Photo by Image 2.0

©有界UnKnown原创作者丨山茶编辑｜钱江

最近肯定很多人都看过这样一段视频。

一个体育比赛的转播画面，一个充满魅力的女性，她坐在观众席上，转播镜头刚好对准她，然后一个很经典的电视转播画面就出现了。

这些当然都不是真实发生的，而是AI生成的内容。

怎么样，是不是一眼就觉得，这些AI视频，和之前那些AI味儿很浓的视频完全不一样？

这是因为，这些视频都是先用Image2.0生成图片，然后再用图片完成视频生成的。

作为OpenAI最新一代视觉生成模型，Image2.0是引入了thinking mode（就是推理模式），可以把推理、工具使用、实时网页搜索和图像生成结合起来，让AI能够把一个粗略需求，转化成一个完整的、经过思考的视觉结果。

能力上，Image2.0甚至超越了之前火遍全网的Nano Banana。

官方列出的能力包括高保真写实、自然光照、准确材质、丰富色彩、人物与身份保持、多步骤编辑，以及更可靠的图中文字渲染。

这意味着，Image2.0可以更胜任在广告、设计、漫画、信息图、角色设定、产品视觉这些真实工作流里的素材生产工具。

当然，仅仅只是图片生成，还没有办法把视频做到如此逼真。

图片生成之后，更关键的，就是找到一个合适的视频生成工具，把图片变成视频。

文章开头两个视频，是我们用ViduQ3生成的。

在目前国内的AI视频生成工具中，我们选择的是ViduQ3，原因主要有4个：

第一是，它能接住Image2.0的画面质感。

Image2.0已经把人物、光线、构图、材质这些东西做得很真实了，后面的视频模型不能把它毁掉。

而ViduQ3的图生视频和参考生视频能力行业领先，参考生能力在superclue榜单位列第一。可以保障把图片变成视频的过程中保持角色、画面风格和镜头氛围的一致性。

第二是ViduQ3生成的结果更接近“成片”。

现在很多图生视频工具，生成的画面就像一张动图。而ViduQ3更强调镜头、运镜、转场、光影、粒子、流体、运动学这些影视化效果，可以让最后出来的东西更像一个影视片段。

第三就是，它突出的声音能力。

ViduQ3支持最长16秒音视频直出，Voice同步、支持对口型，也能通过Prompt精准控制BGM、音效和背景声，这就直接决定了生成的视频更加真实。

要知道，真实感不只是画面决定的，声音、环境音、节奏也会影响观感。尤其是这类转播感、街拍感、短剧感的视频，如果声音是后期硬贴上去的，就很容易露馅。

最后，也是最重要的一点，就是它“快”。

ViduQ3 Turbo生成10秒1080P的视频，最快大概只需要80~150秒，这与其他模型相比要快不少。这在AI短剧、漫剧这些需要批量制作的场景下，效率优势就非常明显了。

▲图片由Image2生成

哦，对了！

最关键的一点，现在Vidu生图功能已经集成Image2，这意味着不用再去ChatGPT生图再回来做视频，而是可以在Vidu直接调用Image2模型。

两个工具打通，所有创作流程在一个平台完成，整体更顺畅、方便。

而有了Image2.0+ViduQ3之后，能做的事情就很多了。

比如，我们可以随时随地跳一场街舞。

只需要先用Image2生成一个人物在跳舞时，不同角度和姿势的参考图。然后把生成的图片给到ViduQ3，输入简单的跳舞提示词，就可以得到一段这样的视频：

提示词：参考图中的年轻亚洲女性为主角，保持人物五官、发型、气质和黑色穿搭一致。场景设定在现代舞蹈室，木质地板、整面镜墙、灰色墙面、顶部轨道灯，空间干净高级，有真实练舞房氛围。镜头从中景开始，女生站在舞蹈室中央，穿黑色不对称修身上衣、宽松黑色高腰长裤、黑色西装外套和黑白运动鞋，头发高高盘起，几缕碎发自然垂落。她先以冷静自信的姿态站定，随后音乐节奏响起，开始跳一段帅气有力的街舞。动作风格偏hip-hop/urban dance，力量感强，节奏清晰，包括肩部律动、胸部pop、手臂hit、快速转身、低身位footwork、身体wave、甩头、外套随动作摆动。动作要干净利落，不要软绵绵，表现出强烈的控制力、爆发力和酷感。镜头语言要像高质量舞蹈MV：先是正面中景跟拍，然后切换到低角度推近，突出腿部步伐和身体力量；中段绕拍半圈，捕捉她转身、甩发和外套飞起的瞬间；最后回到正面，她完成一个有力量的定格pose，眼神直视镜头，气场强。 画面要求：真实感、电影感、高清细节、自然肤质、服装材质清晰、舞蹈动作流畅，人物比例准确，手指和四肢不要变形。整体色调高级冷灰，木地板带暖色反光，镜墙中有自然反射，灯光柔和但有层次。 16:9 横版构图，4K，cinematic lighting，realistic dance studio，dynamic camera movement，smooth motion，powerful street dance choreography。

