AI视频工作流的新范式
昨天，Vidu Q2的多图参考生视频上线了。
测了几个小时以后，先说结论，确实是多图参考生视频的王。
也是一种，做AI视频工作流的，新范式。
我花了一个下午的时间做了一个小短片，完全用的多图参考生视频，没有用传统的生图-图生视频的工作流，基本上没roll多少次，就实现了这样的效果。
很酷，很有意思。
说实话，自从Veo3、可灵2.5、Sora2以后，我自己，越来越不喜欢用图生视频了。
最开始的时候，23年，我那个预告片总共肝了693张图片，185个镜头，最终选出来60个镜头。
那个时候，其实是没办法的办法，先生图，再用图生视频的方式，对于流程还是挺蛋疼的，需要你强行来回跳转不同的产品。
而且图片本身，很多时候是个静帧，会影响很多动态的发挥，如果不是为了一致性，很多时候，我真的喜欢用文生视频去做。
后来，去年11月，Vidu第一次上线了多图参考生视频，可以用几张图，就能保持人物、物品、场景一致性，开启了多参党的时代。
那个时候，我也写过Vidu。
体验完Vidu划时代的新功能，我觉得可以正式抛弃3D渲染了。
比如当时，随手拍了我非常喜欢的Dimoo，之前的熊猫款的三视图。然后扔到Vidu里。
然后不到1分钟，一段Dimoo在森林里的视频就做完了。
不过这个效果，其实已经是Vidu去年基模还是1.5的时候的效果了，对甚至连Q这个开头前缀都没有。
而现在，在经历了Vidu 1.5、Vidu 2.0、Vidu Q1之后，新的Vidu Q2，确实给多图参考，带来了一些以前达到不了的效果。
而图生视频这个工作流，就好像曾经的SD一样，可能确实会越来越被我，封印在历史的尘埃里了。
今天，我是一个光荣的多参党。
我觉得这次的Q2和多参升级，可以体现在3个方面：
大幅进化的一致性，更强的表演能力，以及更棒的多风格表现力。
一个一个来说。
参考生视频的，我们很多时候最看重的，就是一致性，
三个月前，Vidu Q1的多参生图其实已经很强了，但是遇到超多主体的情况还是会歇菜。
而这次，Q2更新以后，就牛逼了很多。
比如，让文艺复兴的新三杰和旧三杰同框出现。
这是Q2的效果，镜头依次出现六个画家，每个人的特征都基本保留，实现了这个挑战。
而如果你返回去，看Q1的话，会发现还是会失败的。
比如会出现人物不全，或者人物突然从地里钻出来的情况。
用多图参考生视频也特别简单，就是把你的图片都传上去之后，直接按@键，@任何人和任何物品，超级简单，比Sora2的那个@还要丝滑，因为Sora2只能@人物，但是没法@物品或者场景。
这是6个人的，再来看一下主体+物品的case。
比如让范德彪穿着草裙在沙滩上晒太阳。
然后就得到了一个晒到七成熟的德彪。
再让川普先从冰箱里拿出来一罐百事可乐，再拿出来一瓶可口可乐。
生成出来的结果，川普、百事可乐和可口可乐，都保持了原状。
特别是百事上的字，也保持的非常好。
还有一个，我觉得很有趣的case，也是一个之前没玩过的玩法，就是你可以通过多主体，让主人公实现变身。
提示词是这样的：
最惊喜的是，镜子里和镜子外的变化非常同步，这个是真的是有点东西的。
还有一个玩法，就是人物不变，场景变化。
提示词也非常简单：
表演这一块，也是Q2的重头戏。
拿我喜欢的演员基里安墨菲来举例，我从他演过的英剧《浴血黑帮》里找了几张图，做了一个叫Tommy的主体。
这个主体其实也是多图的的升级功能。
就是比如一个角色，我们为了它更稳定，就可能要传三张不同角度的图上去，而传统的做法，就是写男人靠在XX地方，让AI视频自己去脑补，哦这三张图片是这个男人啊。后续的复用上，也不好管理。
现在，你可以用主体的方式，命名，然后，直接@它就完事了，还能保存成主体库，后续随便用，很方便。
这些小细节，Vidu做的确实是蛮好的。
我们在看看上面那个Prompt和主体跑出来的效果。
