粉色連衣裙、黑色大波浪的美女，驚恐轉(zhuǎn)身后，露出了一神似張宋小寶的嬌俏面龐。微張的嘴唇，欲語(yǔ)還休。

美國(guó)的三好青年馬斯克，身著東北大花襖，站在微風(fēng)陣陣的白宮前邊。小手一揣，略帶局促地露出一抹拘謹(jǐn)、正派的微笑。

而另一邊，魔卡少女小櫻也正拉著隔壁的蕾姆，在三里屯商場(chǎng)里逛街。當(dāng)然了，世超知道見(jiàn)識(shí)過(guò)各種 P 圖軟件和 AI 技術(shù)的你。估計(jì)看到這些效果，也是輕輕一笑說(shuō)：

 早半年前，哥就見(jiàn)過(guò)這種效果了。哥不僅能讓馬斯克換裝，就是讓他跳段舞，也是手拿把掐了。

但且慢，上面這些視頻的生成方法，可能跟你以前見(jiàn)過(guò)的都不一樣。這個(gè)用的是生數(shù)科技聯(lián)合清華團(tuán)隊(duì)推出的視頻模型 Vidu 1.5 ，這個(gè)模型有一個(gè)新的能力：多主體一致性。

用大白話來(lái)說(shuō)，就是我們可以上傳多張圖片來(lái)生成視頻。并且保證這些復(fù)雜的元素不會(huì)變形。比如上傳角色、物體和地點(diǎn)的圖，它可以用你指定的這些元素，做出一條視頻來(lái)。

這樣我們?cè)谏傻臅r(shí)候，就可以自己設(shè)定人物、物體還有場(chǎng)景。像馬斯克這條視頻，就是用了一張馬斯克的大頭照，一件花襖，還有一張白宮的圖片，生成出來(lái)的。

 丟一句簡(jiǎn)單的提示詞， Vidu 就可以復(fù)刻出一條以假亂真的視頻。讓馬斯克，穿上你給的大花襖，在白宮前秀一段。

這么整的好處顯而易見(jiàn)，我們可以手動(dòng)控制AI 生成的素材，讓視頻更合我們心意。以前我們只能扔一句話，或者扔一張照片，讓 AI 自由發(fā)揮。最后結(jié)果很容易就脫離我們的預(yù)期。

 比如你直接說(shuō)讓馬斯克穿著大花襖，它就會(huì)真的在馬褂上，畫幾朵大花。

如果 AI 的詞庫(kù)里，就沒(méi)有大花襖這個(gè)東西。不論我們?cè)趺凑{(diào)整提示詞，最后都沒(méi)法生成出來(lái)。

 可現(xiàn)在，你不用使勁憋提示詞了，只需要閉眼甩一張圖。之前還沒(méi)有視頻模型可以做到這樣，很多時(shí)候能把一張上傳的圖片處理明白，就已經(jīng)相當(dāng)?shù)脛帕恕Ｋ裕?Vidu 這個(gè)模型一發(fā)布。外網(wǎng)的各種網(wǎng)友們，立馬就驚呼，然后開(kāi)機(jī)上手了。

大家也可以直接打開(kāi) Vidu 的官方，上手試試看。不過(guò)，現(xiàn)在只有三次的免費(fèi)機(jī)會(huì)，后面每次試用就會(huì)需要消耗 4 個(gè)積分。為了給大家整個(gè)明白，世超試用了一天。大伙可以往下滑，看看我的效果，再?zèng)Q定要不要玩。按照編輯部的約定俗成，咱們的吉祥物一般都是我第一個(gè)試的。

 這回，我整了兩張火鍋戴頭盔的照片，又上傳了一張抹茶綠的雅迪電動(dòng)車。輸入提示詞：金毛犬在騎雅迪電動(dòng)車。

大概幾十秒之后，帶著黑色防風(fēng)鏡的火鍋，就這么絲滑地騎上了小電驢。連胸前藍(lán)色的掛飾，還有雅迪的橙色車標(biāo)，都完整的保留了下來(lái)。這個(gè)一致性效果還是挺驚艷的。

還貼心地加上了吐舌頭和搖尾巴的小細(xì)節(jié)。

?雖然火鍋這個(gè)滑滑板一樣的騎車動(dòng)作，是肯定沒(méi)法上路的。不過(guò)，因?yàn)楣繁緛?lái)就不會(huì)騎電驢，咱們也不能強(qiáng)求。后面，世超換了張喬布斯的大頭照，這個(gè)效果就很可以了。而且，我還特地上了點(diǎn)難度。讓喬布斯也和馬斯克一樣，穿上了咱們特色服飾軍大衣。

 硬朗五官配上筆挺大衣，效果還是非常板正的。喬布斯應(yīng)該也沒(méi)想到，自己有一天會(huì)坐上雅迪的橘色雅座吧。雖然只有正臉照，但是鏡頭轉(zhuǎn)到側(cè)方的時(shí)候，人物的特征（ 比如小禿頭 ）還是還原得挺精準(zhǔn)。

?

