全球首發(fā)！Vidu 讓任意主體保持一致，視頻生成進入新階段！

上線一個月，Vidu 再度迎來重大更新！

4月底，由生數(shù)科技和清華大學聯(lián)合研發(fā)的國內首個純自研原創(chuàng)視頻大模型 Vidu 面向全球發(fā)布，7月底正式上線，全面開放使用，憑借在快速推理、精確語義理解、高動態(tài)性和極致動漫風格等方面的優(yōu)勢，Vidu 產品表現(xiàn)位列全球視頻大模型的“第一梯隊”。

僅過去一個多月的時間，Vidu 迎來重大功能更新。9月11日生數(shù)科技舉辦媒體開放日活動，期間 Vidu 全球首發(fā)「主體參照」（Subject Consistency）功能，該功能能夠實現(xiàn)對任意主體的一致性生成，讓視頻生成更加穩(wěn)定、可控。目前該功能面向用戶免費開放，注冊即可體驗?。w驗地址: www.vidu.studio）

一、全球首個！僅需一張圖片實現(xiàn)主體可控

所謂“主體參照”，就是允許用戶上傳任意主體的一張圖片，Vidu 就能夠鎖定該主體的形象，通過描述詞任意切換場景，輸出主體一致的視頻。

該功能不局限于單一對象，而是面向“任意主體”，無論是人物、動物、商品，還是動漫角色、虛構主體，都能確保其在視頻生成中的一致性和可控性，這是視頻生成領域的一大創(chuàng)新。Vidu 也是全球首個支持該能力的視頻大模型。

比如進行人物角色的“主體參照”，無論是真實人物還是虛構角色，Vidu 都能保持其在不同環(huán)境中、不同鏡頭下的形象連貫一致。

比如動物，Vidu 可以實現(xiàn)其在不同環(huán)境下、大幅運動狀態(tài)中細節(jié)特征保持一致。

比如商品，商品的外觀和細節(jié)在不同場景中保持高度一致。

上傳的主體也不限于寫實風格，比如針對動漫角色或者虛構的主體等，Vidu 也可以保持其高度一致。

在視頻大模型領域，盡管已有如“圖生視頻”和“角色一致性”等能力，但 Vidu 的“主體參照”功能在一致性方面實現(xiàn)了質的飛躍。具體對比看：

• 圖生視頻（Image to Video）：基于首幀畫面的連續(xù)生成，無法直接輸出目標場景，限制了視頻內容的多樣性和場景的自由度；
• 角色一致性（Character to Video）：只限于人物面部特征的一致性，難以保證人物整體形象的穩(wěn)定；
• 主體參照（Subject Consistency）：不局限于人物，面向任意主體，其次在人物主體下，可選擇保持面部一致，也可選擇保持人物整體形象的高度一致，通過輸入文字描述靈活輸出目標場景；

我們以具體案例來看，輸入一張林黛玉的角色照，輸入同樣的“在現(xiàn)代咖啡廳喝咖啡”的描述，能直觀看到，在Vidu “主體參照”功能下，林黛玉的形象在現(xiàn)代場景中得到了完美保留，場景輸出也自然而真實。

原圖

圖生視頻

主體參照

角色一致性

二、改變視頻創(chuàng)作“游戲規(guī)則”

視頻大模型領域的競爭日益激烈，盡管眾多模型層出不窮，但它們普遍存在著一個核心問題——可控性不足，或者叫一致性的不足。

在實際的視頻創(chuàng)作中，視頻內容往往圍繞特定的對象展開，可以是角色或特定物體，這些對象在視頻中的形象需要保持連續(xù)一致。然而現(xiàn)有的視頻模型往往難以實現(xiàn)這一點，常常是主體在生成過程中容易崩壞。

尤其在涉及復雜動作和交互的情況下，保持主體的一致性更是一項挑戰(zhàn)。此外，視頻模型的輸出結果具有較大的隨機性，對于鏡頭運用、光影效果等細節(jié)的控制也不夠精細。所以現(xiàn)階段的視頻模型雖然在畫面表現(xiàn)力、物理規(guī)律、想象力等方面實現(xiàn)了一定程度的突破，但可控性的不足限制了它們在創(chuàng)作連貫、完整視頻內容方面的應用。目前，大多數(shù)的 AI 視頻內容還是基于獨立視頻素材的拼接，情節(jié)的連貫性不足。

