色生成**：为电影、电视剧和动画创建虚拟角色，确保角色在不同场景中的身份 一致性。 * **特效合成**：在特效制作中，快速生成与真人演员身份一致的虚拟角色，减少后期合成 的复杂性。 * **个性化广告**：根据用户提供的参考图像生成个性化的广告视频，提高广告的吸引力和 用户参与度。 * **虚拟代言人**：创建虚拟代言人，用在品牌推广和产品宣传，确保品牌形象的一致性和 连贯性。 * **角色定制**：玩家根据自己的形象生成游戏中的角色，增强游戏的沉浸感和个性化体验。 #### 📝 站长洞察 (Editor’s Insight) Stand-In 的发布，远不止是一个技术模型的更新，它揭示了AIGC视频领域的关键演进方向： 从追求生成质量的“无中生有”，转向注重可控性与一致性的“精准塑造”。其核心创新在于‘用 极小参数撬动[大模型](https://paooo.com/ai-study/)’，通过LoRA和受限注意力机制，巧妙 地将身份控制能力‘植入’现有生态，这是一种极具工程智慧的渐进式创新。它解决了行业从 演示走向商用必须跨过的‘一致性’门槛，使得虚拟人、数字分身、个性化广告等场景真正具备 了规模化生产的基础。微信团队此举，不仅展示了其深厚的工程化能力，更可能推动视频生成 技术栈的标准化——未来，身份、风格、姿势等控制模块，都可能像插件一样即插即用，共同 构建一个高度可组合的AI视频操作系统。这标志着AIGC视频正从‘技术奇观’时代，加速驶向‘ 产业工具’时代。 **🚀 Prompt 语宙 AI 创作者生态：**探索 2,000+ 全球实用 AI 工具与高精度生图提示词 咒语库 [🧭 语宙 AI 导航 (ai.paooo.com)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/) [⚡ AIGC 早报生成器](https://paooo.com/mtool/)