字节跳动推出全新视频生成框架 ATI：用“画轨迹”控制视频运动，对象、视角、局部变形一应俱全！

字节跳动 AI 实验室发布了一项令人眼前一亮的视频生成技术 —— ATI（Any Trajectory Instruction），它让普通人也能通过“画轨迹”的方式，精准控制视频中物体的运动、镜头的移动甚至局部细节的动态变化。

• 项目主页：https://anytraj.github.io
• GitHub：https://github.com/bytedance/ATI

官方宣布，配套模型 ATI-Wan2.1 14B 即将在不久后向公众开放，意味着开发者和创作者将能直接上手使用这一前沿技术。

什么是 ATI？一个“画轨迹就能生成视频”的新方法

传统的视频生成工具，往往只能粗略地控制画面内容，比如“让汽车从左到右移动”，但很难做到“让车头先转、再加速、最后刹车停住”。

而 ATI 的出现，打破了这种限制。它的核心思想是：

你只需要在图像上画出你想动的点的轨迹路径，AI 就能根据这些路径生成一段符合运动逻辑的视频。

无论是：

• 对象整体移动（如人物走路）
• 局部变形（如挥手、眨眼）
• 摄像机视角变换（推拉、旋转）

ATI 都能统一处理，实现精细控制。

技术原理简析：如何用轨迹生成视频？

ATI 并没有从头训练一个新模型，而是基于现有的图生视频模型（Wan2.1），加入了一个轻量级的“运动注入器”模块。具体流程如下：

✅ 步骤一：用户绘制轨迹

• 用户可以在图像上指定多个关键点，并绘制它们的运动路径；
• 轨迹可以是自由手绘，也可以是系统辅助的相机运动模板。

✅ 步骤二：高斯分布编码轨迹信号

• 系统会将每个轨迹点转换为潜在空间中的特征；
• 使用高斯分布模型，对相邻像素进行权重分配，实现平滑过渡。

✅ 步骤三：注入扩散模型，生成视频

• 这些轨迹特征被注入到视频生成模型中；
• 最终输出一个时间连贯、语义一致的视频序列。

此外，为了减少轨迹中断或遮挡带来的失真，ATI 还引入了“尾部丢弃正则化”策略，让模型学会处理不完整的运动路径。

 核心优势一览

应用场景广泛，创作者友好

ATI 的最大价值在于它的操作门槛低、适用范围广。以下是一些典型应用场景：

🖌️ 动画制作

• 想让角色挥挥手？只需画出手的轨迹，AI 自动补全中间帧。
• 不再依赖复杂的骨骼绑定或逐帧绘制。

📹 视频特效

• 控制虚拟摄像机的移动轨迹，模拟电影级运镜效果；
• 快速生成特定角度的动作片段，用于后期剪辑。

🎭 游戏与虚拟角色

• 让 NPC 或虚拟主播做出精确的表情和动作；
• 降低角色动画开发成本，提升互动体验。

🎞️ 创意内容生成

• 教育、科普、短视频创作者可通过轨迹快速生成动态演示；
• 配合文生图、视频生成大模型，打造完整创作闭环。

测试结果亮眼：准确率优于现有方案

研究人员通过测试集验证了 ATI 的性能：

这意味着，在大多数情况下，AI 生成的视频都能较好地贴合用户定义的轨迹路径。

当然，它也有局限性，例如在极快运动或复杂解构动作中可能出现失真，但整体表现已明显优于当前主流方法。

 开发者友好，兼容性强

ATI 的一大亮点就是它的高度兼容性。它不依赖于某个特定模型，而是可以轻松适配多种先进的图像到视频生成架构。

这意味着：

• 它可以无缝集成进已有视频生成平台；
• 也能作为插件或附加模块，提升现有模型的可控性；
• 更重要的是，它不会增加模型训练负担，节省大量资源。

工具已上线，即将开源

目前，研究团队已经提供了交互式编辑工具，支持：

• 手动绘制任意轨迹；
• 设置相机放大/缩小路径；
• 编辑并应用全局相机位移。

开发者和创作者可以通过这些工具，尝试构建自己的轨迹驱动视频内容。

据透露，配套的大模型 ATI-Wan2.1 14B 也将很快开源，届时所有人都可以下载使用。