Vidu Q4 reference to video:用多张参考图生成一段视频
Vidu Q4 reference to video 用多张参考图组合出一段视频。适合谁、现成提示词，以及让角色保持一致的技巧。
阅读约 1 分钟
它解决的是这样一个问题：你有一个角色、一件夹克、一个场景和一件产品，各在一张图里，而你想让它们出现在同一个镜头中。图生视频模型只能从一帧开始，所以你得先把这张合成帧画出来。Vidu Q4 Preview reference to video 省掉了这一步：给它一叠参考图和一段提示词，它就围绕这些参考搭建场景。它页面上的示例是一段时尚短片，一个穿皮夹克、戴墨镜的男人走过工业风空间，这种镜头通常需要专门布置的起始帧。
谁应该选它
- 品牌和时尚:场景是新的，但服装或产品必须一眼认得出。
- 有固定角色的系列内容。 每一集都给同样的脸和服装参考，角色就始终是同一个人。
- 没有起始帧的人。 如果你更愿意描述场景而不是画出来，就选它；如果已经有确切的那一帧，请用image to video 版本。
各项输入及其用途
Prompt 是唯一的必填项。Images 可以一次放多张参考（能放下相当多张）。Advanced 里的 Audios 可以放几段音频参考，作为片段声音的补充，叠加在 Generate audio 自己生成的声音之上。然后是常规设置：画幅比例（默认宽屏，另有竖屏、方形和两种中间比例）、从轻量试样到大尺寸成片的 分辨率、以整秒计的 时长、Generate audio（默认开启）和 种子。
现成提示词
提示词
肖像里的男人穿着其他照片中的皮夹克和墨镜，穿过一座混凝土仓库走向镜头。缓慢跟拍，高窗透进冷色日光，脚步声回响。提示词
参考图中的香水瓶立在湿润的黑色石头上，一滴水落在瓶盖上，缓慢的微距推进，柔和的紫色轮廓光，低沉安静的嗡鸣。提示词
第一张图里的女孩坐在第二张图里的火车座位上，望向窗外，轻声说：“我们快到家了。”雨打在玻璃上。保持一致的技巧
- 少而干净的参考胜过多而杂乱的参考。 一张纯色背景的脸部照片加一张服装照片，比十张互相矛盾的随手拍更有用。
- 每张参考只放一个主体。 一张有三个人的图，会让模型猜你指的是谁。
- 草稿用最低分辨率和最短时长。 Generate 按钮上的价格随两者变化。场景成立后，固定种子，再按需要的尺寸出最终片。
- 整个系列使用同一套参考,顺序不变，提示词里的角色描述也沿用。风格一致性指南详细讲了如何建立可复用的参考集。
坦白的局限
参考是引导，不是粘贴。标志、衣服上的印字和精细首饰只会大致还原，参考越多，每一张被平均得越厉害。当某个小细节必须准确时，先生成一张细节正确的起始帧，再用 image to video。它也是预览版模型，所以重跑的次数会比成熟模型多；视频模型选择指南能帮你判断什么时候换一个更稳定的模型更划算。
常见问题
必须上传参考图吗？
不必。只有提示词是必填的，所以它也能当作普通的文生视频使用。不过，参考图才是选它的理由。
音频参考有什么用？
它们是可选的音频文件，片段的声音可以以此为依据。位于 Advanced 中；不加的话，Generate audio 依然会为场景生成声音。
能做竖屏视频吗？
能。运行前选择竖屏比例即可；宽屏只是默认值。
#视频#模型#一致性
