新智元報(bào)道
編輯：編輯部
【新智元導(dǎo)讀】谷歌「香蕉」P圖爆火全網(wǎng)，發(fā)布不過(guò)10天，終極平替就來(lái)了。今天，Vidu Q1全球上線「參考生圖」功能，一次7張圖，人物、背景、道具隨意組合，逼真還原還能腦洞大開(kāi)，效果完勝Flux Kontext，直逼Nano Banana。
谷歌Nano Banana掀起的狂歡海嘯，完全不亞于ChatGPT橫空出世。
它，號(hào)稱是PS的終結(jié)者。
以往，Photoshop耗費(fèi)數(shù)個(gè)小時(shí)完成的修圖，Nano Banana僅用一句話，最多30秒神速完成。
意想不到的是，谷歌發(fā)布不到10天后，國(guó)產(chǎn)版「Nano Banana」誕生了！
今天，Vidu Q1全球同步上線「參考生圖」功能，一舉擊碎國(guó)內(nèi)參考天花板，讓圖片生成進(jìn)入「生產(chǎn)級(jí)」時(shí)代。
一次扔進(jìn)7張圖，Vidu Q1參考生圖穩(wěn)拿捏，逼真還原的同時(shí)，還能隨心所欲創(chuàng)作。
在一致性、美學(xué)、真實(shí)性、清晰度、語(yǔ)義理解綜合評(píng)分上，Vidu Q1參考生圖完全碾壓Flux Kontext，與Nano Banana相媲美。
Vidu Q1參考生圖的易用性，簡(jiǎn)直就是創(chuàng)作者的「生圖利器」，萬(wàn)物皆可合成、萬(wàn)物皆可替。
外國(guó)網(wǎng)友激動(dòng)地表示，「這簡(jiǎn)直是，目前最佳的AI參考生圖的工具。每次輸出的效果絕了」！
還有人盛贊Vidu Q1參考生圖一致性，并稱，Vidu這種低調(diào)的實(shí)力派，真正推動(dòng)了AI領(lǐng)域的創(chuàng)新。
下面就來(lái)扒一扒Vidu Q1參考生圖的「合成大法」，保你看完腦洞大開(kāi)。
國(guó)產(chǎn)「Nano Banana」出世
Vidu Q1「參考生圖」的核心——只要參考?jí)蚨?，就能還原夠真。
一次7張圖，打破國(guó)內(nèi)天花板
Vidu Q1支持單次最多7張參考圖，這一能力不僅在國(guó)內(nèi)處于領(lǐng)先地位，更是行業(yè)頂尖水平。
相較之下，市面上的競(jìng)品AI工具，通常僅支持1-3張參考圖。
在處理多元素場(chǎng)景時(shí)，比如同時(shí)參考多個(gè)人物形象，很多工具的生成結(jié)果往往支離破碎，不僅模糊，且經(jīng)常出現(xiàn)相似但不像的情況。
Vidu Q1參考生圖則突破了這些限制，可自由組合多張圖片，實(shí)現(xiàn)無(wú)縫融合。
舉個(gè)栗子，同時(shí)輸入如下五張圖，一張主體，一張背景，還有三張道具圖，并提示小熊做出拋球的動(dòng)作。
prompt：[@圖1]的人物和[@圖2]的車一起出現(xiàn)在[@圖3]的場(chǎng)景里，[@圖1]兩腳分開(kāi)站在[@圖2]車前，[@圖1]兩手張開(kāi)用[@圖4]和[@圖5]的球做著小丑拋球的動(dòng)作，[@圖1]和[@圖2]在畫面中小一些
如下的輸出圖中，Vidu Q1參考生圖可以做到高效整合，生成出流暢、自然的結(jié)果，毫無(wú)違和感。
接下來(lái)，上一個(gè)難度的，不僅要為主體換衣，還要融合字體、馬這些要素。
prompt：[@圖1]穿著[@圖2]服裝，[@圖1]頭戴[@圖3]帽子，騎著[@圖5]馬，背景是[@圖4]，右上角印有[@圖6]logo
Vidu Q1參考生圖還能同時(shí)做到「AI參考+AI生成」，將所有的參考放在一張圖中，并給出一個(gè)完整的提示。
prompt：[@圖1]一個(gè)明亮的北歐風(fēng)房間，木質(zhì)書桌上放著粉色筆記本和玻璃杯，旁邊花瓶里有一枝粉色花朵，桌角有小多肉植物。地上有毛絨坐墊和白色帆布包。一位戴玫瑰金圓框眼鏡、穿米白色針織背心和白裙的溫柔女生站在房間里，安靜地看著書桌，整體氛圍清新治愈。
