ConsisID é um modelo de geração de vídeo a partir de texto com preservação de identidade baseado em decomposição de frequência. Ele gera vídeos de alta fidelidade consistentes com a descrição de texto de entrada usando um sinal de controle de identidade no domínio da frequência. O modelo não requer ajustes finos trabalhosos para diferentes casos e consegue manter a consistência da identidade do personagem nos vídeos gerados. A proposta do ConsisID impulsiona o desenvolvimento da tecnologia de geração de vídeo, especialmente em relação a fluxos sem ajustes e esquemas de controle de preservação de identidade sensíveis à frequência.