衡宇发自凹非寺
量子位公众号 QbitAI
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。
“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。
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：
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：