可以看到，不論是圖中有的，還是指令要求的，Vidu Q1參考生圖都能做到完整還原。
其實(shí)上述案例是一次參考了10個(gè)物品，這意味著只需把多個(gè)物體放在一張圖中，其實(shí)Vidu Q1參考生圖可以參考的物體數(shù)量遠(yuǎn)不止7張，而是無(wú)上限的，簡(jiǎn)直是生圖領(lǐng)域的大殺器。
主體一致性，全面超越
更令人驚嘆的是，Vidu Q1參考生圖在一致性上的表現(xiàn)堪稱驚艷，全面超越了Flux Kontext等同類產(chǎn)品，甚至也超過(guò)了Nano Banana。
無(wú)論是多人互動(dòng)、多場(chǎng)景切換，還是多次生成，它都能保證人物的面貌、特征高度穩(wěn)定。
諸如多角色混淆、人物走樣、服飾或細(xì)節(jié)丟失等常見(jiàn)問(wèn)題，在Vidu Q1參考生圖中幾乎不存在。
這種卓越的主體一致性，正是Vidu Q1參考生圖邁向「生產(chǎn)級(jí)應(yīng)用」的核心優(yōu)勢(shì)。
相較于Nano Banana，Vidu Q1參考生圖真實(shí)表現(xiàn)又如何？
prompt：圖1人物拿著圖2展示
就來(lái)一張簡(jiǎn)單的，圖1拿著圖2展示，Vidu Q1參考生圖非常自然地呈現(xiàn)，而Nano Banana米飯擺放有些不合理。
左：Vidu；右：Nano Banana
再來(lái)看一個(gè)案例，不同模型的表現(xiàn)又如何？
prompt：圖1人物拿著圖3吃圖2
可以看到，Vidu Q1和Nano Banana保持了原圖的高度一致性。
而Flux.1 Kontext在衣服、人臉一致性上表現(xiàn)欠佳，且蛋糕比例失調(diào)，沒(méi)有體現(xiàn)勺子這個(gè)元素。
從左至右：Vidu Q1、Nano Banana、Flux.1 Kontext
假設(shè)讓Vidu Q1和Nano Banana，補(bǔ)全如下這張彩虹圖，誰(shuí)做的更好？
prompt：把彩虹的右半邊補(bǔ)全，形成半圓彩虹
實(shí)測(cè)可以發(fā)現(xiàn)，Nano Banana未能準(zhǔn)確理解提示詞中，彩虹補(bǔ)全要求，僅生成了另外一半彩虹。
而Vidu Q1參考原圖，成功補(bǔ)出未出現(xiàn)在圖片中的另一半彩虹，展現(xiàn)了極強(qiáng)的畫面理解力和一致性。
左：Vidu Q1；右：Nano Banana
高還原度，所見(jiàn)即所得
Vidu Q1參考生圖不僅支持多張參考圖輸入、主體一致性出色，還在還原度上實(shí)現(xiàn)了質(zhì)的突破。
它在保持參考圖特征的同時(shí)，能生成高度貼近原始輸入內(nèi)容，真正做到「所見(jiàn)即所得」。
業(yè)內(nèi)常見(jiàn)的參考模糊、相似卻失真的問(wèn)題，在Vidu Q1參考生圖面前迎刃而解。
接下來(lái)，要PK就來(lái)一個(gè)復(fù)雜的，一次上傳五張圖，具體如下：
prompt：側(cè)面視角，[@圖1]站在[@圖3]灶臺(tái)邊[@圖2]鍋前手中拿著大勺[@圖5]攪拌，鍋里裝著[@圖2]，背景[@圖3][@圖4]，動(dòng)漫風(fēng)格，2D，動(dòng)畫風(fēng)格，
顯然，Nano Banana在主體一致性上表現(xiàn)欠佳，核心元素如衣袖、領(lǐng)口花紋細(xì)節(jié)，與原圖差異明顯。
而Vidu Q1展現(xiàn)了驚艷的實(shí)力，不僅完美還原動(dòng)漫主體，連手套、衣服等細(xì)節(jié)都實(shí)現(xiàn)了1:1精準(zhǔn)復(fù)刻。
左：Vidu；右：Nano Banana
再比如，參考圖中男子，將其背景P為教室。
