ID-V2V 是视频领域的开源项目，由 Eyeline-Labs 开发，是 2026 年新上线的项目。
它收录于视频分类，该分类目前共有 474 个项目，GitHub 星标数为 273。
项目保持着较活跃的维护节奏，最近一次代码更新于 2026-09-25。从国内网络环境看，可直接访问。
它主要面向的使用场景是：影视后期：将实拍视频转换为特定艺术风格，保持演员身份。同类可对比的替代方案包括 AnimateDiff、ControlVideo、VideoComposer。
ID-V2V
视频换风格，人脸不换样
ID-V2V 是 SIGGRAPH Asia 2026 论文的官方实现，专注于身份保持的视频重风格化（Identity-preserving Video Restylization）。它解决的是在将视频转换为不同风格（如动漫、油画等）时，如何保持人物身份特征一致性的问题，避免风格迁移导致的面部变形或身份丢失。核心能力包括可控生成、重打光（relighting）和视频到视频（V2V）编辑。通过输入一个视频和参考风格，模型能够输出风格化但身份不变的新视频，同时保持时间上的连贯性。项目基于 Python 实现，技术栈涵盖可控生成、视频编辑和视频生成，适合用于影视后期、虚拟内容创作等场景。目前处于早期阶段，代码和文档正在完善中。
开源
unknown
视频生成
GitHub 星标
★ 273
维护状态
较活跃
是否开源
是
定价模式
unknown
项目数据
分类视频生成
开发团队Eyeline-Labs
所属国家
定价模式unknown
价格说明定价信息待确认
访问状态
是否开源是
开源协议Apache-2.0
主要语言Python
技术栈/模型controllable-generation,relighting,video-editing,video-generation,video-to-video,videoediting,videogeneration
GitHub 星标★ 273
30天Star增速
HF 下载量
上线时间2026-07-14 00:00:00
最近更新2026-09-25 00:00:00
维护状态较活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数5
使用教程
核心亮点
- 身份保持：专门优化视频风格化中的人脸身份一致性，避免常见变形问题
- 学术背书：SIGGRAPH Asia 2026 论文官方实现，算法有理论支撑
- 多技术融合：集成可控生成、重打光和视频编辑，功能覆盖全面
不足之处
- 早期项目，文档和社区支持待观察
- 依赖重，部署门槛可能较高
适用场景
- 影视后期：将实拍视频转换为特定艺术风格，保持演员身份
- 虚拟内容创作：生成风格化虚拟主播或角色视频
- 广告与营销：快速制作风格化产品演示视频
替代项目
AnimateDiff、ControlVideo、VideoComposer
项目介绍
上一篇：flux-3-video-api
下一篇：flowm
同类项目推荐
MoneyPrinterTurbo
开源
输入一句话，高清短视频自动出炉，文案配音全包了
利用 AI 大模型和自动化工作流，根据主题或关键词一键生成高清短视频。Generate HD short ···
seedance-2.0-api
开源
快速上手字节Seedance 2.0，文本/图片一键生成视频
Seedance 2.0 API — text-to-video and image-to-video examples
openscreen
开源
免费无水印录屏做演示，替代 Screen Studio
Record your screen, ship a demo. Free and open-source, GPU-accelerated, no watermark···
MagicDance
开源
一张图+任意动作，生成身份不变的逼真人物视频
[ICML 2024] MagicPose(also known as MagicDance): Realistic Human Poses and Facial Ex···