Vidu

刚上手就被惊艳到，门槛比较低，生成速度也较快。

注册之后，会有比较贴心的教程辅助使用，而且还会有新手任务。只要跟着任务去操作，就能把基础功能掌握好。同时在使用的过程中，还有各种模板参考。如果说有素材不会放，它也会引导你怎么去输入提示词，并和素材结合起来。

最重要的是，生成一个文转视频才消耗 12 个积分。做任务的过程会赠送接近 100 多积分，目前配合内测码使用，把任务做完之后大概有 600 多积分，基本上够做一部小短剧了。

更重要的是它生成的质量，素材在视频里展示时非常贴合。它可以用一个主体在不同的场景进行切换，让人物走进素材图片里面，形成一体感。

关于版本选择：

1. 使用 Vidu Q2 主要用于转成视频；

2. 使用 Q3 则支持声音同步，积分消耗也会相应多一点。

订阅套餐也不贵：

1. 标准版：连续订阅首月 50 元，下个月续费 59 元。每月 800 积分，能生成 200 个视频。

2. 专业版：186 元/月，每月 4000 多积分。

3. 旗舰版：629 元/月，每月 8000 积分，每日可提交 200 个视频。

4. 企业版：999 元，主要对接销售单进行交付。每个账号有 800 到 8000 积分，还提供一对一技术支持和员工培训服务。

看起来它的订阅模式已经很成熟了，重要的是这套工具持续迭代的能力，目前看质量都没有什么问题。希望越做越好，下次有朋友问有什么视频生成工具，我应该会推荐一下 Vidu。

Vidu 主打 AI 视频生成，上手门槛相对低，新用户注册即可体验，生成流程清晰，适合快速尝试文生视频或基础视频创作。实际使用中，画面连贯性和整体观感在同类产品中表现尚可，作为入门级 AI 视频工具有一定吸引力。
不足之处是细节可控性有限，对镜头和人物一致性的掌控还有提升空间。

创作者的长视频痛点被摆上台面→传统模型的底层缺陷被拆解→5 秒的行业桎梏被客观呈现→Vidu 的核心能力被解锁，Vidu Q2 参考生 Pro 的升级被全面展现→最终创作者被赋予长视频创作的确定性，全程无主动句式，均为被动受益视角，核心意思丝毫不差，字数与原文持平且细节更顺滑： 每一位尝试用 AI 制作多镜头长视频的创作者，都曾被 “主角动态换脸、扭曲变形” 的噩梦深深困扰 —— 前一帧的红裙少女，后一帧的身份特征便被彻底改变，这种主体崩坏的问题，被公认为 AI 长视频创作中最难以突破的瓶颈。 而这一困境的根源，早已被拆解清楚：传统视频生成模型的底层逻辑缺陷，让 “人、景、物” 三者被作为高度耦合的整体来学习和生成。当 “一个穿着红裙子的女孩在森林里奔跑” 的指令被下达时，“红裙女孩”“森林”“奔跑” 三个概念便被模型内部杂乱地纠缠在一起。一旦场景切换的指令被触发，从森林变为城市街道，角色的核心特征便无法被模型维持，不可避免的崩坏便会随之发生。 与此同时，视频生成长度的桎梏，也被所有主流 AIGC 平台共同面临 —— 普遍不超过 10 秒的生成上限，即便是 Vidu，目前也仅支持 5 秒视频片段的生成。但正是在这样的限制下，相对丝滑的长视频作品，却能被创作者基于 Vidu 拼接完成，尤其是 Vidu Q2 参考生 Pro 版本推出后，这份可能性更是被推向了顶峰。 作为从不标榜自己是 “全能王者” 的 AI 视频工具，Vidu 却凭借一项核心能力，让无数创作者为之倾心，而这项能力的潜力，也被 Vidu Q2 参考生 Pro 的迭代彻底释放，实现了从 “精准参考” 到 “万物可参考” 的质的飞跃。 简单的 “人物复刻” 范畴，早已被 Vidu 的主体参考功能超越，多参考能力的极致表现，也被 Vidu Q2 参考生 Pro 全面呈现：不仅主体形象能被精准锁定，参考图片或视频中的状态、动作、相对位置，甚至特效、表情、材质纹理，都能被一键迁移。更令人震撼的是，2 个视频 + 4 张图片的多模态混合输入被它支持，“六大维度全维度复刻” 的目标也被真正实现。 无论是二次元角色复刻真人舞蹈动作的需求，还是电影级特效无缝迁移的诉求，亦或是角色在不同场景下微表情保持一致的期待，都能被它轻松满足。创作者也终于告别了 “抽卡式创作” 的随机性，“牵一发而动全身” 的创作困境被彻底打破，生产级的创作确定性被真正赋予。而二次元角色复刻真人动作、电影级特效迁移、跨场景微表情统一这些创作需求，也都被 Vidu Q2 参考生 Pro 稳稳承接，让 AI 长视频创作的不可能，最终被转化为触手可及的现实。