或者，在你追剧时看到剧情里的角色犯蠢的时候，直接走进剧里，上手改写剧情，爽一把。

比如穿越到《权力的游戏》里，给乔弗里一个大逼兜：

提示词：在中世纪奇幻宫廷场景中，乔弗里正站在人群前，神情傲慢。图2中的年轻亚洲女性身穿符合宫廷氛围的古风服装，从画面外径直走向乔弗里，来到他面前后，干脆利落地扇了他巴掌。短暂停顿一下后，她再次迅速连续扇了他两巴掌。乔弗里被打得震惊错愕，周围人物也露出吃惊反应。三巴掌打完后，女生冷静转身，头也不回地离开。整体为写实真人影视风格，史诗奇幻宫廷剧质感，动作连贯，情绪有张力，16:9。

或者你也可以暂时替代主演，自己上去演一段，就像和猪八戒一起去偷个西瓜：

提示词：请使用图1和图2作为人物参考。图1中的猪八戒是主要角色，保留他经典的古装造型、猪脸特征、头饰、服装风格和乡野场景气质；图2中的女性角色为一位年轻亚洲女性，保留她精致的五官、黑色盘发、现代感气质，并将她的服装自然调整为符合古装乡野环境的简洁古风装束。视频内容：在一片夏日乡村西瓜地旁，图1中的猪八戒鬼鬼祟祟地走在前面，左顾右盼，准备去偷西瓜。图2中的年轻亚洲女性悄悄跟在猪八戒身后，动作轻轻的，神情带着紧张和好奇，像是在偷偷参与这场`偷瓜行动`。两人一前一后穿过田间小路，慢慢接近西瓜地。猪八戒不时回头示意她小声一点，然后弯下腰，小心翼翼地靠近地里的西瓜。女性角色也跟着蹲下，配合猪八戒一起偷西瓜，整个过程带有一点喜剧感和偷偷摸摸的趣味感。画面风格：写实风格，真人影视感，中国古装神话电视剧质感，乡村田园场景，自然日光，镜头自然流畅，人物动作连贯。整体氛围轻松、幽默、带一点做坏事时的紧张感。中景跟拍+轻微手持感，镜头缓慢推进，保证人物始终清晰，动作自然，表情生动。重点突出`猪八戒在前带路，女性在后跟随，两人一起偷偷去偷西瓜`的情节。

或者跟孙悟空和沙僧一起吃个人参果：

提示词：请使用图1和图2作为人物参考。图1中的两位经典神话人物保留原有的古装电视剧造型、服饰、发饰、面部特征和复古影视气质；图2中的女性角色保留精致的亚洲女性五官、盘发造型和整体气质，同时将服装自然调整为符合古代神话场景的古风装束，使她能够自然融入画面。视频内容：在一处古风室内场景中，图1中的两位角色并排坐着，正在偷偷品尝`人生果`，动作小心又投入，带一点偷吃时的满足感和喜剧感。图2中的女性坐在他们旁边，和他们靠得比较近，也一起吃人生果。她一边好奇地观察他们，一边轻轻拿起人生果，小口品尝，神情自然，带一点新鲜、好奇和开心。三人同框，氛围轻松有趣，像是一起分享秘密美食。画面中，三个人的互动自然协调，女性不是站在远处旁观，而是真正坐在他们旁边，融入他们之间，一起吃人生果。可以加入轻微的对视、偷笑、满足的表情，让整体更有生活感和喜剧感。画面风格：写实真人风格，带有中国经典古装神话电视剧的质感，暖色调室内光线，复古布景，人物动作自然细腻。镜头以中景固定镜头或缓慢推进为主，画面稳定，重点突出`三个人坐在一起吃人生果`的情节。整体氛围轻松、幽默、温暖，带一点偷偷吃东西的趣味感。

当然，正像前面所说，Image2.0+ViduQ3这对王炸组合，更大的用武之地还是在AI短剧和AI漫剧上。

我们根据英国作家萨基（Saki，本名H.H.Munro）的著名短篇小说《敞开的窗户》做了一个简单的Demo。

仍然是先用Image2.0生成关键图片，然后再用ViduQ3生成音画同步的视频。

先给大家看看效果：

怎么样，方法是不是很简单？效果是不是也不错？你也赶紧去试试吧！ 

 - END -