Vidu Q4 Preview リファレンス動画生成：キャラクターの一貫性とネイティブ音声のデモ
本項目は Vidu Q4 Preview のリファレンス動画（reference-to-video）入力構造をモデルに、少数のリファレンス画像と1つの音声参照でキャラクターの外見と声を制約し、さらに単一のプロンプトでネイティブ音声付きの短いショットを生成する方法をデモンストレーションします。 構成：2枚のキャラクター参照画像でそれぞれ主人公と相手役の外見と衣装を固定し、3つ以内の音声参照で主人公の声質を固定します（本作品では中国語の台詞の音声参照を1つ使用）。プロンプトは schema の取り決めに従い、「参照画像 1 / 参照画像 2 / 参照音声 1」の順で素材を指定し、短い対決シーンを構築します：主人公の視線と感情の高まり、相手役の横向きの反応、カメラはミディアムショットからクローズアップへと寄り、環境音と台詞が同期して生成されます。 パラメータ面：duration は 10 秒、resolution は 1080p、aspect_ratio は 16:9、audio はデフォルトの有効状態を維持します。このモデルは Preview バージョンであり、公式が明示する能力は今後も反復される点に注意が必要です。1回の生成上限は 16 秒で、長回しは分割してつなぎ合わせる必要があります。参照画像は最大 15 枚、音声は最大 3 セグメントで、音声参照は 3～12 秒の MP3 である必要があります。 適用シーン：キャラクターの外見と声をショットをまたいで一貫させる必要があるシリーズ化された短編コンテンツ、劇的シーンのプリビズ、複数案のコンペ（参照画像やプロンプトを差し替えるだけで演技やカメラポジションの違いを比較可能）、および独立系クリエイターや小規模スタジオによる低コストのショット試作。
スタイル キャラクターの一貫性 · ネイティブオーディオ · 会話シーン
モデル Vidu Q4 Preview
参照入力
reference_audio_urls
reference_image_urls
reference_image_urls
プロンプト
参照画像 1 が主人公を定義する：使い古したオリーブ色のフィールドジャケットを着た若い女性で、濃い色のショートヘアで、左眉の上に小さな傷跡がある。参照画像 2 が彼女の相手役を定義する：チャコールグレーのコートを着た背の高い男性で、スキンヘッドで、両肩が雨に濡れている。参照音声 1 が主人公の声を提供する。 カメラ：夕暮れ時、雨に濡れたコンクリートの地下通路、ナトリウム灯が不安定にちらつき、浅い水たまりが暖かなオレンジ色の光を映している。冒頭はミディアムショットで、ややあおり気味。参照画像 1 の女性が影の中から歩み出し、呼吸は荒く、視線は画面外をじっと見つめている。彼女は参照音声 1 の声で、低く抑えた口調でこう言う：「戻ってくるべきじゃなかった」。参照画像 2 の男性がゆっくりと振り向き、コートがそれに合わせて揺れ、声を張り上げることなく答える。カメラはゆっくりと寄り、彼女の顔のクローズアップへ至る。彼女は彼の視線を受け止め、あごを引き締め、一度まばたきする。雨粒がレンズの前を横切り、細かな塵が光の中を漂う。カメラは手持ちだが安定しており、カットなし、1つの連続したカメラワーク、自然なモーションブラー、35mm の映画的な質感、繊細なフィルムグレイン。 音声：同期した台詞、雨の環境音、遠くの車の流れの低い唸り、濡れたコンクリートの足音、そしてカメラが切り替わる瞬間の微かな金属の衝突音。
完全なプロンプトをコピーして、自分の生成用にアレンジしてください。
タグ