粉色連衣裙、黑色大波浪的美女，驚恐轉身后，露出了一神似張宋小寶的嬌俏面龐。微張的嘴唇，欲語還休。

美國的三好青年馬斯克，身著東北大花襖，站在微風陣陣的白宮前邊。小手一揣，略帶局促地露出一抹拘謹、正派的微笑。

而另一邊，魔卡少女小櫻也正拉著隔壁的蕾姆，在三里屯商場里逛街。當然了，世超知道見識過各種 P 圖軟件和 AI 技術的你。估計看到這些效果，也是輕輕一笑說：

 早半年前，哥就見過這種效果了。哥不僅能讓馬斯克換裝，就是讓他跳段舞，也是手拿把掐了。

但且慢，上面這些視頻的生成方法，可能跟你以前見過的都不一樣。這個用的是生數科技聯合清華團隊推出的視頻模型 Vidu 1.5 ，這個模型有一個新的能力：多主體一致性。

用大白話來說，就是我們可以上傳多張圖片來生成視頻。并且保證這些復雜的元素不會變形。比如上傳角色、物體和地點的圖，它可以用你指定的這些元素，做出一條視頻來。

這樣我們在生成的時候，就可以自己設定人物、物體還有場景。像馬斯克這條視頻，就是用了一張馬斯克的大頭照，一件花襖，還有一張白宮的圖片，生成出來的。

 丟一句簡單的提示詞， Vidu 就可以復刻出一條以假亂真的視頻。讓馬斯克，穿上你給的大花襖，在白宮前秀一段。

這么整的好處顯而易見，我們可以手動控制AI 生成的素材，讓視頻更合我們心意。以前我們只能扔一句話，或者扔一張照片，讓 AI 自由發揮。最后結果很容易就脫離我們的預期。

 比如你直接說讓馬斯克穿著大花襖，它就會真的在馬褂上，畫幾朵大花。

如果 AI 的詞庫里，就沒有大花襖這個東西。不論我們怎么調整提示詞，最后都沒法生成出來。

 可現在，你不用使勁憋提示詞了，只需要閉眼甩一張圖。之前還沒有視頻模型可以做到這樣，很多時候能把一張上傳的圖片處理明白，就已經相當得勁了。所以， Vidu 這個模型一發布。外網的各種網友們，立馬就驚呼，然后開機上手了。

大家也可以直接打開 Vidu 的官方，上手試試看。不過，現在只有三次的免費機會，后面每次試用就會需要消耗 4 個積分。為了給大家整個明白，世超試用了一天。大伙可以往下滑，看看我的效果，再決定要不要玩。按照編輯部的約定俗成，咱們的吉祥物一般都是我第一個試的。

 這回，我整了兩張火鍋戴頭盔的照片，又上傳了一張抹茶綠的雅迪電動車。輸入提示詞：金毛犬在騎雅迪電動車。

大概幾十秒之后，帶著黑色防風鏡的火鍋，就這么絲滑地騎上了小電驢。連胸前藍色的掛飾，還有雅迪的橙色車標，都完整的保留了下來。這個一致性效果還是挺驚艷的。

還貼心地加上了吐舌頭和搖尾巴的小細節。

?雖然火鍋這個滑滑板一樣的騎車動作，是肯定沒法上路的。不過，因為狗本來就不會騎電驢，咱們也不能強求。后面，世超換了張喬布斯的大頭照，這個效果就很可以了。而且，我還特地上了點難度。讓喬布斯也和馬斯克一樣，穿上了咱們特色服飾軍大衣。

 硬朗五官配上筆挺大衣，效果還是非常板正的。喬布斯應該也沒想到，自己有一天會坐上雅迪的橘色雅座吧。雖然只有正臉照，但是鏡頭轉到側方的時候，人物的特征（ 比如小禿頭 ）還是還原得挺精準。

?

不過，上面這些都還是單一的人物主體，外加一個場景或者物品。抓取起來還是比較簡單。

一般來說，我們加入的主體越多，大模型就可能抓取錯誤。于是我試了一下上傳一張唐伯虎點秋香里經典圖，然后要求把臉部替換成我給的另一張圖。

它從一堆人的背影里，精準地找到秋香。讓她把臉緩緩轉過來，微微露出側臉。雖然沒有全臉示人，但眉眼就足夠一眼丁真。

后面，我又加上了難度。不僅要替換服裝，還要加上動作。讓語文課本上的李白和蔡徐坤來個對換：李白穿著背帶褲在打籃球。

這次， Vidu 給的效果就相當抽象了。它直接給坤換了個畫風，整出了一個動畫版。雖說保留的格子褲花紋小細節，足以體現用心。

 但這個李白 260 °水調大轉頭，畫面實在過于詭異了。也沒有完成我輸入的【 打籃球 】的指令。

在后面測試中，世超發現 Vidu 雖然能摳主體。但是，如果動作比較大，或者畫面變化比較多，就容易出現上面突然轉頭的小 bug 。比如，讓它把胖虎的玩具人偶放在冰雪女王的手上。

它確實能處理多個主體，讓塑膠胖虎憑空變出來，而且，冰雪女王的動作和場景連貫性，基本可以以假亂真。但是，換進去的胖虎的動作，就明顯有點小崩。在五秒里，連續抽搐變形了數次。

 在一下午的測試里， Vidu 的生成效果總是時好時壞。世超一直在上一秒驚艷，下一秒驚嚇的反復中來來回回。比如讓雷軍坐到問界的車里揮手。雷軍就這么水靈靈地掉到了車外面，而且，臉也早已經崩壞了。

但是，同時它又能完美地讓樂高國王，在城堡上舉起長劍，激昂演講。保持場景和人物，都連貫一致。

崩多了之后，我甚至摸出了一些門道。如果你看完文章后，打算去試試，那么在給主體照片的時候，最好找背景比較干凈的圖片。主體越好摳出來，生成的準確率就越高。

 同時，給一個主體上傳多個角度的照片，也能讓他動起來更自然。因為模型可以構建出一個更完整的人物。

雖然根據 Vidu 官方的說法，他們這次放棄了業界主流的 LoRA 微調的方法。因為那種方法，很容易出現過擬合，就是在理解主體的過程中，會遺忘大量原先的知識。所以，主體的動作和肢體很容易崩壞，難以控制。畫面里東西越多，變化越多，就越容易失控。而 Vidu 的新模型是用類似于大語言模型的技術，把所有輸入都處理成視覺數據，并和大語言模型一樣能 “ 上下文記憶 ” 地處理這些輸入數據。這確實讓 Vidu 在多主體的處理上，邁出了一大步。

 但與此同時，經過簡單測試后，世超覺得 Vidu 的這個技術還有很長一段路需要走。其實， Vidu 暴露的問題跟早期的文成視頻很像。就是意思都到了，但是細節還不夠，效果不穩定，時不時抽一下風。像這個電動車和公路場景，再怎么切換鏡頭都沒有變形。就是運動的時候，人物出現了影分身。

指定圖片：初音未來、雅迪電動車和公路

如果你想用它完全替代視頻工作者的工作，世超覺得還是得等等。但 Vidu 肯定是值得上手玩玩看的。畢竟誰不想讓喜歡的角色穿上我們挑選的衣服，不想讓心意的 IP 角色或者明星，跨界同框一下呢。