EchoVideo

模型简介

字节开源的身份保持人像视频模型，一张照片加文本就能生成人物视频，重点解决语义冲突与生硬贴脸。

输出类型

生视频

架构

DiT + 多模态特征融合（基于 CogVideoX-5B 主干）

参数量

5B

所属

EchoVideo

商用

不可商用

许可

CC BY-NC 4.0

发布

2025-02-27

收录

2026-10-03