这位清华大佬的整个工作，让李白换上了吊带裤。

粉红连衣裙，黑色大波浪的美女，惊恐转身后，露出一张像张宋小宝一样迷人的脸庞。

嘴唇微微张开，欲语还休。

身穿东北大花外套的美国三好青年马斯克，站在白宫前，风吹雨打。

双手一揣，略带紧凑地露出一丝拘谨、正直的微笑。

而且在另一边，魔卡少女小樱也在拉着隔壁的蕾姆，在三里屯商场购物。

世超当然知道自己见过各种各样的东西。 P 图软件和 AI 技术上的你。估计看到这些效果，也是轻轻一笑：

一年前，哥哥就看到了这个效果。

哥哥不但可以让马斯克改装，就是让他跳舞，也是手拿捏。

但是慢，上边这类视频的形成方法，也许和你以前见过的不一样。

这是由清华团队推出的生数科技联合推出的视频模型。 Vidu 1.5 ，该模型具有新的能力：多主体一致性。

就大白话而言，就是为了生成视频，我们可以上传多张图片。并确保这些复杂的元素不会变形。

举例来说，上传角色、物体和地点的图片，它可以利用你指定的这些元素，制作一个视频。

通过这种方式，我们可以在产生时自己设置人物、物体和场景。

像马斯克这样的视频，就是用一张马斯克的大头照，一件花袄，还有一张白宫的照片，生成的。

丢掉一个简单的提示， Vidu 你可以复制一个以假乱真的视频。让马斯克，穿上你给的大花袄，在白宫前展示一段。

如此整体的好处不言而喻，AI操作可手动操作 生成材料，让视频更符合我们的心意。

在此之前，我们只能扔一句话，或者扔一张照片， AI 自由发挥。最终的结果很容易脱离我们的期望。

举例来说，如果你直接说让马斯克穿一件大花袄，它也会真的在马褂上画几朵大花。

如果 AI 在词库里，没有大花袄这种东西。不管我们如何调整提示，最终都无法生成。

但是现在，你不必使劲憋提示词，只要闭上眼睛甩一张图片。

以前还没有视频模型能做到这一点，很多时候能够把一张上传的图片处理好，就已经很得劲了。

因此， Vidu 这一模型一发布。各种外网网友，立刻惊呼，然后开始上手。

每个人都可以直接打开 Vidu 官员们，试一试。但是，现在只有三次免费的机会，后面每次试用都会消耗掉。 4 个积分。

为让大家整体了解，世超试用了一天。每个人都可以向下滑动，看看我的效果，然后决定是否要玩。

根据编辑部门的惯例，我们的吉祥物通常是我第一次尝试。

这次，我整理了两张火锅戴头盔的照片，又上传了一辆抹茶绿色的雅迪电瓶车。

输入提示词：骑雅迪电瓶车的金毛犬。

大约几十秒钟后，火锅上戴着黑色防风镜，就这样顺利地骑上了小电驴。

甚至胸前的蓝色吊坠，还有雅迪的橙色车标，都完全保留了下来。这种一致性效果还是挺亮眼的。

同时还加入了伸舌头和摇尾巴的小细节。

虽然像火锅这种滑板一样的骑车动作，肯定是不能上路的。

但是，因为狗本来就不会骑电驴，所以我们也不能强求。后边，世超换了张乔布斯的大头照，这个效果非常好。

而且，我还特意上了一些困难。使乔布斯也像马斯克一样，穿上了我们特色的军装外套。

硬朗的五官配上笔挺外套，效果还是很板正的。

乔布斯应该也没有想到，自己有一天会坐上雅迪的橙色雅座。

尽管只是正脸照，但镜头转向侧面时，人物的特征 (比如小秃头)还是恢复得相当准确。

然而，这些仍然是单一的人物主体，加上一个场景或物体。抓取起来还是比较简单的。

一般而言，我们加入的主体越多，大模型就越有可能抓住错误。

于是我试着上传了一张唐伯虎点秋香的经典图片，然后要求把它脸部换成了我给的另一张图片。

这是一堆人的背影，准确地找到了秋香。让她慢慢地转过脸来，稍微露出侧脸。

尽管没有全脸观人，但是眉目足够一眼丁真。

后面，我又增加了难度。

不仅要换衣服，还要加上动作。让李白和蔡徐坤在语文教材上互换一下：李白穿着吊带裤打篮球。

这次， Vidu 给予的效果相当抽象。

这直接改变了坤的画风，创造了一个动画版本。尽管保留的格子裤纹路小细节，足以体现用心。

但这个李白 260°水调大扭头，画面实在太怪异了。而且没有完成我输入“打篮球”的指令。

世超在后来的测试中发现 Vidu 尽管可以挑主体。但是，如果动作比较大，或者画面变化比较大，很容易出现上边突然扭头的小事。 bug 。

举例来说，让它把胖虎的玩具娃娃放在冰雪女王手中。

它的确可以处理多个主体，让塑料胖虎凭空变出来，而且，冰雪女王的动作与情景的连接，基本上可以真假难辨。

但是，换进去的胖虎的动作，显然有点小崩溃。五秒钟之内，不断的抽动和变形。

通过一个下午的测试， Vidu 形成效果总是时好时坏。

上一秒，世超一直惊艳，下一秒惊恐的重复。 回。

例如让雷军坐在问界的车里挥手。雷军就这样水灵灵灵地掉到车外，而且，脸也早就崩溃了。

然而，与此同时，它可以完美地让乐高国王在城堡上举起长剑，激情地发表演讲。保持情境和人物，都是一致的。

在崩溃之后，我甚至发现了一些门道。假设你看了文章之后，准备去试一试，那么在给主体拍照时，尽量找一些背景比较干净的图片。

主体挖掘得越好，产生的准确率就越高。

与此同时，将多角度的图片上传给一个主体，也可以使其移动得更加自然。因为模型可以构建一个更加完整的角色。

尽管根据 Vidu 根据官方声明，他们这次放弃了行业主流。 LoRA 微调法。因为这种方法，很容易发生拟合，也就是在理解主体的过程中，会忘记很多原来的知识。

所以，主体的动作和肢体容易崩溃，难以控制。图片中的物品越多，变化越大，就越容易失控。

而 Vidu 新模型采用类似大语言模型的技术，将所有输入处理成视觉数据，这些输入数据可以像大语言模型一样“前后记忆”处理。

这确实让 Vidu 对多主体的处理，迈出了一大步。

但是另一方面，经过简单的测试，世超感到 Vidu 这项技术还有很长的路要走。

其实， Vidu 暴露的问题与早期的文成视频非常相似。也就是说，意思都到了，但是细节还不够，效果不稳定，时不时的抽风。

就像这辆电动车和道路情景一样，无论怎样切换镜头都不会变形。正是在运动时，人物出现了影分身。

指定照片：初音未来，雅迪电动汽车及道路

假如你想用它来完全取代视频工作者的工作，世超认为还是要等待的。

但 Vidu 肯定是值得上手玩的。

不管怎样，谁不希望自己喜欢的角色穿上我们选择的衣服，不希望自己喜欢的角色。 IP 角色或明星，跨界同框呢？

本文来自微信微信官方账号“差评X.PIN”，作者：star，编辑：江江& 36氪经授权发布面线。

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com