編輯｜+0

話不多說，先來看一段短片。

大家覺得效果如何？以上短片的視聽內(nèi)容幾乎都由生數(shù)科技最新發(fā)布的視頻大模型 Vidu Q3 生成。

4 月 13 日，Vidu Q3 正式上線了「參考生視頻」。值得注意的是，在全球首個參考生榜單 SuperClue 榜單上，Vidu Q3 斷層登頂！多圖/單圖參考任務(wù)雙榜第一。

過去一個月，如果你刷過短視頻平臺，大概率已經(jīng)見過一種越來越「怪」的內(nèi)容：劇情很抓人、更新很快，但仔細(xì)一看，演員不太對勁。

有新聞熱議未來可能有短劇除了主角，配角全部由 AI 生成；有的公司，甚至已經(jīng)開始「簽約 AI 演員」，批量生產(chǎn)內(nèi)容；還有最近爆火的「AI 漫劇」，用極低成本實(shí)現(xiàn)日更甚至多更，播放量動輒破百萬。

紅果漫劇界面。

一邊是效率狂飆，一邊是爭議不斷。

有人覺得這是內(nèi)容工業(yè)化的下一步，把演員、場景、鏡頭全部模塊化，內(nèi)容可以像流水線一樣生產(chǎn)；也有人批評，這樣的作品「沒有靈魂」，甚至在侵蝕創(chuàng)作者和演員的空間。

但不管立場如何，有一個變化已經(jīng)很明確：AI 正在從「幫你做一段視頻」，變成「替你完成一整段內(nèi)容」。

而這，恰恰也是視頻大模型這半年最關(guān)鍵的一次轉(zhuǎn)向，行業(yè)不再只關(guān)心「生成得像不像」，而開始關(guān)心一件更現(xiàn)實(shí)的事：這些內(nèi)容，能不能直接拿去用？

在這個背景下，Vidu Q3 的這次升級，是一次順勢而為的迭代。它并沒有停留在單鏡頭質(zhì)量的優(yōu)化上，而是把重點(diǎn)放在了更長時間跨度里的穩(wěn)定性，包括畫面的一致性、邏輯的連貫性，以及多鏡頭之間的銜接。

這些能力，正好對應(yīng)的是內(nèi)容生產(chǎn)里最「難自動化」的那一段。

也因此，這次發(fā)布傳遞的信息很明確：Vidu Q3 不再只是一個「生成視頻」的工具，而是開始試圖嵌入到完整的內(nèi)容生產(chǎn)流程中。

某種程度上，它正在從「素材生成器」，變成「最小化的劇組單元」。這種深度的生產(chǎn)力進(jìn)化，正是 Vidu Q3 「為劇而生」的終極奧義。

從「生成視頻」到「萬物可參，聲畫同出」，

Vidu Q3 在改什么？

如果把生成式視頻的發(fā)展過程拆開來看，本質(zhì)上是在做一件事：把人類的視覺語言和敘事邏輯，一點(diǎn)點(diǎn)拆解出來，再變成可以被模型調(diào)用的能力。

放到 Vidu 的演進(jìn)路徑里，這個過程也很清晰，可以大致分成三個階段：

• Q1：重新定義敘事（生成能力建立）

這是打基礎(chǔ)的一步。模型完成了從「圖像」到「視頻」的跨越，開始具備對時間維度的基本理解。換句話說，它第一次能把「動起來」這件事做對。

• Q2：看 AI 演戲（演技生成出現(xiàn)）

在「能動」的基礎(chǔ)上，重點(diǎn)開始轉(zhuǎn)向「怎么動更像人」。人物的表情、肢體、情緒變化被進(jìn)一步刻畫，早期那種明顯的僵硬感被大幅削弱，也讓「看 AI 演戲」這件事第一次變得有點(diǎn)成立。 但問題也在這里：會演戲，并不等于能拍一整段戲。

