AI视频圈上演“神仙打架”，Vidu新功能搞定“美女变野兽”难题
机器之心报道编辑：杨文
AI视频圈正在上演“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
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。
提示词：一只蜗牛在海里冲浪，溅起浪花。
\u200d\u200d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。
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：
\u200d“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
以后我们会带来更多好玩的AI应用，也欢迎大家进群交流。
Views: 0