テキストから映像へ：参照画像駆動の絵コンテ概念から動画生成

本作は Vidu Q3 参照画像からの動画生成ラインの動作をデモンストレーションする：まずパイプラインで2枚のコンセプト参照画像（主人公の外見とシーンアート）を生成し、次に自然言語プロンプトでそれらを Image1、Image2 の順に導入し、ネイティブオーディオ付きの連続ショットを出力する。schema の reference_image_urls は1〜7枚の参照画像をサポートし、プロンプト内では配列の添字で名前を付けて参照するため、絵コンテ段階ではキャラクター、小道具、シーンを個別の参照画像に分割し、カメラワーク、動作のリズム、音声をテキストで記述するだけで、主体が一貫したナラティブ映像が得られる。duration は1〜16秒に設定可能で、本作では「確立ショット→寄り→キャラクターの動作」という完全なリズムを収めるため8秒を採用；size は 1920*1080 の横長で audio を有効にし、セリフと環境音を映像と同期して直接出力させる。 適用シーン：漫画劇/ショートドラマの絵コンテプレビズ、広告やEC向けショート動画のコンセプト検証、複数主体の一貫性が求められるシリーズ短編制作。開発者は本条目の base と assets 構造を直接参考にし、自前のキャラクター画像とシーン画像を reference_image_urls に差し替えることで、同種の生成フローを再現できる。