prompt：參考圖中人物，修改背景為人物在班里座位上認(rèn)真聽(tīng)課
以下四大模型，在背景生成上各有特點(diǎn)。
但在人物臉部特征、服飾細(xì)節(jié)上，Vidu Q1參考生圖都做到了最逼真還原。
Nano Banana生成的人物雙眼皮消失，發(fā)型與服裝均出現(xiàn)變化；Midjourney給人物戴上眼鏡，無(wú)中生有；Flux.1 Kontext生成的人物雙眼皮模糊，臉上還多了許多斑點(diǎn)。
從左至右：Vidu Q1、Nano Banana、Midjourney、Flux.1 Kontext
創(chuàng)意玩法上天，只有想不到的
一款A(yù)I工具，僅做到一致性還遠(yuǎn)遠(yuǎn)不夠，還需擁有強(qiáng)大的創(chuàng)作自由度，滿足多樣化的創(chuàng)意需求。
最近，Nano Banana被全網(wǎng)整出各種花活兒，讓人直呼上頭。
比如，3D人偶手辦、老照片修復(fù)/上色、多角度視圖生成、真人Cosplay、名人合影等等。
一個(gè)比較火的玩法，修復(fù)老照片，讓無(wú)數(shù)人淚目。
Vidu Q1參考生圖創(chuàng)作自由度，同樣令人驚嘆！
僅需「一張圖+一句話」，它就能輕松實(shí)現(xiàn)換裝、換背景、換角色、換道具。
甚至，Vidu Q1參考生圖也能一鍵直出人物手辦。
輸入線稿圖后，Vidu Q1魔法棒一揮，瞬間就能變成桌面上的3D立體擺件。
prompt ：[@圖1]變成三維立體建筑擺在桌子上，涂上顏色
順便......還能幫你上色。
prompt：[@圖1]變成三維立體建筑擺在桌子上，建筑物替換成木頭材質(zhì)，草木替換成綠色，最下面的水系替換成藍(lán)色
假設(shè)手里有一張北京著名標(biāo)志建筑圖，它能變成由金屬質(zhì)感的立體冰箱貼。
[@圖1]變成金屬質(zhì)感的冰箱貼
萬(wàn)物皆可合成
簡(jiǎn)單的兩張圖合成，一鍵實(shí)現(xiàn)換裝、換背景、換風(fēng)格。
馬斯克一秒換裝：
現(xiàn)實(shí)中，馬斯克沒(méi)嘗試過(guò)這樣的穿衣風(fēng)格！
同理，演員一秒換上戲服，馬上知道古裝戲上裝效果：
Vidu Q1參考生圖不僅能實(shí)現(xiàn)一鍵換裝，更精細(xì)的面具，也能一鍵搞定。
比如，llya戴上三星堆黃金面具，Vidu Q1參考生圖還原度高，保留了Ilya標(biāo)志性的「短發(fā)」。
最近，一款帽子「讓人頭禿」，Ilya驚呼「革命性突破」：
發(fā)際線本已稀疏的Ilya，Vidu Q1參考生圖生成的戴上帽子的效果是這樣的：
不過(guò)要讓小扎戴上這頂帽子，只能靠AI了。Vidu Q1參考生圖嘗試一把，效果逼真，AI看了都得直呼離譜：只有碳基智能才能想到的！
不止是真人照片，肖像畫中的人物在Vidu Q1參考生圖中也可以復(fù)活。比如，十一國(guó)慶快來(lái)了，可以讓名畫+名建筑，古往今來(lái)，五湖四海，任由AI打卡。
比如，蒙娜麗莎打卡北京地標(biāo)祈年殿：
光影、建筑細(xì)節(jié)、背景人物，真實(shí)感拉滿。
類似的例子，可以換其他背景。比如，讓汽車登火星：
還可以反向操作，讓古代名人體驗(yàn)現(xiàn)代生活，代言各種現(xiàn)代產(chǎn)品。
比如，北宋文豪蘇軾如果會(huì)彈吉他，大江東去該多豪邁？丙辰中秋，他又該如何表達(dá)對(duì)弟弟子由的思念？
蘇軾彈吉他
甚至古代的仕女都能免費(fèi)給你打廣告。
貴妃醉酒：茅臺(tái)版
在Vidu Q1參考生圖中，還可以讓圖片中的人物，擺出各種Pose。
比如，現(xiàn)實(shí)中鬧掰了的Ilya和奧特曼，利用Vidu Q1的參考生圖，完全可以在「賽博世界」中重歸于好，一起比心。
讓魯迅和馬斯克跨越時(shí)空，拍一張合影。
prompt：圖1與圖2合影
