三張圖攢一個毫無違和感的視訊！

把Runway、LumaAI等一眾視訊模型都一鍋端了。海外使用者評價，一眾視訊模型都實現不了的能力，它竟然給攻破了，甚至在語義理解甚至比圖像模型王者Midjorney還強。

這背後就是國產視訊模型Vidu——全球最早對標Sora發佈的視訊模型。昨天新上的“殺手級”功能：多主體一致性。（傳送門：www.vidu.studio）

這個功能上周六Vidu就在X上偷偷預熱了，昨天正式上線。簡單講，這個功能支援上傳1～3張參照，來實現對多主體的控制。

以官方發佈的demo為例，丟入“黑人男子、機甲、城市街景”三張圖，Vidu 能提取主體、服裝、場景，將三者無縫融合， 輸出一段“男子穿著機甲走在城市街道”的視訊內容。

想不到啊！要知道，之前的視訊模型理解一段promot都費勁，需要來回抽卡，現在用Vidu生成視訊，已經可以跟寫作文似的，明確地點、人物、行為、形象，就能實現精準控制和編輯。

海外使用者更是直呼“改變了遊戲規則”，未來“只要上傳一張角色圖+一張環境圖”就可以創作連續的視訊故事。

比如有使用者上傳一個女戰士的形象圖+戰場場面，就可以生成堪稱史詩級的戰爭畫面。

更有上難度的，直接上群像圖，一次上傳十個主體（拼圖放一塊），讓Vidu生成一段視訊，但顯然，這都沒有難倒它。

這瞅著感覺以後生成水滸傳108將群像也不是不可能嗷！

前面提到，這是目前Runway、Luma AI等全球一眾高手都不具備的能力，在功能層面，上述幾家都僅僅支援單圖輸入。

我們以Vidu官方案例，拼圖後在這兩家分別測試了下。

國外爆火的Runway，卻無法理解人物，人物直接突變成了機器人。

而Luma AI無法理解場景，各自動各自的。

這背後其實就是“一致性控制”問題。

這是視訊模型的老大難問題，在吐出生成結果的時候，模型往往難以確保主體（無論是人物還是物體）的外觀、特徵、風格保持一致。

你給它清秀小帥哥，秒變可怖伏地魔那是常有的事。

尤其是一上難度，涉及多主體時，模型更是很難對多個主體同時進行控制，更別提主體間還要保持自然連貫的互動。

不過這一“世紀難題”現在被Vidu 完美解決了！Attention please！上新期間每人3次免費機會，大家且玩且珍惜。

當然，對於“一致性”問題，Vidu領先業界佈局已久。

早在7月底全球上線時，Vidu就推出了“角色一致性”功能，解決人臉一致性問題，對比看，近期可靈1.5剛上線人臉一致性功能。

在9月初，Vidu又全球首發了“主體一致性”功能，允許使用者上傳任意主體的一張圖片，從“人臉一致”拓展到“主體一致”，例如人物的全身一致，不再侷限於人臉，甚至動物、商品的一致性保持也不在話下。

短短兩個月，Vidu又又又升級了，能實現對單主體的多角度一致，也能實現多主體互動控制、主體與場景融合控制。

廢話不多說，上指南寶典。Vidu的打開如下：

通過上傳特定主體的不同角度或不同景別下的圖片，能夠能實現對單主體的100%精準控制。

具體來說，第一點是對複雜主體的精準控制。

那就上傳幾張歐洲古典美女玩玩吧（doge）：

難點可不僅是還原少女的美貌，還有她的頭飾、髮型、服飾十分複雜，模型很容易犯脫離圖片“自行腦補”的災難。

但在Vidu生成的中景鏡頭視訊中，美女姐姐轉個圈圈（涉及背後、側面視角），不同視角下，角色形象始終如一，保持得挺好。

不單單真實人物，這一能力對3D動畫形象來說，通過上傳三檢視簡直是手拿把掐。

第二點是人物面部特徵和動態表情的自然一致。

通過上傳多張人物特寫圖，Vidu能夠確保人物面部的特徵細節和表情變化自然流暢，不會出現面部僵硬或失真的現象。

這次的模特，有請這位小朋友。

從笑容轉換到垂眸失落，過度自然，也沒有失真：

這次新功能更妙的是能上傳多個主體，實現多主體的一致性控制（業內獨家）。

多個主體的組合，可以是人物+人物，也可以是人物+場景、人物+道具等，甚至是人物+道具+場景，並在視訊生成中實現這些元素的自然互動。

首先是多主體互動，使用者可以上傳多個自訂角色，讓它們在指定空間內進行互動。何不試試讓AI界奧特曼和光之巨人迪伽奧特曼同框出鏡？

然後奧特曼屆的名場面就此誕生：

這裡還可以是融合不同主體特徵，比如人臉融合，將角色A的正面與角色B的反面無縫融合。

試試穿10號球衣的馬斯克。這簡直是一鍵AI換臉神器！

也可以是人物+道具 ，比如試試給人物換裝，讓馬斯克穿禮服。很好……

#Luma們 你可以在這裡找到鉅亨號中所有使用「Luma們」為關鍵字所發布的內容