给我一张脸，视频背景随你换，林黛玉都被清华理工男玩废了｜免费开放

让AI视频中任意主体保持一致!就在刚刚，人人都可轻松做到了。

而且只需一张图片，就能实现。

——上面的每一个马斯克视频，都来自同一张照片。

想玩的话，只需要用上清华系AI视频玩家生数科技旗下Vidu的最新功能，主体参照（Subject Consistency）。

该功能能够实现对任意主体的一致性生成，让视频生成更加稳定，也更加可控。

qqQ/640?wx_fmt=png&from=appmsg" data-type="png" data-w="1080" data-original-="" data-index="3" src="https://pic.chinaz.com/2024/0911/2024091114001222630.jpg" _width="677px" __sec_open_place_holder__="true" alt="图片" data-fail="0" style="margin: 0px auto; padding: 0px; box-sizing: border-box; outline: 0px; border: 1px solid rgb(238, 238, 238); --tw-shadow: 0 0 #0000; --tw-ring-inset: var(--tw-empty, ); --tw-ring-offset-width: 0px; --tw-ring-offset-color: #fff; --tw-ring-color: rgba(41, 110, 228, 0.5); --tw-ring-offset-shadow: 0 0 #0000; --tw-ring-shadow: 0 0 #0000; max-width: 700px; background: url("../img/bglogo2.svg") center center no-repeat rgb(247, 248, 249); box-shadow: rgba(27, 95, 160, 0.1) 0px 1px 3px; display: inline-block;"/>

“现在生成AI视频内容，想要做到‘言出法随’其实还很难，不确定性让视频内容对运镜、光效等的精细控制还是得不断抽卡。”生数科技CEO唐家渝表示，“角色一致性只能让人脸保持一致，而主体参照让主体整体造型都能保持一致，给了更大的创作空间。”

这是继今年7月，生数Vidu面向全球用户上线文生视频与图生视频能力（单视频最长生成8s）后的再次更新。

这次功能上新依然非常友好:

面向用户免费开放，注册即可体验。

仅需一张图片实现主体可控

先来看看Vidu是怎么定义这个新功能的。

emoji", "Segoe UI Emoji", "Segoe UI Symbol", "Noto Color Emoji"; font-size: 16px; text-wrap: wrap;">

主体参照:允许用户上传任意主体的一张图片，然后由Vidu够锁定该主体形象，通过描述词任意切换场景，输出主体一致的视频。

划重点:任意主体。

也就是说，无论是人还是动物，无论是真人还是动漫形象or虚构主体，无论是家具还是商品，都能通过这个功能在视频生成中实现一致性和可控性。

目前，所有的视频大模型中，仅有Vidu率先支持这种玩法。

不必光说不练，我们来看看真实效果。

人物主体

首先来看看以人物为主体。

上传一张87版《红楼梦》林妹妹的定妆照:

以画面中林妹妹为主体，利用主体参照功能，生成两条视频。

突然，林妹妹上台演讲了:

VR0Q6EIvACx1DdrqIDZXYGn1VS4wmwPryNtAcIpw/640?wx_FMt=gif&from=appmsg" data-type="gif" data-w="1079" data-original-="" data-index="6" src="https://pic.chinaz.com/2024/0911/2024091114001222631.jpg" _width="677px" __sec_open_place_holder__="true" data-order="2" alt="图片" data-fail="0" style="margin: 0px auto; padding: 0px; box-sizing: border-box; outline: 0px; border: 1px solid rgb(238, 238, 238); --tw-shadow: 0 0 #0000; --tw-ring-inset: var(--tw-empty, ); --tw-ring-offset-width: 0px; --tw-ring-offset-color: #fff; --tw-ring-color: rgba(41, 110, 228, 0.5); --tw-ring-offset-shadow: 0 0 #0000; --tw-ring-shadow: 0 0 #0000; max-width: 700px; background: url("../img/bglogo2.svg") center center no-repeat rgb(247, 248, 249); box-shadow: rgba(27, 95, 160, 0.1) 0px 1px 3px; display: inline-block;"/>

又一眨眼，妹妹已经坐在星爸爸喝咖啡了:

当然啦，真人可以作为生成视频的主体参照，虚拟角色/动漫人物同样可以。

比如输入一张漫画女孩:

生成视频效果是酱紫的:

这里附上一些官方给的小tips:

• 如需重点保持主体面容一致，需仅截取单一主体的清晰面容图

• 如需重点保持主体半身一致（面容+上半身服饰），仅需截取单一主体的清晰半身图

• 如需重点保持主体全身一致（全身特征），仅需截取单一主体的清晰全身图

动物主体

谁能不爱可爱狗狗!

把这张照片丢给Vidu，就能实现狗狗走草地上，一步一步靠近你。

镜头后拉和主体运动幅度表现都还不错。

商品主体

当把商品作为需要参照的主体时，在生成的视频中，商品外观和细节能在不同于图片的场景中保持一致。

就像下面这样:

沙发所在的场景，说变就变。

上面还能睡一个盖了毯子的小女孩，遮挡住沙发原有部分。

需要注意的是，当前版本仅支持单一主体的可控。

如果上传的图片有多个人物/物体，需要框选出单一主体进行生成。

Be Like:

不再“两步走”了

无论是制作短视频、动画作品还是广告片，“主体一致、场景一致、风格一致”都是共同的追求。

因此，AI视频生成内容想要有叙事效果，就需要不断往三个一致方面尽力靠拢。

尤其是就现实情况而言，实际的视频创作，内容往往围绕特定的对象展开——这往往也是视频生成内容最容易变形、崩坏的一点，尤其在涉及复杂动作和交互的情况下。

挠头，脑阔痛。

业界首先想到的办法是先AI生图、再图生视频。

说人话，就是用Midjourney、SD什么的，生成分镜镜头画面，让每张图里的主体保持一致，然后再进行图生视频，最后把每个视频片段拼接剪辑。

但一听就发现了，这样搞，无论是保持AI画图的一致性，还是后期拼拼剪剪，工作量都很大。

生数Vidu“主体参照”跟这个思路的不一样之处，就是不再两步走了。

而是通过“上传主体图+输入场景描述词”的方式，直接生成视频素材。

最后，我们来厘清以及区分三个概念:

• 图生视频（Image to Video）

• 角色一致性（Character to Video）

• 主体参照（Subject Consistency）

图生视频基本是现在AI视频生成的基操了。

它把输入的图片作为视频首帧，然后基于首帧画面的连续生成。

Bug是无法直接输出目标场景，限制了视频内容的多样性和场景的自由度。

角色一致性，主要集中在人物形象上起效果。

它能保证人物面部特征在动态视频中保持一致，但一般来说“一致性”只顾脸，不顾整体形象。

主体参照，面向任意主体。

同时在面向人物主体时，既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。

最后附上生数科技视频试玩链接，感兴趣的朋友可趁排队人不多，赶紧冲一波!

毕竟，免费的就是香，对吧（doge）。

体验直通车:

www.vidu.studio