Wir stellen Lynx vor, ein Modell mit hoher Fidelität zur personalisierten Videogenerierung auf Basis eines einzigen Eingabebildes. Aufbauend auf einem Open-Source-Grundmodell aus Diffusion Transformer (DiT) integriert Lynx zwei leichte Adapter, um eine präzise Identitätsfesthaltung zu gewährleisten. Der ID-Adapter verwendet einen Perceiver Resampler, um aus ArcFace-abgeleiteten Gesichtseingaben kompakte Identitätstokens zur Bedingungssteuerung zu generieren, während der Ref-Adapter dichte VAE-Features aus einem fixierten Referenzpfad nutzt, um feinste Details über alle Transformer-Schichten mittels Cross-Attention einzubringen. Diese Module ermöglichen gemeinsam eine robuste Identitätsbewahrung gleichzeitig mit hoher zeitlicher Kohärenz und visueller Realität. In einer evaluierten Benchmark mit 40 Probanden und 20 unvoreingenommenen Prompten – was insgesamt 800 Testfälle ergab – zeigte Lynx eine überlegene Gesichtsähnlichkeit, konkurrenzfähige Prompt-Unterstützung sowie herausragende Videoqualität und trägt somit entscheidend zur Weiterentwicklung der personalisierten Videogenerierung bei.