為了解決這一問題，業(yè)界曾嘗試采用“先AI生圖、再圖生視頻”的方法，通過AI繪圖工具如 Midjourney 生成分鏡頭畫面，先在圖片層面保持主體一致，然后再將這些畫面轉化為視頻片段并進行剪輯合成。

但問題在于，AI 繪圖的一致性并不完美，往往需要通過反復修改和局部重繪來解決。更重要的是，實際的視頻制作過程中涉及眾多場景和鏡頭，這種方法在處理多組分鏡頭的場景時，生圖的工作量巨大，能占到全流程的一半以上，且最終的視頻內容也會因為過分依賴分鏡頭畫面而缺乏創(chuàng)造性和靈活性。

Vidu 的“主體參照”功能徹底改變了這一局面。它摒棄了傳統(tǒng)的分鏡頭畫面生成步驟，通過“上傳主體圖+輸入場景描述詞”的方式，直接生成視頻素材。這一創(chuàng)新方法不僅大幅減少了工作量，還打破了分鏡頭畫面對視頻內容的限制，讓創(chuàng)作者能夠基于文本描述，發(fā)揮更大的想象力，創(chuàng)造出畫面豐富、靈活多變的視頻內容。這一突破將為視頻創(chuàng)作帶來了前所未有的自由度和創(chuàng)新空間。

（圖為AI視頻制作流程的重塑）

三、加速故事類、廣告類視頻創(chuàng)作

這一功能也確實得到了眾多一線創(chuàng)作者的“高度評價”。

• 僅需三張定妝照，完成短片創(chuàng)作

“主體參照”功能通過鎖定角色或物體的形象，一方面讓故事情節(jié)更具連貫性，另一方面讓創(chuàng)作者能夠更自由地探索故事的深度和廣度。

光馳矩陣的發(fā)起人、青年導演李寧正在打造中國首部AIGC院線電影《玄宇》。他利用 Vidu 預創(chuàng)作了一段男主的視頻片段，其中所有人物畫面僅通過男主近景、中景、遠景三張定妝照生成。李寧在創(chuàng)作分享中提到，之前的AI電影創(chuàng)作過程，采用傳統(tǒng)的文生圖、圖生視頻流程，在分鏡的連貫上很難掌控，人物的整體造型很難保持一致，前期需要耗費大量的精力去調試圖片，同時畫面還容易產生鏡頭光影失控、圖像模糊甚至變形等一系列問題，且隨著視頻篇幅的增加，這些問題被進一步放大。Vidu “主體參照”功能讓人物的整體一致性顯著提升，不再需要前期生成大量的圖片，人物運動和畫面過渡也更加自然，極大助力了長篇敘事的創(chuàng)作。

中央廣播電視總臺導演、AIGC藝術家石宇翔（森海熒光）創(chuàng)作了一條動畫短片《夏日的禮物》，在分享創(chuàng)作流程中他表示，與基礎的圖生視頻功能相比，“主體參照”功能擺脫了靜態(tài)圖片的束縛，生成的畫面更具感染力和自由度，讓創(chuàng)作的連貫性大大提升。同時幫助他節(jié)約7成左右的生圖工作量，顯著提效，讓他能夠將更多精力放在故事內容的打磨上，而非生成圖片素材上。另外他表示，再疊加上 Vidu 的復雜動作處理能力和多元素的理解能力，他覺得 Vidu 就像是一位真人助理“動畫師”在輔助創(chuàng)作。

• 基于一張商品圖，僅六個小時完成一支廣告片

“主體參照”功能在商業(yè)廣告片方向展現(xiàn)了強大的潛力。廣告片的一大關鍵在于要保證多個鏡頭、不同場景下品牌物形象的一致性。Vidu “主體參照”功能能夠很好的實現(xiàn)，例如，在下面的跑步鞋廣告案例中，僅通過一張商品圖，便完成了所有視頻畫面的生成，無論是不同角度、背景，還是動態(tài)表現(xiàn)，跑步鞋的形象在整個視頻中都保持了高度一致。