不過(guò)，上面這些都還是單一的人物主體，外加一個(gè)場(chǎng)景或者物品。抓取起來(lái)還是比較簡(jiǎn)單。

一般來(lái)說(shuō)，我們加入的主體越多，大模型就可能抓取錯(cuò)誤。于是我試了一下上傳一張?zhí)撇Ⅻc(diǎn)秋香里經(jīng)典圖，然后要求把臉部替換成我給的另一張圖。

它從一堆人的背影里，精準(zhǔn)地找到秋香。讓她把臉緩緩轉(zhuǎn)過(guò)來(lái)，微微露出側(cè)臉。雖然沒(méi)有全臉示人，但眉眼就足夠一眼丁真。

后面，我又加上了難度。不僅要替換服裝，還要加上動(dòng)作。讓語(yǔ)文課本上的李白和蔡徐坤來(lái)個(gè)對(duì)換：李白穿著背帶褲在打籃球。

這次， Vidu 給的效果就相當(dāng)抽象了。它直接給坤換了個(gè)畫風(fēng)，整出了一個(gè)動(dòng)畫版。雖說(shuō)保留的格子褲花紋小細(xì)節(jié)，足以體現(xiàn)用心。

 但這個(gè)李白 260 °水調(diào)大轉(zhuǎn)頭，畫面實(shí)在過(guò)于詭異了。也沒(méi)有完成我輸入的【 打籃球 】的指令。

在后面測(cè)試中，世超發(fā)現(xiàn) Vidu 雖然能摳主體。但是，如果動(dòng)作比較大，或者畫面變化比較多，就容易出現(xiàn)上面突然轉(zhuǎn)頭的小 bug 。比如，讓它把胖虎的玩具人偶放在冰雪女王的手上。

它確實(shí)能處理多個(gè)主體，讓塑膠胖虎憑空變出來(lái)，而且，冰雪女王的動(dòng)作和場(chǎng)景連貫性，基本可以以假亂真。但是，換進(jìn)去的胖虎的動(dòng)作，就明顯有點(diǎn)小崩。在五秒里，連續(xù)抽搐變形了數(shù)次。

 在一下午的測(cè)試?yán)铮?Vidu 的生成效果總是時(shí)好時(shí)壞。世超一直在上一秒驚艷，下一秒驚嚇的反復(fù)中來(lái)來(lái)回回。比如讓雷軍坐到問(wèn)界的車?yán)飺]手。雷軍就這么水靈靈地掉到了車外面，而且，臉也早已經(jīng)崩壞了。

但是，同時(shí)它又能完美地讓樂(lè)高國(guó)王，在城堡上舉起長(zhǎng)劍，激昂演講。保持場(chǎng)景和人物，都連貫一致。

崩多了之后，我甚至摸出了一些門道。如果你看完文章后，打算去試試，那么在給主體照片的時(shí)候，最好找背景比較干凈的圖片。主體越好摳出來(lái)，生成的準(zhǔn)確率就越高。

 同時(shí)，給一個(gè)主體上傳多個(gè)角度的照片，也能讓他動(dòng)起來(lái)更自然。因?yàn)槟Ｐ涂梢詷?gòu)建出一個(gè)更完整的人物。

雖然根據(jù) Vidu 官方的說(shuō)法，他們這次放棄了業(yè)界主流的 LoRA 微調(diào)的方法。因?yàn)槟欠N方法，很容易出現(xiàn)過(guò)擬合，就是在理解主體的過(guò)程中，會(huì)遺忘大量原先的知識(shí)。所以，主體的動(dòng)作和肢體很容易崩壞，難以控制。畫面里東西越多，變化越多，就越容易失控。而 Vidu 的新模型是用類似于大語(yǔ)言模型的技術(shù)，把所有輸入都處理成視覺(jué)數(shù)據(jù)，并和大語(yǔ)言模型一樣能 “ 上下文記憶 ” 地處理這些輸入數(shù)據(jù)。這確實(shí)讓 Vidu 在多主體的處理上，邁出了一大步。

 但與此同時(shí)，經(jīng)過(guò)簡(jiǎn)單測(cè)試后，世超覺(jué)得 Vidu 的這個(gè)技術(shù)還有很長(zhǎng)一段路需要走。其實(shí)， Vidu 暴露的問(wèn)題跟早期的文成視頻很像。就是意思都到了，但是細(xì)節(jié)還不夠，效果不穩(wěn)定，時(shí)不時(shí)抽一下風(fēng)。像這個(gè)電動(dòng)車和公路場(chǎng)景，再怎么切換鏡頭都沒(méi)有變形。就是運(yùn)動(dòng)的時(shí)候，人物出現(xiàn)了影分身。

指定圖片：初音未來(lái)、雅迪電動(dòng)車和公路

如果你想用它完全替代視頻工作者的工作，世超覺(jué)得還是得等等。但 Vidu 肯定是值得上手玩玩看的。畢竟誰(shuí)不想讓喜歡的角色穿上我們挑選的衣服，不想讓心意的 IP 角色或者明星，跨界同框一下呢。