新框架 CoInteract 亮相：只需兩張圖，生成不穿模的帶貨影片

想拍一段博主手拿新品展示的帶貨短影片，以前哪怕只是十幾秒，也得找人、寄樣機、搭光、對指令碼、一條條重拍。

用現有 AI 生成影片雖然省事，但一碰到「拿東西」這種動作就原形畢露：手指要麼多長了一根，要麼直接穿透了瓶子，商品在手裡忽大忽小，完全沒法當作真正的廣告來用。

研究人員公佈了一項名為 CoInteract 的影片生成框架（部分技術社群也稱為 Co-InAct），專門來解決這個頑疾。你只需要給它兩張參考圖：一張人物照、一張產品圖，再加上文字提示詞或者語音音訊，它就能生成一段人物拿著該產品進行介紹的逼真影片。

讓手指不再穿透商品

AI 生成人與物體互動（HOI）影片時，最頭疼的就是兩個毛病：一是手和臉等敏感部位結構容易變形，二就是手與物體之間沒有物理接觸約束，動不動就發生穿模或懸空。

CoInteract 搭建在 Diffusion Transformer（DiT）底座之上，用了兩個很聰明的架構設計來打補丁。

第一個設計是空間監督的人體感知混合專家模型（Human-Aware MoE）。它會把畫面中的 token 分發給輕量化、專門負責特定區域的專家模組。換句話說，手部和麵部這種精細區域有專門的專家盯著，幾乎不增加多少計算開銷，就把細節結構保住了。

第二個關鍵創新是空間結構協同生成（Spatially-Structured Co-Generation），也就是雙流協同訓練。一條流專門跑常規的 RGB 畫素外觀，另一條流作為輔助，專門負責建模人與物體互動的幾何結構關係。

在模型訓練時，結構流會時刻對照畫素流，約束共享的主幹網路權重，教模型理解手到底是怎麼抓住物體的。而在最終推理出片時，這條輔助結構流可以直接拿掉，做到零額外計算負擔就能輸出正常影片。

按步驟下指令，批次生成營銷內容

除了物理邏輯站得住腳，CoInteract 在互動控制上也做得相當靈活。使用者可以在提示詞裡按步驟拆解動作指令，模型會嚴格按照先後順序生成連續的展示動作。

加上它同時支援文本與語音音訊作為引導條件，人物在介紹產品時的口型和動作節奏也能更好地配合。

測試結果顯示，比起現有的主流影片擴散模型，CoInteract 在結構穩定性、動作邏輯一致性以及互動真實感上都有顯著提升。電商團隊不必再忍受手指溶進杯子或盒子憑空漂浮的劣質畫面。

為什麼重要

對於中小電商賣家和內容創作者來說，這類工具如果落地成產品，做營銷影片的成本會被直接打下來。以前僱帶貨網紅、寄樣品、拍開箱的高昂週期，未來可能只需要兩張清晰的產品白底圖和形象授權照，幾分鐘內就能批次跑出幾十套不同風格的口播切片。

但在我們看來，這類技術也是一把雙刃劍。最直觀的衝擊就是基層網紅和腰部開箱博主，如果品牌方只要靜態肖像權就能低成本量產影片，真人出鏡的商業價值會被嚴重稀釋。

技術層面上，CoInteract 的思路非常聰明。它沒有硬堆引數去賭通用模型自己學會物理常識，而是用輔助結構流在訓練階段給模型立規矩，推理時又果斷扔掉輔助分支保持輕量，這種工程取捨很值得同類研究借鑑。

不過，目前 CoInteract 還停留在學術論文階段，尚未開放現成的網頁服務或開源權重。對於普通創作者來說，要想真正用上無穿模的商品生成工具，還得等這套方案被整合進主流商業生成工具之後。