Vidu Q4 Preview 参考生视频：角色一致性与原生音频演示
本条目以 Vidu Q4 Preview 的参考生视频（reference-to-video）输入结构为蓝本，演示如何用少量参考图与一段音色参考约束角色外观与声音，再由单条提示词驱动一段带原生音频的短镜头。 构成：两张角色参考图分别锁定主角与对手的外形与服装，三段以内的音频参考用于固定主角音色（本作品使用一段中文对白音色参考）。提示词按 schema 约定以「参考图 1 / 参考图 2 / 参考音频 1」的顺序指代素材，构建一场短促的对抗戏：主角视线与情绪推进，对手侧身反应，镜头由中景推入近景，环境声与对白同步生成。 参数层面：duration 取 10 秒，resolution 取 1080p，aspect_ratio 取 16:9，audio 保持默认开启。需注意该模型为 Preview 版本，官方明确能力仍会迭代；单次生成上限 16 秒，长镜头需分段拼接；参考图最多 15 张、音频最多 3 段，音频参考须为 3–12 秒的 MP3。 适用场景：需要角色外观与声音跨镜头一致的系列化短内容、剧情片段预演、多方案比稿（仅替换参考图或提示词即可比较表演与机位差异），以及独立创作者与小型工作室的低成本镜头试制。
风格 Character Consistency · Native Audio · 对话场景
参考输入
参考音频
参考图像
参考图像
提示词
参考图 1 定义了主角：一位身穿破旧橄榄色野战夹克的年轻女子，留着深色短发，左眉上方有一道小疤痕。参考图 2 定义了她的对手：一位身穿炭灰色大衣的高个男子，剃着光头，双肩被雨水淋湿。参考音频 1 提供了主角的声音。 镜头：黄昏时分，一条被雨水打湿的水泥地下通道，钠灯闪烁不定，浅浅的水洼映着温暖的橙色灯光。开场为中景，略带仰角；参考图 1 中的女子从阴影中迈步走出，呼吸急促，目光紧盯着画面外。她用参考音频 1 的声音低沉而克制地说道：“你不该回来的。”参考图 2 中的男子缓缓转过头，大衣随之摆动，他没有提高音量便作了回答。镜头缓慢推近，直至她面部的特写，她迎着他的目光，下颌绷紧，眨了一下眼；雨水从镜头前划过，细小的碎屑在灯光中飘浮。摄影机保持手持但稳定，无剪辑，一个连续的运镜，自然的运动模糊，35mm 电影质感，带有细腻的胶片颗粒。 音频：同步对白、雨声环境音、远处车流的低鸣、湿水泥地上的脚步声，以及镜头切换时一声微弱的金属碰撞声。
复制完整提示词，改成你自己的生成任务。
标签