Photo by Image 2.0

?有界UnKnown原創

作者丨山茶

編輯｜錢江

最近肯定很多人都看過這樣一段視頻。

一個體育比賽的轉播畫面，一個充滿魅力的女性，她坐在觀眾席上，轉播鏡頭剛好對準她，然后一個很經典的電視轉播畫面就出現了。

或者這樣：

這些當然都不是真實發生的，而是AI生成的內容。

怎么樣，是不是一眼就覺得，這些AI視頻，和之前那些AI味兒很濃的視頻完全不一樣？

這是因為，這些視頻都是先用Image2.0生成圖片，然后再用圖片完成視頻生成的。

作為OpenAI最新一代視覺生成模型，Image2.0是引入了thinking mode（就是推理模式），可以把推理、工具使用、實時網頁搜索和圖像生成結合起來，讓AI能夠把一個粗略需求，轉化成一個完整的、經過思考的視覺結果。

能力上，Image2.0甚至超越了之前火遍全網的Nano Banana。

官方列出的能力包括高保真寫實、自然光照、準確材質、豐富色彩、人物與身份保持、多步驟編輯，以及更可靠的圖中文字渲染。

這意味著，Image2.0可以更勝任在廣告、設計、漫畫、信息圖、角色設定、產品視覺這些真實工作流里的素材生產工具。

當然，僅僅只是圖片生成，還沒有辦法把視頻做到如此逼真。

圖片生成之后，更關鍵的，就是找到一個合適的視頻生成工具，把圖片變成視頻。

文章開頭兩個視頻，是我們用ViduQ3生成的。

在目前國內的AI視頻生成工具中，我們選擇的是ViduQ3，原因主要有4個：

第一是，它能接住Image2.0的畫面質感。

Image2.0已經把人物、光線、構圖、材質這些東西做得很真實了，后面的視頻模型不能把它毀掉。

而ViduQ3的圖生視頻和參考生視頻能力行業領先，參考生能力在superclue榜單位列第一。可以保障把圖片變成視頻的過程中保持角色、畫面風格和鏡頭氛圍的一致性。

第二是ViduQ3生成的結果更接近“成片”。

現在很多圖生視頻工具，生成的畫面就像一張動圖。而ViduQ3更強調鏡頭、運鏡、轉場、光影、粒子、流體、運動學這些影視化效果，可以讓最后出來的東西更像一個影視片段。

第三就是，它突出的聲音能力。

ViduQ3支持最長16秒音視頻直出，Voice同步、支持對口型，也能通過Prompt精準控制BGM、音效和背景聲，這就直接決定了生成的視頻更加真實。

要知道，真實感不只是畫面決定的，聲音、環境音、節奏也會影響觀感。尤其是這類轉播感、街拍感、短劇感的視頻，如果聲音是后期硬貼上去的，就很容易露餡。

最后，也是最重要的一點，就是它“快”。

ViduQ3 Turbo生成10秒1080P的視頻，最快大概只需要80~150秒，這與其他模型相比要快不少。這在AI短劇、漫劇這些需要批量制作的場景下，效率優勢就非常明顯了。

▲圖片由Image2生成

哦，對了！

最關鍵的一點，現在Vidu生圖功能已經集成Image2，這意味著不用再去ChatGPT生圖再回來做視頻，而是可以在Vidu直接調用Image2模型。

兩個工具打通，所有創作流程在一個平臺完成，整體更順暢、方便。

而有了Image2.0+ViduQ3之后，能做的事情就很多了。

比如，我們可以隨時隨地跳一場街舞。

只需要先用Image2生成一個人物在跳舞時，不同角度和姿勢的參考圖。然后把生成的圖片給到ViduQ3，輸入簡單的跳舞提示詞，就可以得到一段這樣的視頻：

提示詞：參考圖中的年輕亞洲女性為主角，保持人物五官、發型、氣質和黑色穿搭一致。場景設定在現代舞蹈室，木質地板、整面鏡墻、灰色墻面、頂部軌道燈，空間干凈高級，有真實練舞房氛圍。鏡頭從中景開始，女生站在舞蹈室中央，穿黑色不對稱修身上衣、寬松黑色高腰長褲、黑色西裝外套和黑白運動鞋，頭發高高盤起，幾縷碎發自然垂落。她先以冷靜自信的姿態站定，隨后音樂節奏響起，開始跳一段帥氣有力的街舞。動作風格偏hip-hop/urban dance，力量感強，節奏清晰，包括肩部律動、胸部pop、手臂hit、快速轉身、低身位footwork、身體wave、甩頭、外套隨動作擺動。動作要干凈利落，不要軟綿綿，表現出強烈的控制力、爆發力和酷感。鏡頭語言要像高質量舞蹈MV：先是正面中景跟拍，然后切換到低角度推近，突出腿部步伐和身體力量；中段繞拍半圈，捕捉她轉身、甩發和外套飛起的瞬間；最后回到正面，她完成一個有力量的定格pose，眼神直視鏡頭，氣場強。 畫面要求：真實感、電影感、高清細節、自然膚質、服裝材質清晰、舞蹈動作流暢，人物比例準確，手指和四肢不要變形。整體色調高級冷灰，木地板帶暖色反光，鏡墻中有自然反射，燈光柔和但有層次。 16:9 橫版構圖，4K，cinematic lighting，realistic dance studio，dynamic camera movement，smooth motion，powerful street dance choreography。

