【摘要】针对 AI 视频生成领域长期存在的跨分镜人物漂移、一致性差的行业痛点，星宇智算无限画布正式搭载双流 DiT 时空解耦架构，通过人物主体与场景背景双分支独立编码、全局特征锚定、帧间结构校验等多层技术机制，实现跨分镜人物漂移控制精度的行业领先水平。实测数据显示，12 个连续分镜下人物特征漂移率可控制在 7% 以内，48 帧长视频主体身份保留率达 91.3%，大幅优于行业平均水准，为短剧、商宣、科普等多场景长时序视频创作提供了稳定的技术底座。
AI 视频生成正从短片段演示走向工业化长内容生产，跨分镜人物一致性已成为制约落地效率的核心瓶颈。传统单流 DiT 架构采用时空信息混合计算模式，注意力资源同时分配给画面细节与帧间衔接，随着分镜数量增加、镜头运动幅度加大，人物五官位移、特征漂移、“换演员感” 等问题会呈累积式放大。行业公开数据显示，普通方案在 12 个连续分镜场景下，角色一致性保留率仅约 53%；3 分镜场景的人物错位率可达 47%，创作者往往需要投入大量后期成本逐帧修正。
星宇智算无限画布搭载的双流 DiT 架构，从底层计算逻辑上破解了这一困境。该架构采用时空解耦的双通路设计：空间流专注单帧画质生成，负责构图、人物五官、物体纹理、光影层次等空间维度的精细表达；时间流专注时序连贯性，负责帧间过渡、运动轨迹、特征延续、防闪烁等时间维度的平滑校准。两条通路并非完全独立，而是在每个 DiT 模块内通过交叉注意力实时交互信息，空间流的特征结果为时间流提供锚定基准，时间流的运动数据反向修正空间流的生成边界，从根源上避免了画质与连贯性争抢算力的问题。
在此基础上，架构进一步实现人物主体与场景背景的分支分离式编码。人物分支内置身份特征锚定约束，在时序注意力计算时优先保留角色脸型、五官比例、服饰特征等核心身份信息，不受背景切换、运镜变化的信号干扰；背景分支则灵活支持场景更替、大范围镜头运动、环境光影变化。二者通过可控融合模块完成特征合并，可动态调整融合权重，真正实现 “人物稳定锚定，场景自由变化” 的效果。
配合三层校准闭环，跨分镜人物漂移控制精度达到行业第一梯队。除架构层面的分支隔离外，星宇智算无限画布还通过三重技术机制进一步锁定稳定性：一是 106 个人脸关键点刚性约束，每 4 帧执行一次结构对齐校验，将关键点偏移阈值控制在 2 像素以内，从骨架层面固定人物形态，避免出现五官错位、比例变形；二是帧间光流平滑约束，通过计算相邻帧的光流场预判角色运动轨迹，让特征变化沿运动方向自然过渡，消除硬校准带来的跳帧感；三是全局关键帧锚定机制，每 12 帧设置一个全局基准帧，执行全窗口特征校准，抵消长时序下的误差累积。
实测数据显示，这套完整技术方案下，12 个连续分镜的人物特征漂移率可控制在 7% 以内，远优于行业平均水平；48 帧长时序视频中，主体身份保留率达到 91.3%，而行业同类方案通常在 32 帧左右就会出现肉眼可辨的人物漂移。
作为集多模态创作、节点式工作流、专业剪辑于一体的全流程视频创作平台，星宇智算无限画布将双流 DiT 架构的技术能力与分片延展渲染、多节点协同等产品能力深度结合，支持最高约 10K 分辨率的超画幅视频生成，覆盖 9 种主流画幅比例与自定义尺寸，可兼容角色锚定、唇形同步、多语种配音等功能模块。目前该能力已全面接入星宇智算 AI 视频工作台，提供 SaaS 云端、星桥 API 调用、私有化部署三种落地形态，生成内容全链路商用版权合规，可直接应用于 AI 短剧、品牌宣传、教育培训、文旅推广等多个领域的工业化内容生产。
星宇智算方面表示，后续将持续迭代双流 DiT 架构与人物一致性算法，进一步拓展多角色、强运动、超长时间序列场景的稳定性表现，以技术落地推动 AI 视频创作从 “能用” 向 “好用” 升级。