Vidu可以解放創(chuàng)意，讓人放飛想象：主體一致不跑偏，風(fēng)格融合更自然。
而且合成2張圖只是Vidu Q1參考生圖的基礎(chǔ)操作。
Vidu Q1支持多圖參考，這就能滿足復(fù)雜劇情、合影、多角色電商等場(chǎng)景。
Vidu Q1參考生圖在還原高度一致基礎(chǔ)上，還支持產(chǎn)品、道具、場(chǎng)景、光線等任意切換，真實(shí)性極強(qiáng)。
萬(wàn)物皆可替
AI一鍵換裝
它能一鍵生成著裝效果，宛如24小時(shí)在線的專屬搭配顧問(wèn)。
前段時(shí)間，男友Travis Kelce向霉霉求婚，配文「你的英語(yǔ)老師和體育老師要結(jié)婚了」掀爆全網(wǎng)。
說(shuō)不定，許多歌迷們迫不及待地想看到，霉霉提前穿上婚紗的樣子。
上傳一張霉霉、一張婚紗圖，還有一張現(xiàn)場(chǎng)圖，Vidu Q1幫你如愿。
最終輸出的圖，讓人眼前一亮，穿上婚紗后的霉霉簡(jiǎn)直美若天仙。
不僅是大明星，每個(gè)人都可以輕松實(shí)現(xiàn)一鍵換裝。
網(wǎng)購(gòu)一件衣服不知款式合不合身，上傳一張個(gè)人照片，有了Vidu Q1，即可在線秒換春夏秋冬的衣服。
分別輸入不同季節(jié)服飾后，換裝瞬間完成了，不論哪一款穿著都好看。
又或是，把小紅書的OOTD全部試一遍。
從著裝到配飾，簡(jiǎn)直一絕。
如果你是一名設(shè)計(jì)師，想看看手辦的格子紋理效果，輸入相關(guān)物料圖片，Vidu Q1參考生圖瞬間實(shí)現(xiàn)。
或是一款已打好版的衣服，想要嘗試不同花紋，Q1也可以玩兒出不同花樣。
甚至，你還可以替換圖中特定的對(duì)象。
比如，現(xiàn)代版「貍貓換太子」：女人手里的小孩換成寵物或者卡通人物。
或者換成史迪奇
即便替換的對(duì)象，在圖中比較小，也沒(méi)關(guān)系，比如把小女孩手中的牛奶替換為橘子汁。
Vidu Q1還能讓你「云游」世界，天天曬出不一樣的朋友圈，十一假期可以利用AI拍出完美大片了。
從相冊(cè)中，上傳一張自拍照，以及一張布達(dá)拉宮圖，P圖瞬間完成，人物和背景超自然融合，可以發(fā)圈了。
世界名畫，整出花活
再以馬格利特一幅世界名畫《人類之子》為模板，玩一場(chǎng)「綠色蘋果」大替換。
一句話換成南瓜，位置也是非常精準(zhǔn)，而且人物衣服、顏色保持著高度一致性。
將南瓜放大、再放大，就得到了如下的樣子。
換個(gè)道具，一只粉色的拖鞋。
這次，再換個(gè)人物主體——黃仁勛，老黃的皮衣、眼鏡，完美還原。
兩幅世界名畫，又能碰撞出怎樣的火花？
梵高的《星夜》和馬格利特《人類之子》完美融合，堪稱孤品。
花樣玩法
《大話西游之大圣娶親》中，孫悟空戴上金箍雖獲得了無(wú)邊的法力，卻沒(méi)能保護(hù)好心愛(ài)的紫霞仙子。
不如，就讓Vidu Q1挽回這份「遺憾」。
老照片糊到看不清，讓Vidu Q1增強(qiáng)清晰度并換個(gè)背景，只能說(shuō)太驚艷了。
和霉霉同框，自然到根本看不出來(lái)是P的。
狂「卷」一致性
解鎖AI生產(chǎn)級(jí)應(yīng)用
從「參考生視頻」，再到「參考生圖」，Vidu的每一次進(jìn)化是其在「一致性」賽道上又一次發(fā)力。
為什么他們?nèi)绱藞?zhí)著于「一致性」？
回想AI視頻發(fā)展歷程，從Sora驚艷亮相，再到Runway Gen-4、Luma Ray 2、Midjourney V1等模型不斷迭代，最初讓人驚嘆「AI終于能生成視頻了」。
但很快，問(wèn)題就暴露了：AI生成視頻往往風(fēng)格跳躍、人物面目全非，細(xì)節(jié)更是隨時(shí)崩壞。
想象拍一部廣告，主角的臉從開(kāi)場(chǎng)到結(jié)尾最后一幀變換三次，結(jié)果可想而知。
在國(guó)內(nèi)，生數(shù)科技很早就洞察到這一痛點(diǎn)。
