CoInteract

CoInteract 是一个面向人-物交互场景的视频生成模型，旨在联合生成空间结构一致的人体动作与物体运动视频。其核心功能是通过空间结构建模实现人体与物体在时空维度上的协同生成，支持基于姿态（pose-driven）和音频驱动的推理，并复用 Wan2.2-S2V-14B 等多模态基础模型。技术特点包括显式的空间关系建模、跨模态对齐机制以及针对中文语音输入的适配。适用于虚拟人交互演示、人机协作仿真、数字内容创作等需精准建模人体与物体动态耦合关系的科研与工业场景。