生數(shù)科技官方介紹到，該視頻僅一位人員花費6個小時完成，包含前期策劃、素材生成，后期剪輯，其中30段 AI 視頻素材的生成僅花費3個小時，整個流程僅參照一張商品圖。傳統(tǒng)廣告片制作高度依賴線下實拍和后期制作，時間周期長、成本投入大，但現(xiàn)在通過 Vidu 能夠極大地節(jié)省廣告制作的成本，整個產出流程更加高效，品牌方對新素材的開發(fā)也能更加靈活。

與功能發(fā)布同步，生數(shù)科技也推出了合作伙伴計劃，邀請廣告、影視、動漫、游戲等行業(yè)的機構加入，共同探索新的視頻創(chuàng)作模式，在內容共創(chuàng)、技術支持、市場拓展等方面展開合作。首批合作伙伴包括開心麻花、貓眼娛樂、巨人網絡、美克家居、融創(chuàng)文化、河南省非物質文化遺產保護和智慧化中心、李可柒畫院等知名企業(yè)與機構。

四、“主體參照”是 AI 完整敘事的開端

作為國內首個純自研的視頻大模型，Vidu 自發(fā)布以來便在海外內受到廣泛關注。在7月底正式上線后，憑借在動態(tài)性、語義理解、動漫風格、快速推理等方面的亮點，Vidu 產品表現(xiàn)位列全球視頻大模型的“第一梯隊”，并在TikTok 等海外社交媒體平臺上掀起多種 AI 視頻主題玩法的熱潮，如“跨越時空的擁抱”等。根據第三方的數(shù)據顯示，Vidu 上線首月便位列全球網頁類產品用戶訪問量增速第一。

面向專業(yè)創(chuàng)作領域，Vidu 也牽手海內外多位 AI 藝術家，探索 AI 賦能下的全新創(chuàng)作模式。比如與北京電影節(jié) AIGC 短片單元最佳影片得主、Ainimate Lab 合作打造的動畫短片《一路向南》，畫面質量接近傳統(tǒng)動畫制作標準，但成本僅為傳統(tǒng)流程的 1/40。Ainimate Lab AI 負責人陳劉芳表示，該短片的創(chuàng)作團隊僅由三人構成：一名導演、一名故事版藝術家和一名 AIGC 技術應用專家，制作周期約為 1 周，而傳統(tǒng)流程需要 20 人，包含導演、美術、建模、燈光、渲染等不同“工種”，周期在一個月左右。由此可見，Vidu 大大縮短了制作周期并顯著降低了成本。

生數(shù)科技聯(lián)合創(chuàng)始人兼CEO唐家渝表示， "主體參照"這一全新功能的上線，代表著 AI 完整敘事的開端，AI 視頻創(chuàng)作也將邁向更高效、更靈活的階段。無論是制作短視頻、動畫作品還是廣告片，在敘事的藝術中，一個完整的敘事體系是“主體一致、場景一致、風格一致”等要素的有機結合。

因此，視頻模型要達到敘事的完整性，就必須在這些核心元素上實現(xiàn)全面可控?！爸黧w參照”功能是 Vidu 在一致性方面邁出的重要一步，但這僅僅是開始。未來，Vidu 將繼續(xù)探索如何精確控制多主體交互、風格統(tǒng)一、多變場景穩(wěn)定切換等復雜元素，以滿足更高層次的敘事需求。

從更長遠的視角來看，一旦實現(xiàn)了全面的可控性，視頻創(chuàng)作行業(yè)將經歷一場顛覆性的變革。屆時，角色、場景、風格，甚至鏡頭運用、光影效果等元素，都將轉化為可靈活調整的參數(shù)。用戶只需要動動手指、調調參，就可以完成一部影像作品的創(chuàng)作，而每一個作品的背后，也將是用戶基于AI構建出的獨特世界觀和自我表達。