Boximator

Boximator 是字节跳动研究团队（ByteDance Research）的一篇论文项目，主题是让视频生成中的动作变得可控。普通文生视频模型只能靠提示词描述「怎么动」，结果常常跑偏；Boximator 的做法是在文字之外再加一层边界框约束，指定某个物体从哪移动到哪，从而把动作「框」住。页面上展示了大量示例，比如小猫钻进杯子、鲸鱼跃出水面再落回、武士左右手换剑，每条都配了文字提示。

主要功能

页面把能力分成几块：示例区按提示词逐条展示生成片段；对比区把 Boximator 与 Pika 1.0、Gen-2 放在同一提示词下比较，并注明后两者只用图像和文字条件，Boximator 额外用了从文本推导出的框约束。基础模型标注为 PixelDance。页面还提供 arXiv 论文入口和 BibTeX 引用信息，方便研究者引用。

怎么试用

官方演示站当时还在开发中，页面说预计两三个月内上线，届时不需要额外申请。在此之前只能走邮件渠道：把一张初始帧图片和一段描述动作的文字提示发到指定邮箱，团队会回复生成好的视频。页面建议图片用干净的原始图、比例接近 1:1，动作描述尽量写细，长一点没关系；默认用户提供的素材和生成结果可能被展示在 gallery 里，不希望公开要在邮件里说明。

限制与注意

这不是一个能直接打开就用的在线工具，没有账号体系，也没有公开的网页界面，产出依赖人工邮件往返。页面明确要求不要发送色情、政治、血腥类图片和文字。更新记录停在 2024 年 2 月，春节假期积压的邮件回复会延迟，适合 Boximator 的样本会被优先处理。