Phantom 是一个文本到视频生成模型，通过跨模态对齐保持主体一致性，让生成视频中的角色或物体在不同镜头间保持统一外观。

UNO 是字节跳动开源的通用图像定制方法，基于扩散 Transformer，用同一套框架同时支持单主体和多主体参考图生成，解决多主体一致性难的问题。

在保持前景细节不变的前提下，用参考图驱动扩散模型生成新场景，适合需要主体一致性的图像编辑与合成。

OpenS2V-Nexus 是面向主体到视频生成（S2V）的评测基准与百万级数据集，提供评估工具包，用来衡量模型在保持指定主体一致性上的生成效果。