去年7月，Vidu 全球首推「參考生視頻」功能，以參考圖為「錨點(diǎn)」，確保生成過(guò)程不偏航。
這恰恰提升了AI視頻一致性，人物不會(huì)變形，風(fēng)格也不會(huì)跳脫。
比如上傳一個(gè)女孩、帕臺(tái)農(nóng)神廟、一束花，Vidu絲滑地將其呈現(xiàn)在一個(gè)場(chǎng)景中。
從這里開(kāi)始，生數(shù)就把一致性從視頻層面，擴(kuò)展到了多模態(tài)可控。
今年4月，Vidu Q1進(jìn)一步升級(jí)，升級(jí)了首尾幀運(yùn)鏡，加入了文生音效等功能，讓一致性覆蓋了視覺(jué)、音頻。
VBench評(píng)測(cè)中，Q1勇奪文生視頻雙榜第一，力壓Sora、Gen-3。
如今，焦點(diǎn)來(lái)到了最新的Vidu Q1「參考生圖」功能，同時(shí)7張圖，將一致性推向高峰。
做到了多人、多場(chǎng)景下高一致性，還具備了創(chuàng)作自由度，讓萬(wàn)物皆可合成、皆可替、皆可變。
圖是基礎(chǔ)，視頻是延伸——先從「參考生圖」生成素材，再無(wú)縫轉(zhuǎn)為動(dòng)態(tài)視頻。
整個(gè)過(guò)程，一致性貫穿始終，實(shí)現(xiàn)了「精細(xì)化可控」的閉環(huán)。
不難看出，一致性開(kāi)啟了AI視頻「生產(chǎn)級(jí)應(yīng)用」的新紀(jì)元。這意味著，它不再是人們手里的娛樂(lè)玩具，而是規(guī)模化落地的生產(chǎn)力引擎。
電商廣告，多場(chǎng)景拿捏
通過(guò)靈活的主體變換和場(chǎng)景切換，Vidu Q1參考生圖能完美適配廣告、電商、媒體、消費(fèi)品等多個(gè)行業(yè)。
電商、廣告公司可以用它生成無(wú)限創(chuàng)意的鏡頭、海報(bào)，讓人力制作成本大幅下降；動(dòng)畫師可以快速制作原型，進(jìn)而專注于IP背后故事的創(chuàng)造......
比如，上傳五張不同的圖，讓Vidu Q1參考生圖去合成。
[@圖2]背景改為[@圖5]，[@圖5]背景標(biāo)注[@圖1]VOGUE logo，[@圖2]人物腳下擺著一款[@圖3]包，[@圖2]人物戴著[@圖4]帽子，[@圖2]背景不變，構(gòu)圖不變，主體不變
時(shí)尚雜志大片，瞬間拿捏，每張圖細(xì)節(jié)全部呈現(xiàn)。
馬上中秋節(jié)了，電商想要宣傳自家月餅，不用攝影大師，Vidu Q1參考生圖直接拍出宣傳大片。
一般來(lái)說(shuō)，傳統(tǒng)素材制作需1周，拍攝耗時(shí)2天，而Q1僅需一天即可完成全流程創(chuàng)作，效率提升90%。
話不多說(shuō)，直接上演示。
一款抹茶冰皮月餅，想要為其配上一張「花好月圓」的背景圖，再扔給Vidu。
[@圖1]背景替換為[@圖2]的背景，嚴(yán)格遵循[@圖1]的擺放位置，擺放整齊
下圖中，Vidu Q1輸出效果令人驚艷，可以直接拿來(lái)制作宣傳圖了。
再比如，商家還有一款普通的抹茶月餅，想要不同的效果。
可以看到，Vidu Q1「參考生圖」功能助力電商促銷生成，只需一鍵合成，即可適配不同場(chǎng)景與節(jié)日主題。
再舉個(gè)栗子，輸入一張汽車渲染圖，就可以得到不同顏色、不同場(chǎng)景的圖片。
圖中的汽車變成黃/紅/黑色，行駛在海灘、街道、高速公路、雪地上
然后，將以上四張圖片分別作為Vidu Q1首尾幀的輸入和輸出，一鍵直出高級(jí)感廣告大片。
AI視頻的下半場(chǎng)，比拼的是誰(shuí)能讓它「真正可用」。
只有高一致性，AI才能真正落地到電商、媒體、影視等高價(jià)值場(chǎng)景，創(chuàng)造規(guī)?；膬r(jià)值。
如今，生數(shù)用行動(dòng)證明，一致性是通往「生產(chǎn)級(jí)」的鑰匙。
