Phantom

让AI生成的视频里，主角永远不跑偏

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署视频生成 🍴 复刻 101 🐛 待处理 41 👀 关注 72

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 1535

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源项目，Apache-2.0 许可证，可自行部署使用，无收费版本。

项目预览

项目数据

分类视频生成

开发团队Phantom-video

官网地址https://phantom-video.github.io/Phantom

GitHubhttps://github.com/Phantom-video/Phantom

定价模式🏷️完全免费

价格说明开源项目，Apache-2.0 许可证，可自行部署使用，无收费版本。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型aigc,consistency-models,text-to-video,video-generation

GitHub 星标★ 1535

上线时间2025-02-10 00:00:00

代码更新2025-09-11

仓库体积773.9 MB

本站数据更新2026-11-09

维护状态低维护

收录时间2026-08-09

浏览次数4

项目介绍

Phantom 是一个基于扩散模型的文生视频（Text-to-Video）开源项目，专注于解决视频生成中主体一致性问题。它通过跨模态对齐技术，确保在生成的视频中，同一主体在不同帧中保持外观、身份和风格的一致性，避免出现主体漂移或变形。项目提供了完整的训练和推理代码，支持自定义数据集微调，并集成了多种视频生成范式。其核心能力包括：利用一致性模型（Consistency Models）加速采样，实现更快的视频生成；通过跨模态对齐模块，将文本描述与视觉特征深度融合，提升生成视频与文本的语义匹配度；同时支持长视频生成和运动控制。Phantom 适合需要生成高质量、主体连贯视频内容的研究者和开发者，可应用于创意内容制作、虚拟角色动画、广告生成等场景。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 1535

技术标签

aigc consistency-models text-to-video video-generation

使用教程

⚠ 本教程由 AI 依据该项目 README 整理；原始文档不完整，部分步骤为通用流程推断，实际安装请以项目官方文档为准。

难度：高级约 30 分钟部署方式：本地安装 5 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

已安装 Git（README 克隆命令需要）
具备 Python 环境（README 未给出具体版本要求）
建议预留足够磁盘空间存放模型权重（README 未给出具体大小）

安装与启动步骤

1克隆仓库

把 Phantom 源码下载到本地，README 给出的仓库地址为 https://github.com/Phantom-video/Phantom。
```
git clone https://github.com/Phantom-video/Phantom.git
```
2进入项目目录

切换到刚克隆下来的 Phantom 目录，后续操作都在该目录内进行。
```
cd Phantom
```
3安装依赖

README 的 Installation 一节写有 Install dependencies，但未给出具体安装命令，需自行查看仓库内的依赖说明文件后安装。
4获取模型权重

README 顶部提供 Hugging Face 模型页面 https://huggingface.co/bytedance-research/Phantom ，按其页面说明下载权重；README 未给出下载命令。
5运行主体到视频生成

README 列有 Run Subject-to-Video Generation 小节，但未给出运行命令或参数，需自行查阅仓库内的推理脚本与文档。