近期，一款名为Vidu1.5的视频生成模型受到了广泛关注。该模型由生数科技与清华大学合作研发，宣称具备多主体一致性处理的新功能，这一特点颇具吸引力。用户能够上传多张图片，从而生成视频，这一功能在当前视频模型领域中成为了一个新的研究热点。
多主体一致性新功能
过往的AI视频制作主要依赖单一语句或静态图像来激发AI的创作，如将马斯克形象进行创意改造，传统方法往往难以实现。然而，Vidu1.5的更新使得这一挑战得以克服。用户只需上传马斯克的照片、花袄图片以及白宫相关素材，并给出简短的提示，便能够生成极具欺骗性的视频内容。这一创新功能赋予了我们手动操控AI素材的能力，从而丰富了视频的多样性。
Vidu1.5的这项功能突破，对广大用户及创意人士而言，无疑是个喜讯。用户无需再费尽心思构思提示词，只需上传图片，即可轻松获得期望的视频效果。此举显著提升了创作效率，同时也极大地丰富了创作选择。
实际测试例子多
在测试环节，更换人物照片制作视频的效果表现良好。例如，使用乔布斯的大头照，即便只有正脸，也能精确地还原其侧面的人物特征。此外，还可以利用唐伯虎点秋香的图像进行脸部替换等操作。
测试过程中亦显现出若干问题。虽然能够捕捉主体，但在场景变化频繁或动作幅度较大时，往往会出现小错误。以塑胶胖虎生成的视频为例，胖虎的动作显得不够流畅。在雷军的测试中，同样出现了面部变形以及人物掉出车外的现象。
与大语言模型技术类似
Vidu的新模型借鉴了大语言模型的技术路径，将所有输入信息转化为视觉数据。它具备类似大语言模型的“上下文记忆”功能，能够对输入数据进行处理。这种处理模式具有独特之处，同时也引发了新的思考和研究趋势。
这反映出其在技术融合领域进行了尝试，但现阶段这种尝试尚处于起步阶段。通过实际测试结果可见，视频的转换与生成效果尚不稳定，尚未达到成熟水平。
视频效果时好时坏
在下午的测试过程中，Vidu1.5的表现呈现出不稳定的状态。它有时能够将冰雪女王的动作与场景的连贯性处理得相当出色，几乎可以达到以假乱真的效果。然而，也有时候会出现类似于雷军测试时所遇到的画面崩坏问题。
创作过程中，这种不稳定性显得尤为棘手，对于追求稳定创作成果的用户而言，显得不够友好。它暗示了用户可能需要经过多次尝试，才能达到令人满意的效果。
使用建议需遵循
若计划体验Vidu1.5模型，需留意以下几点。首先，上传主体照片时，请确保背景简洁。此外，提供多角度的同一主体照片，将有助于使主体在视频中动作显得更为自然。
这些建议有助于提升用户制作高质量视频的成功率。然而，这也反映出模型本身存在一定的局限性，用户需借助特定技巧来加以克服。
仍有很长路要走
经过初步测试，该模型展现出一些颇具创意的观点，但在细节处理上尚显不足，整体表现亦不够稳定。目前，其距离全面取代视频制作人员的工作仍有一段距离。
尽管技术已获得新功能，但其成熟度仍需显著提高。因此，在接触此模型时，请勿抱有过高期望，尚有许多方面有待完善和改进。
鉴于Vidu1.5视频模型具备诸多优势与不足，公众普遍认为其未来最迫切的改进方向为何？我们诚挚邀请广大用户在评论区留言交流。此外，若您认为本文对您有所帮助，敬请点赞并分享。
