从文字到画面：参考图驱动的分镜概念转视频

本作演示 Vidu Q3 参考生视频线路的工作方式：先用产线生成两张概念参考图（主角形象与场景美术），再以自然语言提示词把它们按 Image1、Image2 的顺序引入，输出一段带原生音频的连续镜头。schema 中的 reference_image_urls 支持 1–7 张参考图，提示词里以数组下标命名引用，因此分镜阶段只需把角色、道具、场景拆成独立参考图，用文字描述镜头运动、动作节奏与声音，就能得到主体一致的叙事片段。duration 可设 1–16 秒，本作取 8 秒以容纳「建立镜头→推近→角色动作」的完整节奏；size 采用 1920*1080 横屏并开启 audio，让对白与环境声与画面同步直出。 适用场景：漫剧/短剧的分镜预演、广告与电商短视频的概念验证、需要多主体一致性的系列短片制作。开发者可直接参考本条的 base 与 assets 结构，把自有的角色与场景图替换进 reference_image_urls，即可复现同类生成流程。