或者，在你追劇時看到劇情里的角色犯蠢的時候，直接走進劇里，上手改寫劇情，爽一把。

比如穿越到《權力的游戲》里，給喬弗里一個大逼兜：

提示詞：在中世紀奇幻宮廷場景中，喬弗里正站在人群前，神情傲慢。圖2中的年輕亞洲女性身穿符合宮廷氛圍的古風服裝，從畫面外徑直走向喬弗里，來到他面前后，干脆利落地扇了他巴掌。短暫停頓一下后，她再次迅速連續扇了他兩巴掌。喬弗里被打得震驚錯愕，周圍人物也露出吃驚反應。三巴掌打完后，女生冷靜轉身，頭也不回地離開。整體為寫實真人影視風格，史詩奇幻宮廷劇質感，動作連貫，情緒有張力，16:9。

或者你也可以暫時替代主演，自己上去演一段，就像和豬八戒一起去偷個西瓜：

提示詞：請使用圖1和圖2作為人物參考。圖1中的豬八戒是主要角色，保留他經典的古裝造型、豬臉特征、頭飾、服裝風格和鄉野場景氣質；圖2中的女性角色為一位年輕亞洲女性，保留她精致的五官、黑色盤發、現代感氣質，并將她的服裝自然調整為符合古裝鄉野環境的簡潔古風裝束。視頻內容：在一片夏日鄉村西瓜地旁，圖1中的豬八戒鬼鬼祟祟地走在前面，左顧右盼，準備去偷西瓜。圖2中的年輕亞洲女性悄悄跟在豬八戒身后，動作輕輕的，神情帶著緊張和好奇，像是在偷偷參與這場`偷瓜行動`。兩人一前一后穿過田間小路，慢慢接近西瓜地。豬八戒不時回頭示意她小聲一點，然后彎下腰，小心翼翼地靠近地里的西瓜。女性角色也跟著蹲下，配合豬八戒一起偷西瓜，整個過程帶有一點喜劇感和偷偷摸摸的趣味感。畫面風格：寫實風格，真人影視感，中國古裝神話電視劇質感，鄉村田園場景，自然日光，鏡頭自然流暢，人物動作連貫。整體氛圍輕松、幽默、帶一點做壞事時的緊張感。中景跟拍+輕微手持感，鏡頭緩慢推進，保證人物始終清晰，動作自然，表情生動。重點突出`豬八戒在前帶路，女性在后跟隨，兩人一起偷偷去偷西瓜`的情節。

或者跟孫悟空和沙僧一起吃個人參果：

提示詞：請使用圖1和圖2作為人物參考。圖1中的兩位經典神話人物保留原有的古裝電視劇造型、服飾、發飾、面部特征和復古影視氣質；圖2中的女性角色保留精致的亞洲女性五官、盤發造型和整體氣質，同時將服裝自然調整為符合古代神話場景的古風裝束，使她能夠自然融入畫面。視頻內容：在一處古風室內場景中，圖1中的兩位角色并排坐著，正在偷偷品嘗`人生果`，動作小心又投入，帶一點偷吃時的滿足感和喜劇感。圖2中的女性坐在他們旁邊，和他們靠得比較近，也一起吃人生果。她一邊好奇地觀察他們，一邊輕輕拿起人生果，小口品嘗，神情自然，帶一點新鮮、好奇和開心。三人同框，氛圍輕松有趣，像是一起分享秘密美食。畫面中，三個人的互動自然協調，女性不是站在遠處旁觀，而是真正坐在他們旁邊，融入他們之間，一起吃人生果。可以加入輕微的對視、偷笑、滿足的表情，讓整體更有生活感和喜劇感。畫面風格：寫實真人風格，帶有中國經典古裝神話電視劇的質感，暖色調室內光線，復古布景，人物動作自然細膩。鏡頭以中景固定鏡頭或緩慢推進為主，畫面穩定，重點突出`三個人坐在一起吃人生果`的情節。整體氛圍輕松、幽默、溫暖，帶一點偷偷吃東西的趣味感。

當然，正像前面所說，Image2.0+ViduQ3這對王炸組合，更大的用武之地還是在AI短劇和AI漫劇上。

我們根據英國作家薩基（Saki，本名H.H.Munro）的著名短篇小說《敞開的窗戶》做了一個簡單的Demo。

仍然是先用Image2.0生成關鍵圖片，然后再用ViduQ3生成音畫同步的視頻。

先給大家看看效果：

怎么樣， 方法是不是很簡單？ 效果是不是也不錯？你也趕緊去試試吧！

Vidu地址鏈接： www.vidu.cn

屬于專屬 邀請碼：YJUKN

新用戶還送500積分～

歡迎添加微信：cyxx-z

加入「有界UnKnown」科技交流群