共计 2352 个字符,预计需要花费 6 分钟才能阅读完成。
AI「表演」猪八戒送外卖、黑旋风啃鸡腿。
AI 视频圈上演「神仙打架」,全球网友开启花式整活。
然而,摆在创作者面前的第一道槛儿,就是永远不知道下一秒会生成个啥。
例如,上一秒还是美女,下一秒就蹿出个怪物史莱克:
明明是个丑萌的布偶猴子,接着就蹦出个小浣熊:
还有更离谱的,一秒变性:
这类邪门视频层出不穷,究其原因,还是 AI 难以保持主体一致性。
不过就在昨天,生数科技的视频模型 Vidu 上线了新功能 —— 主体参照,仅需一张图片即可实现主体可控。
比如,上传一张猪八戒的照片,通过提示词任意切换场景,而猪八戒样貌不变。
提示词:猪八戒在街上玩滑板
提示词:猪八戒在河里游泳。
提示词:猪八戒骑摩托送外卖
更重要的是,它免费开放,注册邮箱即可使用。
体验地址:
-1-
实测:一张图,场景随意换
所谓「主体参照」,就是用户上传任意主体的一张图片,Vidu 就能锁定该主体形象,通过提示词任意切换场景,输出主体一致的视频。
啥叫任意主体?
甭管是人物、动物、商品,还是动漫角色、虚构主体,它都能确保其视频生成的一致性。
Vidu 也是全球首个支持该能力的视频大模型。
接下来,我们就奉上一手实测。
Round 1:人物主体
我们上传一张「黑旋风」李逵的照片。
提示词:一个男子正在海边的沙滩上啃鸡腿。
李逵的硬汉形象在海边沙滩场景中得到了完美保留,动作幅度大且流畅自然。
而且,脸部没有崩坏,也没有出现「六指狂魔」。
我们又上传了一张孙悟空的剧照。
提示词:孙悟空骑着摩托,行驶在路上。
孙猴子立马化身机车手,上演了一出「速度与激情」。
Vidu 对于细节的处理也挺到位。
比如骑摩托时,风将袖子吹鼓起来,毛发微微向后晃动。
再来祸祸一下「硅谷钢铁侠」马斯克。
提示词:一个男子坐在咖啡馆里喝咖啡。
西装革履的马斯克坐在咖啡馆里,缓缓转过头来,端起了咖啡杯,整个过程一气呵成,相当逼真。
值得注意的是,为了防止生成违规视频,Vidu 还在提示词中进行了限制,不能输入暴力、色情以及政治人物的名字等。
Round 2: 动物主体
Vidu 还可以实现动物在不同环境下、大幅运动状态中细节特征保持一致。
这意味着,我们只需上传一张萌宠照片,就能随心所欲生成一段 Vlog。
提示词:一只北极熊在水里游泳。
满是冰川的北极,一只凶猛的北极熊在水里扑腾,周围溅起了圈圈水花。
镜头中北极熊运动幅度很大,画面却很稳定清晰。
提示词:一只兔子在啃胡萝卜。
虽然我们投喂给 Vidu 的是一张兔子的侧面照,但它仍能生成兔子抱着胡萝卜啃的正面大特写。
提示词:一只企鹅在舞台上跳舞
从这则 8 秒视频可以看出,Vidu 基本能遵循提示词的要求,生成的场景就是一个灯光闪烁的舞台。
毛茸茸的企鹅跳着笨拙的舞蹈,还有表情变化。
视频链接:
Round 3: 虚构角色
Vidu 不仅能搞定写实风格的主体,针对虚构的主体,它也可以保持其高度一致。
一只蜗牛在海里冲浪,溅起浪花。
这只蜗牛扑闪着眼睛,在海浪里疾驰。
提示词:猫咪坐在电脑前打字。
Round 4 : 动漫主体
动漫风格可以说是 Vidu 的强项,在之前的 7 大 AI 视频神器测评中,Vidu 就凭借着该强大功能备受好评。
而此次「主体参照」功能中,动漫角色仍是拿手好戏。
提示词:蜡笔小新踢球。
提示词:柯南在路上奔跑。
生成的视频中,无论是装扮还是面孔,都是那个熟悉的柯南。而且,整个镜头的画风均保持动漫风格。
不过,它也有些 bug。例如,胳膊摆动时会有些虚化,随着镜头拉远,柯南竟然腾空飞起来了。
Vidu 最让人惊喜的,还得是对于 3D 动画人物的处理。
提示词:男孩站在厨房切菜。
提示词:女孩在花园里跳舞。
Round 5:商品主体
众所周知,广告片的一大关键就是保证多个镜头、不同场景下品牌物形象的一致性。
Vidu 的「主体参照」功能就派上用场。
例如,我们上传一张可口可乐的商品图,并输入提示词:罐子垂直落在水里,溅起水花,Vidu 随即完成产品的动态表现。
上效果:
提示词:食物摆在黑色大理石餐桌上,垂直洒下粉色的樱花花瓣。
效果最明显的,还要数下面的这则跑步鞋广告视频。
视频链接:
这则跑步鞋广告中,仅通过一张商品图,便完成了所有视频画面的生成,无论是不同角度、背景,还是动态表现,跑步鞋的形象在整个视频中都保持了高度一致。
据悉,该广告视频仅由一个人花 6 小时完成的,包含前期策划、素材生成,后期剪辑。
要知道,在传统广告片制作中,高质量的镜头依赖线下实拍和后期制作,时间周期长、成本投入大。
而如今,Vidu 凭一己之力,就可以在广告制作中挑大梁。
-2-
专业名词傻傻分不清?
目前,视频大模型领域已有「图生视频」和「角色一致性」等能力,那么,Vidu 的「主体参照」功能到底强在哪儿?
咱们先来缕缕这几个概念。
所谓「图生视频」(Image to Video),就是基于首帧画面的连续生成。它无法直接输出目标场景,这就限制了视频内容的多样性和场景的自由度。
「角色一致性」(Character to Video),则只限于人物面部特征的一致性,难以保证人物整体形象的稳定。
而 Vidu 的「主体参照」(Subject Consistency),不局限于人物,面向任意主体。其次在人物主体下,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,通过输入文字描述灵活输出目标场景。
例如,我们输入一张林黛玉的角色照,输入同样的提示词「在现代咖啡厅喝咖啡」。
图生视频效果:
「角色一致性」效果:
Vidu 的「主体参照」效果:
我们能直观看到,在 Vidu 「主体参照」功能下,林黛玉的形象在现代场景中得到了完美保留,场景输出也自然而真实。
现在,你能分清了吗?
OK,今天的 AI 小课堂就到这儿,古德拜!
工具链接——
Vidu官网:
以后我们会带来更多好玩的AI应用,也欢迎大家进群交流。