图生视频功能，效果不满意，不能完全按照提示词完成动作

这个应用体验的比较早

人物主体一致性他家很早就开始做了，之前体验时整体体验还是不错的。首位帧效果也比较好，现在还可以多帧生成。

不过现在主流视频生成都可以 音画同出了，希望后续可以更新这个功能

动态上弱一些，但相对动作幅度小的，比如微表情和缓慢的动作，都比别家的要自然。看了一下也和模型本身选择的架构有关。
另外就是多参考非常惊艳，确实是把握住了影视制作人员的需求。总体而言在大厂的包围中做出了自己的特色，牛。

相对其它优秀的视频生成平台，Vidu可能没法说自己是最牛的。

但是Vidu有一个非常惊艳的功能，就是主体参考。它的多参功能指的不仅仅是主体，还有基于图片中的状态、动作、相对位置等，都可以形成参考。

目前主流AIGC平台的视频生成长度都不超过10秒钟，包括Vidu也是，暂时只支持生成5秒的视频片段。

但为什么，基于Vidu可以生成长视频，还相对丝滑。这就不得不提一个话题：长视频中的主体一致性。实际上，如果想用AI生成多个镜头的长视频，所有人都会遇到AI视频生成的最大瓶颈之一—— 主角形象在动态视频中频繁“换脸”或“变形”的问题。

Vidu Q1解决一致性问题的核心思想，可以归结为一个极具前瞻性的概念：“原子化创作”。这个理念的本质，是将一个复杂的、动态的视频场景，解构成最基本、最核心的、不可再分的“原子”单元。根据Vidu Q1的设定，这些原子被定义为“人、景、物”三大原色。

传统视频生成模型的问题在于，它试图将“人、景、物”这三者作为一个高度耦合的整体来学习和生成。当指令要求“一个穿着红裙子的女孩在森林里奔跑”时，模型内部的表征是将“红裙女孩”、“森林”和“奔跑”这三个概念混乱地纠缠在一起。因此，当需要将场景从“森林”变为“城市”时，模型很可能会因为这种纠缠而无法保持“红裙女孩”的身份特征，导致角色崩坏。

而Vidu Q1的“原子化”逻辑，则是先将这三者进行“解耦”。它通过“主体参照”功能，让用户先定义好那个不变的“人”原子。

第一步：定义“人”原子。 用户通过上传一张或多张角色的清晰图片，为模型提供一个明确的、高保真的身份参照。这相当于告诉模型：“记住这个人的样子，这是我们后续所有创作中绝对不能改变的核心。”

第二步：组合“景”与“物”。 在“人”原子被锁定的前提下，用户可以通过文本指令（Prompt）来自由地定义“景”和“物”。例如，你可以指令这个被锁定的角色“在赛博朋克都市的雨夜中行走”，或者“在海滩上快乐地跳跃”。

第三步：智能融合生成。 模型接收到这些被解耦的指令后，其任务不再是凭空想象一个全新的场景，而是将已经固定的“人”原子，与用户新定义的“景”和“物”原子进行智能地融合。它会计算角色在新的环境光照下的渲染、根据新的动作指令来驱动角色的骨骼和表情，但始终会参照第一步中定义的身份信息，确保其核心特征不发生偏移。

从基于单个主体的多视角生成参考图，到支持最多7个主体输入，最终构成了Vidu Q1的杀手级特性。

这意味着AI视频创作正式从“独角戏”时代迈向了“群像剧”时代。创作者可以为一部短片定义好主角、配角、甚至是一些关键的道具主体，并在同一个画面中让他们进行互动，同时保证每一个主体都维持自身的外观。这对于制作故事短片、广告、乃至动画剧集，都具有不可估量的价值。

整体下来给我的体验感挺好的，具体表现在：

对卡通和二次元风格的掌控力很好，生成的画面风格统一，角色和场景组合不错。

色彩搭配不错，没有常见AI生成画面中容易出现的过度饱和或刺眼的问题，整体观感比较舒服，甚至没多少Ai生成的味道。

角色一致性与视频连续性惊艳：当使用一张已有的IP图片作为参考生成视频时，能够很好地保持角色的统一性（不像某些平台角色会“变脸”），并且视频帧之间的过渡流畅自然，动作连贯性做得相当不错。