• Q3：為劇而生（進(jìn)入內(nèi)容生產(chǎn)階段）

到了這一階段，目標(biāo)不再是單個片段，而是「能不能講完整一段內(nèi)容」。模型開始同時處理時長、連貫性和鏡頭之間的關(guān)系，輸出的不再只是素材，而是已經(jīng)具備基本敘事結(jié)構(gòu)的片段，可以直接進(jìn)入實(shí)際制作流程。

具體到這次 Q3 的更新，可以把它理解為兩個方向上的進(jìn)一步推進(jìn)：

「參考生成」從功能點(diǎn)變成生產(chǎn)方式

在實(shí)際內(nèi)容制作中，一個長期存在的問題是：同一個人、同一個場景，能不能一直長得一樣。

Vidu Q3 在這里做的，不只是「優(yōu)化一致性」，而是把「參考生成」這件事，往更接近生產(chǎn)流程的方向推進(jìn)了一步。

現(xiàn)在，人物、場景、服裝這些元素，可以被當(dāng)作「參考錨點(diǎn)」固定下來。創(chuàng)作者不需要每次都從頭生成，而是可以把這些形象當(dāng)作可復(fù)用的「資產(chǎn)」，在不同鏡頭、不同動作里反復(fù)調(diào)用。

更關(guān)鍵的是，這種「參考」正在被進(jìn)一步泛化，從「參考一個角色」，擴(kuò)展為「參考一切可被復(fù)用的內(nèi)容要素」。人物可以參、場景可以參、鏡頭構(gòu)圖可以參，甚至連一段情緒、一種風(fēng)格，都可以被抽象成可調(diào)用的「生產(chǎn)條件」。

換句話說，Vidu Q3 想做的，不只是「讓畫面一致」，而是把「萬物可參」變成一種新的內(nèi)容生產(chǎn)范式。

這背后帶來的變化是：AI 視頻不再是一次性的隨機(jī)產(chǎn)出，而開始具備穩(wěn)定復(fù)現(xiàn)、持續(xù)迭代的「可控生產(chǎn)」能力。

從「畫面」走向「視聽場」的整體升級

前一階段回答的是「誰在演」，接下來要解決的，是「怎么拍、怎么聽，像不像一段完整內(nèi)容」。如果說前者實(shí)現(xiàn)了「萬物可參」，那么這一階段，真正落地的是「聲畫同出」

這一輪升級的核心，是把「畫面 + 聲音 + 鏡頭調(diào)度」打包成一個統(tǒng)一的視聽系統(tǒng)。

特效層面，更貼近物理邏輯：不只是好看，而是開始考慮水流、碰撞、光影這些變化如何和畫面節(jié)奏對上，讓特效不再是「貼上去」的，而是在時序上與動作同步、在邏輯上自然地融入畫面。

音效層面，更接近同步生成：聲音不再完全依賴后期補(bǔ)充，環(huán)境音、動作音、氛圍音可以和畫面一起生成，甚至能做到基本的唇形對齊，讓「畫面完成但聲音缺席」的割裂感明顯減少，減少了后期制作的負(fù)擔(dān)。

場景層面，更貼近實(shí)際制作習(xí)慣：針對短劇、廣告等常見場景，模型內(nèi)置了一些接近「導(dǎo)播邏輯」的處理方式，比如鏡頭切換和機(jī)位調(diào)度，讓生成結(jié)果更容易直接進(jìn)入剪輯流程。

如果放在整個制作流程中來看，這意味著模型開始接管一部分原本屬于「后期 + 導(dǎo)演調(diào)度」的工作，而不只是生成素材本身。

實(shí)測：用 Vidu Q3

導(dǎo)一出好戲，總共分幾步？

回到剛剛的短片，這段視頻具體是如何做出來的呢？

我們選擇了一個最近比較熱門的話題：大廠們紛紛將 token 用量作為員工的工作評價指標(biāo)之一，以及隨著人形機(jī)器人的發(fā)展，甚囂塵上的關(guān)于「打工人被替代」的擔(dān)憂。基于此，我們構(gòu)思了這出賽博短片來調(diào)侃一下。

