500万视频数据集+全新评测框架！北大开源主体一致性视频生成领域新基建OpenS2V-Nexus，生成视频 「像」 又 「自然」

然而，要训练和评价这样的模型，过去一直缺少公开可用的 大规模数据集和细粒度评测基准 ，限制了 S2V 技术的快速突破。 想让 AI 能 「看着你的自拍就生成一致且自然的短视频 」 吗？这就是 Subject-to-Video（S2V）生成 要解决 的问题：让视频生成不仅对齐文本，还能准确保留指定人物或物体的特征，让生成的视频既 「像 」 又 「自然 」 。这一能力对于短视频生成、虚拟人、AI 剪辑等都有巨大意义。 为此， 北大团队推出了全新的开源套件 OpenS2V-Nexus ，专为 S2V 生成打造： OpenS2V-Eval： 全球首个面向主体一致性、自然度和文本对齐的 S2V 细粒度评测基准，让不同模型在 主体一致性上真正可比。 OpenS2V-5M： 全球首个公开的 500 万条高质量 720P 人物文本视频三元组数据集 ，覆盖真实和合成数 据，帮助研究者快速训练更强大的生成模型。 北大团队还在 18 个代表性 S2V 模型上进行了系统评测，首次揭示了目前主流模型在保持主体一致性和自然 度方面的真实能力差距。 通过 OpenS2V-Nexus，未来做 AI 视频生成不再盲人摸象，让训练更高效、评测更 ...