新框架 CoInteract 亮相：只需两张图，生成不穿模的带货视频

想拍一段博主手拿新品展示的带货短视频，以前哪怕只是十几秒，也得找人、寄样机、搭光、对脚本、一条条重拍。

用现有 AI 生成视频虽然省事，但一碰到「拿东西」这种动作就原形毕露：手指要么多长了一根，要么直接穿透了瓶子，商品在手里忽大忽小，完全没法当作真正的广告来用。

研究人员公布了一项名为 CoInteract 的视频生成框架（部分技术社区也称为 Co-InAct），专门来解决这个顽疾。你只需要给它两张参考图：一张人物照、一张产品图，再加上文字提示词或者语音音频，它就能生成一段人物拿着该产品进行介绍的逼真视频。

让手指不再穿透商品

AI 生成人与物体互动（HOI）视频时，最头疼的就是两个毛病：一是手和脸等敏感部位结构容易变形，二就是手与物体之间没有物理接触约束，动不动就发生穿模或悬空。

CoInteract 搭建在 Diffusion Transformer（DiT）底座之上，用了两个很聪明的架构设计来打补丁。

第一个设计是空间监督的人体感知混合专家模型（Human-Aware MoE）。它会把画面中的 token 分发给轻量化、专门负责特定区域的专家模块。换句话说，手部和面部这种精细区域有专门的专家盯着，几乎不增加多少计算开销，就把细节结构保住了。

第二个关键创新是空间结构协同生成（Spatially-Structured Co-Generation），也就是双流协同训练。一条流专门跑常规的 RGB 像素外观，另一条流作为辅助，专门负责建模人与物体互动的几何结构关系。

在模型训练时，结构流会时刻对照像素流，约束共享的主干网络权重，教模型理解手到底是怎么抓住物体的。而在最终推理出片时，这条辅助结构流可以直接拿掉，做到零额外计算负担就能输出正常视频。

按步骤下指令，批量生成营销内容

除了物理逻辑站得住脚，CoInteract 在交互控制上也做得相当灵活。用户可以在提示词里按步骤拆解动作指令，模型会严格按照先后顺序生成连续的展示动作。

加上它同时支持文本与语音音频作为引导条件，人物在介绍产品时的口型和动作节奏也能更好地配合。

测试结果显示，比起现有的主流视频扩散模型，CoInteract 在结构稳定性、动作逻辑一致性以及互动真实感上都有显著提升。电商团队不必再忍受手指溶进杯子或盒子凭空漂浮的劣质画面。

为什么重要

对于中小电商卖家和内容创作者来说，这类工具如果落地成产品，做营销视频的成本会被直接打下来。以前雇带货网红、寄样品、拍开箱的高昂周期，未来可能只需要两张清晰的产品白底图和形象授权照，几分钟内就能批量跑出几十套不同风格的口播切片。

但在我们看来，这类技术也是一把双刃剑。最直观的冲击就是基层网红和腰部开箱博主，如果品牌方只要静态肖像权就能低成本量产视频，真人出镜的商业价值会被严重稀释。

技术层面上，CoInteract 的思路非常聪明。它没有硬堆参数去赌通用模型自己学会物理常识，而是用辅助结构流在训练阶段给模型立规矩，推理时又果断扔掉辅助分支保持轻量，这种工程取舍很值得同类研究借鉴。

不过，目前 CoInteract 还停留在学术论文阶段，尚未开放现成的网页服务或开源权重。对于普通创作者来说，要想真正用上无穿模的商品生成工具，还得等这套方案被整合进主流商业生成工具之后。