首先，我們根據(jù)設(shè)定的劇情框架，生成了主要角色的設(shè)定圖。

然后，把這幾張設(shè)定圖直接放進(jìn) Vidu 的「主體庫」中，同時可以給角色選擇專屬的音色。這也是 Vidu 「參考生」的核心功能之一，它能保證后續(xù)畫面的高度一致性。這直接解決了業(yè)內(nèi)最頭疼的問題之一：同一個人能不能一直長得一樣？

準(zhǔn)備就緒，我們來到第一個畫面：主角因?yàn)?token 使用量不達(dá)標(biāo)被大廠開除。在這里，我們使用「參考生視頻」功能，直接選擇剛剛?cè)霂斓闹鹘亲鳛橹黧w，然后輸入提示詞。

來看實(shí)際效果：

可以看到，畫面整體不僅與我們預(yù)設(shè)的美術(shù)畫風(fēng)完全一致，高度貼合了提示詞中的動作內(nèi)容，并且還自帶了平滑的運(yùn)鏡。也就是說，人物一致性、基礎(chǔ)運(yùn)鏡自動化都不再是問題。

這就引出了我們的第二個問題：同一個場景能不能一直長得一樣？

以兩段畫面的銜接為例，這里我們使用了 Vidu Q3 的「圖生視頻」功能。直接選取上一段畫面的最后一幀，以及下一段畫面的首幀，將它們作為首尾參考幀，然后輸入提示詞。

出來的效果非常絲滑，場景的空間結(jié)構(gòu)也十分穩(wěn)定：

在這里，跨鏡頭的空間一致性也得到保證。

當(dāng)然，除了參考主體，我們還可以直接參考設(shè)定的環(huán)境。

在這個畫面里，Vidu Q3 「視聽場」的整體升級得到了全面體現(xiàn)。不只是畫面的穩(wěn)定，包括環(huán)境中其他背景人物的活動、主人公的腳步聲、推門而入的開門聲等環(huán)境音效，都匹配得非常準(zhǔn)確，直接省去了大量后期擬音的工作。

下面這個鏡頭難度升級：畫面中同時存在兩個角色主體，并且還指定了「鏡頭上搖」這樣的復(fù)雜運(yùn)鏡，Vidu Q3 參考生表現(xiàn)如何呢？

實(shí)測證明，這對 Vidu Q3 來說也不在話下。兩個角色的特征依然清晰沒有混淆，機(jī)位運(yùn)動也精準(zhǔn)執(zhí)行了指令：

開頭的整支短片，都是按照上述步驟一步步制作完成的。下面的操作就不多贅述了，從實(shí)際體驗(yàn)來看，整個工作流的操作非常簡單，且易用性很高。

當(dāng)然，除了制作這類動漫短片，Vidu Q3 在其他商業(yè)內(nèi)容賽道上的表現(xiàn)同樣亮眼。我們看下面這段短片：

在廣告與電商營銷方面：品牌方可以將核心產(chǎn)品或模特固化在「主體庫」中，快速生成適配不同背景、不同創(chuàng)意的多版本營銷短片。不僅人物與風(fēng)格統(tǒng)一可控，還能極大提升 A/B 測試素材的跑量效率。

而在真人短劇方面：

Vidu Q3 內(nèi)置的導(dǎo)播邏輯能很好地適應(yīng)劇集高頻機(jī)位切換的需求?；诙噻R頭連貫生成能力，它能幫助制作團(tuán)隊大幅降低拍攝成本，將更新周期從「月更」極限壓縮至「日更」，真正實(shí)現(xiàn) AI 驅(qū)動的內(nèi)容工業(yè)化生產(chǎn)。

