AI视频的世纪难题被解决了，我愿称Vidu为一致性的新王
生成式AI缺少的是控制能力。虽然我们能在几秒钟内生成照片级真实的场景，但我们还缺乏传统图形学研究几十年积累的精确控制能力。
-- Cristóbal Valenzuela
我们是幸运的，
AI 视频生成技术突破不到两年，
就能在几秒钟内生成各种类型的场景。
但在不断的探索中，
我们也是苦恼的，
AI 视频缺少可控性，让很多产出成为一个概率性事件。
无法复现、重复抽卡都是我制作 AI 视频时触发率高达99%的问题。
不同图片中的人物细节多处不一致
这也就导致了现在的 AI 视频宣传片制作会将大量的时间耗费在反复调整一致性的过程中，
说实在的，真的很磨人心神。
简单的分析一下，AI 控制分摊给 AI 生图和 AI 视频生成，我要先抽卡图片，保证画面里的主体元素尽可能的一致，
再抽卡视频，确保画面主体的运行是正确的。
听起来很麻烦是不是？
而上周 Vidu1.5 带来了一项新能力：
多主体一致性
我们先来看一波效果：
上面的视频，我实际生成不过花了五分钟，先网上找了三张我需要的图，
马斯克，甄嬛，皇宫 or 马斯克，花棉袄，热炕头，
放到Vidu里，再来一个小学生造句一样简单的提示语，
Bingo！视频出炉。
成品对于图片中主体以及元素的复现，我真的敢说是现在一致性里最强！
这种新的视频控制范式带来了 AI 视频的新玩法。
体验了三天后，我总结出了三种玩法，马不停蹄的整理了详细的操作步骤分享给大家：
一、人物建模
第一种玩法，
我可以上传人物的正面、侧面、背面三张图，来固定人物各个角度的细节，然后给个提示词，点击生成。
图中的人物，就这样水灵灵的动了起来。同样的操作，我们可以生成更多不同风格的效果。
再尝试几组不同风格的人物，看看vidu的展现：
辣评一下：我尝试生成了不同风格的人物图片，生成的视频都能近乎完美的复刻原图的风格、人物细节，甚至补充生成的背景和元素都和原图契合度非常高。
二、AI QQ秀
第二种玩法直接就是用 Vidu 炫技，
我可以上传人物、服装和背景图，
为了保证人脸清晰，可以选择人物图片中的主体并框选面部，
然后用提示语写好【人物】【穿着什么样的衣服】【在哪里】【做什么】，点击生成，
这个马斯克穿着大花棉袄在东北火炕上吃面条儿的视频就完成了。
简单的就像小学生造句！
马斯克还可以穿着各种各样的衣服在热炕头做各种事情⬇️
辣评一下：这怎么可以不算 AI 界的 QQ 秀呢！
这个玩法在体验时，真的玩嗨了，对于各种类型衣服的复刻都和原图一致性非常高，而且穿在人物身上几乎没有违和感！
三、多人物互动
制作AI视频过程中，一直有个“雷点”，
就是主体增加之后，控制难度指数上涨，
换句话说，控制一个人物的一致性就已经很困难了，多人物就是难上加难，就更别说还让多人物保持一致性互动了。
但今天，Vidu 给我解决了！
Vidu 的多主体一致性支持在三张图中，两张上传不同人物的主体，在上传一张背景，
点击生成，这样两个人物在这个背景中运动的视频就这样实现了！
辣评一下：人物不仅一致性超强，而且互动也很自然，在场景中的动作非常流畅。
在学习了原图的特点后，生成出的背景风格也很一致。
搞了个马斯克陪甄嬛传各种人物逛街，讲道理，我感觉马斯克快被玩坏了。。。
写在最后
现代图形学是先解决了控制问题再解决的渲染质量问题，
AI 发展反其道而行之，先解决了渲染质量问题，而后才是控制问题。
正如文章开头提到的，
控制能力到来之际，
就意味着 AI 内容生成将成为创意表达基础工具。
真的就是人人都是导演。
而 Vidu 这次将图生视频玩出花来了，
除了我们上面提到的几种玩法，
还能探索出更多有趣的效果。
比如，人物面部图+背影图，搭配转身的提示语就可以实现这样的：
多主体不同角度图片的上传，同样也可以稳固各个主体的细节，
对我来说，甚至可以丢掉部份文字提示，来完成视频生成，
这种生成方式更符合我们直觉。
国产大模型在不断的卷起新风浪，
未来的“提示语”不会局限于文字，
图片、视频、音频都可以作为输入，实现你的灵感。
困难不会一直困难，
想象永远可行，
这，是我想要的自由。
@ 作者 / 卡尔 & 阿汤@ 动手学AI知识库 / learnprompt.pro
最后，感谢你看到这里👏如果喜欢这篇文章，不妨顺手给我们点赞👍｜在看👀｜转发📪更多的内容正在不断填坑中……
今日份的彩蛋码是🎲🎲🎲 公众号回复vidu