MAGREF：字节推出多主体视频生成神器，重新定义复杂场景的视频合成

“MAGREF通过掩码引导机制与多模态输入融合，实现了复杂场景下多主体的连贯生成与精确控制，推动视频生成技术进入新阶段。”

一、产品概述

MAGREF 是字节跳动推出的一款多主体视频生成工具，专为复杂场景下的高质量视频合成设计。其核心能力在于：

• 多主体连贯性：在包含人物、物体、背景的复杂场景中保持动态一致性。
• 精确控制：通过掩码引导、文本提示及参考图像，实现对主体动作、布局和风格的精准控制。
• 高视觉质量：生成视频在面部相似度、细节真实度和自然性方面达到行业领先水平。

MAGREF支持多种生成模式：

• 单人视频：生成特定人物的动态视频（如舞蹈、演讲）。
• 多人互动视频：模拟多个角色之间的自然互动（如对话、协作）。
• 组合视频：结合人物、物体与环境生成完整场景（如室内布置、户外活动）。

二、核心技术架构