更實(shí)在的是，目前如果與 Vidu 企業(yè)合作 AI 真人劇，團(tuán)隊還有機(jī)會獲得積分投資及共同宣發(fā)等生態(tài)權(quán)益，相當(dāng)于直接從工具層幫創(chuàng)作者打通了商業(yè)閉環(huán)。某種程度上，它正在從工具，延伸到內(nèi)容生產(chǎn)生態(tài)的一部分。

另外，此次 Q3 在視聽能力上的系統(tǒng)性升級，也貫穿了整個生成過程。

基于內(nèi)建的6 大特效引擎（粒子、流體、動力學(xué)、運(yùn)鏡、轉(zhuǎn)場、光影）與 5 大音效矩陣（環(huán)境、動態(tài)、氛圍、擬音、情緒），模型能夠更自然地表達(dá)情緒變化與劇情推進(jìn)。

結(jié)語

綜合來看，Vidu Q3 的這輪升級，并不只是參數(shù)或效果層面的提升，而是一次更關(guān)鍵的位置遷移：大模型，正在從內(nèi)容生產(chǎn)的「靈感工具」，走向真正進(jìn)入生產(chǎn)鏈路的「工業(yè)工具」。

這種變化，已經(jīng)在多個內(nèi)容賽道中變得非常具體：

正如我們在前面的實(shí)測與場景演示中所看到的，無論是短劇的高頻迭代，還是廣告的批量規(guī)?；a(chǎn)出，這種變化已經(jīng)可以用實(shí)實(shí)在在的「算賬」來衡量商業(yè)價值。而更深遠(yuǎn)的影響在于，Vidu Q3 正在把影視內(nèi)容工業(yè)里最昂貴的「試錯成本」無限前置。

以傳統(tǒng)影視制作為例，文本劇本現(xiàn)在可以被快速、低成本地轉(zhuǎn)化為高視聽表現(xiàn)力的動態(tài)分鏡。導(dǎo)演和主創(chuàng)團(tuán)隊能夠在正式砸下重金開機(jī)之前，就對光影基調(diào)、鏡頭語言與場景氛圍形成直觀判斷，這不僅大幅降低了后期的返工成本，也在重塑跨部門協(xié)作的溝通標(biāo)準(zhǔn)。

為了讓這些能力真正做到「即插即用」，生數(shù)科技這次不僅升級了模型，更直接端出了「Q3 全家桶」。

Vidu Q3 已完整覆蓋文生、圖生與參考生三大能力，以 Q3 模型為核心底座，Vidu SaaS（Vidu Agent、Vidu Claw）、Vidu MaaS（Vidu AI 開放平臺，Vidu.API）全面接入核心能力，形成了一個覆蓋多場景創(chuàng)作、生產(chǎn)與交付的一體化服務(wù)體系。Vidu MaaS 服務(wù)具備 0 門檻接入、極致性價比、切鏡自然合理、生成速度快等優(yōu)勢，同時支持提示詞調(diào)優(yōu)、工作流適配及專項(xiàng)培訓(xùn)服務(wù)，在高峰期也能保持穩(wěn)定流暢的使用體驗(yàn)。無論你是想快速做個創(chuàng)意驗(yàn)證，還是直接投入工業(yè)化制作，都可以在這套統(tǒng)一的能力底座上獲得更完整、更高效的使用體驗(yàn)。

視頻大模型正在逐漸褪去「玩具」屬性，向著具備高確定性的生產(chǎn)基礎(chǔ)設(shè)施邁進(jìn)。而那個「參考生之王」 Vidu，顯然已經(jīng)做好了全面落地的準(zhǔn)備。

目前，最新的 Q3 參考生功能已正式上線。歡迎登陸 Vidu.cn 或通過 Vidu.API 快速體驗(yàn)（注冊時可輸入邀請碼：JQZXN3，即可獲得 500 積分），開啟你的「為劇而生」之旅。

文中視頻鏈接：https://mp.weixin.qq.com/s/H7X6TGLLiBUFenEsC_lPzA