Werke

Vidu Q4 Preview Referenz-zu-Video: Charakterkonsistenz und native Audio-Demo

Dieser Eintrag nutzt die Referenz-zu-Video-Eingabestruktur (reference-to-video) von Vidu Q4 Preview als Vorlage und demonstriert, wie mit wenigen Referenzbildern und einer Stimmreferenz das Aussehen und die Stimme einer Figur festgelegt werden und anschließend ein einzelner Prompt eine kurze Einstellung mit nativem Audio antreibt. Aufbau: Zwei Charakter-Referenzbilder fixieren jeweils Aussehen und Kleidung des Protagonisten und des Gegenspielers, bis zu drei Audioreferenzen dienen der Festlegung der Stimme des Protagonisten (in diesem Werk wird eine chinesische Dialog-Stimmreferenz verwendet). Der Prompt verweist gemäß Schema-Konvention in der Reihenfolge „Referenzbild 1 / Referenzbild 2 / Referenzaudio 1“ auf das Material und konstruiert eine kurze Konfrontationsszene: Der Blick und die Emotion des Protagonisten schreiten voran, der Gegenspieler reagiert seitlich, die Kamera fährt von einer Halbtotalen in eine Nahaufnahme, Umgebungsgeräusche und Dialog werden synchron erzeugt. Auf Parameterebene: duration wird auf 10 Sekunden gesetzt, resolution auf 1080p, aspect_ratio auf 16:9, audio bleibt standardmäßig aktiviert. Zu beachten ist, dass dieses Modell eine Preview-Version ist und die offiziell angegebenen Fähigkeiten weiter iteriert werden; die Obergrenze pro Generierung liegt bei 16 Sekunden, lange Einstellungen müssen in Segmenten zusammengesetzt werden; maximal 15 Referenzbilder und bis zu 3 Audiosegmente, Audioreferenzen müssen MP3-Dateien mit 3–12 Sekunden sein. Anwendungsfälle: serielle Kurzinhalte, die konsistentes Aussehen und konsistente Stimme einer Figur über mehrere Einstellungen hinweg erfordern, Vorab-Inszenierung von Handlungsausschnitten, Vergleich mehrerer Konzeptvarianten (durch bloßes Austauschen von Referenzbildern oder Prompts lassen sich Unterschiede in Darstellung und Kameraposition vergleichen) sowie kostengünstige Einstellungstests für unabhängige Kreative und kleine Studios.

Stil Charakterkonsistenz · Native Audio · Dialogszene

Modell Vidu Q4 Preview

Referenz-Eingaben

reference_audio_urls
reference_image_urls
reference_image_urls

Probier es selbst

Prompt

Try this model

Referenzbild 1 definiert den Protagonisten: eine junge Frau in einer abgenutzten olivfarbenen Feldjacke, mit kurzem dunklem Haar und einer kleinen Narbe über der linken Augenbraue. Referenzbild 2 definiert ihren Gegenspieler: ein großer Mann in einem anthrazitfarbenen Mantel, kahlrasiert, dessen Schultern vom Regen durchnässt sind. Referenzaudio 1 liefert die Stimme der Protagonistin.

Einstellung: In der Abenddämmerung ein regennasser Betonunterführung, Natriumlampen flackern unregelmäßig, flache Pfützen spiegeln warmes orangefarbenes Licht. Die Eröffnung ist eine Halbtotale mit leichter Untersicht; die Frau aus Referenzbild 1 tritt aus dem Schatten hervor, atmet schnell, der Blick starr nach außerhalb des Bildes gerichtet. Mit der Stimme aus Referenzaudio 1 sagt sie tief und beherrscht: „Du hättest nicht zurückkommen sollen.“ Der Mann aus Referenzbild 2 dreht langsam den Kopf, der Mantel schwingt mit, er antwortet, ohne die Stimme zu erheben. Die Kamera fährt langsam näher heran bis zur Nahaufnahme ihres Gesichts, sie hält seinem Blick stand, der Kiefer angespannt, sie blinzelt einmal; Regen zieht vor der Linse vorbei, feine Partikel schweben im Licht. Die Kamera bleibt handgeführt, aber stabil, kein Schnitt, eine durchgehende Kamerabewegung, natürliche Bewegungsunschärfe, 35-mm-Filmoptik mit feiner Filmkörnung.

Audio: synchroner Dialog, Regenambiente, das ferne Rauschen des Verkehrs, Schritte auf nassem Beton und ein schwaches metallisches Klirren beim Bildwechsel.

Kopiere das vollständige Prompt und passe es an deine eigene Aufgabe an.