瞬间，得到了这个非常细腻的表演。
基里安的眼睛是真的有戏啊，把脆弱感展现的淋漓尽致。
相比之下Q1的演技就完全没开窍，就是眼睛转了几下，你也看不出到底要表达什么情绪。
末了嘴里还变出一根烟。。。
你也不知道它到底在干啥。
再来看一有趣的case。
就是你只是给它一个规定情境，没有很详细的提示词，Vidu Q2也能完成一段很优质的表演。
比如下面这个。
提示词真的非常简单，就是一个情境，用的主体是德尼罗老爷子。
出来的效果，就很有故事感，除了白发人送黑发人的悲伤和无奈，年长者努力控制情绪的克制，还能看出丝丝的不甘和恨意，似乎想给孩子复仇，很好品。
而如果说，Vidu Q2的真人表演已经很不错了，那么二次元领域的表演更是Vidu的拿手好戏。
毕竟，动漫，很多时候，都是Vidu的代名词之一。
先来一个经典的日剧跑段落。
出来的效果真的很有那味儿，可以直接配一首《你的名字》了。
让我想起那年夕阳下的奔跑，那是我逝去的青春。。。
除了这种大开大合的表演情绪，做小表情也很有活人感。
比如下面这个情侣吵架的case。
表情和动作都很自然，真的有点像某一部番的片段了。
在测试情绪的过程中，我还发现，Vidu非常懂动漫中常见的情绪表现手法。
比如下面这个case，它会通过眉眼边上的线条抽动、瞳孔骤然缩小、眼白布满红血丝，来展现一个人极致恐惧的情绪。
但说实话，大部分情况下我都不会给这么细的提示词。
我在这一段，只规定了三个点，男人极度惊恐的表情，半明半暗的光影，和推镜头的运动。
而Q2能凭借自身的技法积累，在我的提示词框架里面完善细节，最后得到一个，有表现力的效果。
我只能说，他们动漫的效果，是真的强啊。
再比如下面的这个case。
提示词非常简单，但Vidu就能做的很对味儿。
仔细一看，秘诀原来是，Vidu把女孩眼睛里面的高光给去掉了。。。
有高光，看起来就比较清澈，没有高光，就很阴。
真的非常细节。。。
刚才那一趴大家也看到了，Vidu Q2做出来的动漫视频效果很出挑。
所以这一趴，我做了更多不同动画风格的case，让大家感受一下，Vidu的动画风格表现力。
真的，Vidu无愧于AI视频动漫之王的称号。
后面这些，我就不放截图了，但是和生成方法和前面还是一样的。都是贴上参考图，或者贴上主体，然后写提示词，生成视频。
先从最日常的泡面番风格开始。
热血战斗番，亦正亦邪的反派既视感，一时间幻视了不少角色。
还有追求音乐梦想的美少女，在空荡的礼堂里独自练习。
超典型360度环绕运镜。
或者更加风格化一点，比如下面这些。
不要忘了，这些都是用Vidu Q2的多参考生视频生出来的。
所以，不仅有超棒的角色一致性，还有特别棒的风格一致性。
还有一个更酷的，就是我测下来发现，Q2真的很适合生成一些中二动漫场面，因为它的运镜和特效，给的真的太足了。
比如下面这个男人舞剑的case。
镜头拉近拉远再拉近，还有挥剑形成的狂风，效果直接拉满了。
再比如这个打斗。
刀光剑影，飞檐走壁，人物和镜头的运动都很丰富，也只抽了两次卡。
以标准版月度会员为例，59元800积分，20积分就能生成一条8s视频，折合下来1.475元/条，约0.184元/s。
几乎就是现在最便宜的AI视频模型之一了。
整体来说，这次Vidu Q2的多参还是让我很惊喜的。
而且他们也上了APP，跟Sora2那样的交互，也能玩合拍，不过是用多参做的，也挺有意思的，感兴趣的可以去玩玩。
我也还是很相信，多图参考生视频，是未来的共识。
Vidu，未来可期。
以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标⭐～谢谢你看我的文章，我们，下次再见。
>/ 作者：卡兹克
>/ 投稿或爆料，请联系邮箱：wzglyay@virxact.com
没有评论:
发表评论