机器之能报道

编辑：杨文

AI「表演」猪八戒送外卖、黑旋风啃鸡腿。

AI 视频圈上演「神仙打架」，全球网友开启花式整活。

然而，摆在创作者面前的第一道槛儿，就是永远不知道下一秒会生成个啥。

例如，上一秒还是美女，下一秒就蹿出个怪物史莱克：

明明是个丑萌的布偶猴子，接着就蹦出个小浣熊：

还有更离谱的，一秒变性：

这类邪门视频层出不穷，究其原因，还是 AI 难以保持主体一致性。

不过就在昨天，生数科技的视频模型 Vidu 上线了新功能 —— 主体参照，仅需一张图片即可实现主体可控。

比如，上传一张猪八戒的照片，通过提示词任意切换场景，而猪八戒样貌不变。

提示词：猪八戒在街上玩滑板

提示词：猪八戒在河里游泳。

提示词：猪八戒骑摩托送外卖

更重要的是，它免费开放，注册邮箱即可使用。

体验地址：www.vidu.studio

-1-

实测：一张图，场景随意换

所谓「主体参照」，就是用户上传任意主体的一张图片，Vidu 就能锁定该主体形象，通过提示词任意切换场景，输出主体一致的视频。

啥叫任意主体？

甭管是人物、动物、商品，还是动漫角色、虚构主体，它都能确保其视频生成的一致性。

Vidu 也是全球首个支持该能力的视频大模型。

接下来，我们就奉上一手实测。

Round 1：人物主体

我们上传一张「黑旋风」李逵的照片。

提示词：一个男子正在海边的沙滩上啃鸡腿。

李逵的硬汉形象在海边沙滩场景中得到了完美保留，动作幅度大且流畅自然。

而且，脸部没有崩坏，也没有出现「六指狂魔」。

我们又上传了一张孙悟空的剧照。

提示词：孙悟空骑着摩托，行驶在路上。

孙猴子立马化身机车手，上演了一出「速度与激情」。

Vidu 对于细节的处理也挺到位。

比如骑摩托时，风将袖子吹鼓起来，毛发微微向后晃动。

再来祸祸一下「硅谷钢铁侠」马斯克。

提示词：一个男子坐在咖啡馆里喝咖啡。

西装革履的马斯克坐在咖啡馆里，缓缓转过头来，端起了咖啡杯，整个过程一气呵成，相当逼真。

值得注意的是，为了防止生成违规视频，Vidu 还在提示词中进行了限制，不能输入暴力、色情以及政治人物的名字等。

Round 2: 动物主体

Vidu 还可以实现动物在不同环境下、大幅运动状态中细节特征保持一致。

这意味着，我们只需上传一张萌宠照片，就能随心所欲生成一段 Vlog。

提示词：一只北极熊在水里游泳。

满是冰川的北极，一只凶猛的北极熊在水里扑腾，周围溅起了圈圈水花。

镜头中北极熊运动幅度很大，画面却很稳定清晰。

提示词：一只兔子在啃胡萝卜。

虽然我们投喂给 Vidu 的是一张兔子的侧面照，但它仍能生成兔子抱着胡萝卜啃的正面大特写。

提示词：一只企鹅在舞台上跳舞

从这则 8 秒视频可以看出，Vidu 基本能遵循提示词的要求，生成的场景就是一个灯光闪烁的舞台。

毛茸茸的企鹅跳着笨拙的舞蹈，还有表情变化。

视频链接：https://mp.weixin.qq.com/s/7a6EScdJ2M4nFT40JqGwZw

Round 3: 虚构角色

Vidu 不仅能搞定写实风格的主体，针对虚构的主体，它也可以保持其高度一致。

一只蜗牛在海里冲浪，溅起浪花。

‍

‍这只蜗牛扑闪着眼睛，在海浪里疾驰。

提示词：猫咪坐在电脑前打字。

Round 4 : 动漫主体

动漫风格可以说是 Vidu 的强项，在之前的 7 大 AI 视频神器测评中，Vidu 就凭借着该强大功能备受好评。

而此次「主体参照」功能中，动漫角色仍是拿手好戏。

提示词：蜡笔小新踢球。

提示词：柯南在路上奔跑。

生成的视频中，无论是装扮还是面孔，都是那个熟悉的柯南。而且，整个镜头的画风均保持动漫风格。

不过，它也有些 bug。例如，胳膊摆动时会有些虚化，随着镜头拉远，柯南竟然腾空飞起来了。

Vidu 最让人惊喜的，还得是对于 3D 动画人物的处理。

提示词：男孩站在厨房切菜。

提示词：女孩在花园里跳舞。

Round 5：商品主体

众所周知，广告片的一大关键就是保证多个镜头、不同场景下品牌物形象的一致性。

Vidu 的「主体参照」功能就派上用场。

例如，我们上传一张可口可乐的商品图，并输入提示词：罐子垂直落在水里，溅起水花，Vidu 随即完成产品的动态表现。

上效果：

提示词：食物摆在黑色大理石餐桌上，垂直洒下粉色的樱花花瓣。

效果最明显的，还要数下面的这则跑步鞋广告视频。

视频链接：https://mp.weixin.qq.com/s/7a6EScdJ2M4nFT40JqGwZw

这则跑步鞋广告中，仅通过一张商品图，便完成了所有视频画面的生成，无论是不同角度、背景，还是动态表现，跑步鞋的形象在整个视频中都保持了高度一致。

据悉，该广告视频仅由一个人花 6 小时完成的，包含前期策划、素材生成，后期剪辑。

要知道，在传统广告片制作中，高质量的镜头依赖线下实拍和后期制作，时间周期长、成本投入大。

而如今，Vidu 凭一己之力，就可以在广告制作中挑大梁。

-2-

专业名词傻傻分不清？

目前，视频大模型领域已有「图生视频」和「角色一致性」等能力，那么，Vidu 的「主体参照」功能到底强在哪儿？

咱们先来缕缕这几个概念。

所谓「图生视频」（Image to Video），就是基于首帧画面的连续生成。它无法直接输出目标场景，这就限制了视频内容的多样性和场景的自由度。

「角色一致性」（Character to Video），则只限于人物面部特征的一致性，难以保证人物整体形象的稳定。

而 Vidu 的「主体参照」（Subject Consistency），不局限于人物，面向任意主体。其次在人物主体下，可选择保持面部一致，也可选择保持人物整体形象的高度一致，通过输入文字描述灵活输出目标场景。

例如，我们输入一张林黛玉的角色照，输入同样的提示词「在现代咖啡厅喝咖啡」。

图生视频效果：

‍「角色一致性」效果：

Vidu 的「主体参照」效果：

我们能直观看到，在 Vidu 「主体参照」功能下，林黛玉的形象在现代场景中得到了完美保留，场景输出也自然而真实。

现在，你能分清了吗？

OK，今天的 AI 小课堂就到这儿，古德拜！

工具链接——

Vidu官网：www.vidu.studio