谷歌Nano Banana掀起的狂歡海嘯，完全不亞于ChatGPT橫空出世。

它，號稱是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。

圖片

意想不到的是，谷歌發(fā)布不到10天后，國產(chǎn)版「Nano Banana」誕生了！

今天，Vidu Q1全球同步上線「參考生圖」功能，一舉擊碎國內(nèi)參考天花板，讓圖片生成進(jìn)入「生產(chǎn)級」時(shí)代。

圖片

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、語義理解綜合評分上，Vidu Q1參考生圖完全碾壓Flux Kontext，與Nano Banana相媲美。

圖片

Vidu Q1參考生圖的易用性，簡直就是創(chuàng)作者的「生圖利器」，萬物皆可合成、萬物皆可替。

外國網(wǎng)友激動(dòng)地表示，「這簡直是，目前最佳的AI參考生圖的工具。每次輸出的效果絕了」！

圖片

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。

圖片

下面就來扒一扒Vidu Q1參考生圖的「合成大法」，保你看完腦洞大開。

國產(chǎn)「Nano Banana」出世

Vidu Q1「參考生圖」的核心——只要參考夠多，就能還原夠真。

一次7張圖，打破國內(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，市面上的競品AI工具，通常僅支持1-3張參考圖。

在處理多元素場景時(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。

圖片

prompt：[@圖1]的人物和[@圖2]的車一起出現(xiàn)在[@圖3]的場景里，[@圖1]兩腳分開站在[@圖2]車前，[@圖1]兩手張開用[@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，毫無違和感。

圖片

接下來，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。

圖片

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。

圖片

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。

圖片

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，而是無上限的，簡直是生圖領(lǐng)域的大殺器。

圖片

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，甚至也超過了Nano Banana。

圖片

無論是多人互動(dòng)、多場景切換，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)丟失等常見問題，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)級應(yīng)用」的核心優(yōu)勢。

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

就來一張簡單的，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

再來看一個(gè)案例，不同模型的表現(xiàn)又如何？

圖片

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，誰做的更好？

圖片

prompt：把彩虹的右半邊補(bǔ)全，形成半圓彩虹

實(shí)測可以發(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「所見即所得」。

業(yè)內(nèi)常見的參考模糊、相似卻失真的問題，在Vidu Q1參考生圖面前迎刃而解。

接下來，要PK就來一個(gè)復(fù)雜的，一次上傳五張圖，具體如下：

圖片

prompt：側(cè)面視角，[@圖1]站在[@圖3]灶臺邊[@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。

圖片

prompt：參考圖中人物，修改背景為人物在班里座位上認(rèn)真聽課

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 Kontex

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。

圖片

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。

圖片

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。

圖片

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

萬物皆可合成

簡單的兩張圖合成，一鍵實(shí)現(xiàn)換裝、換背景、換風(fēng)格。

馬斯克一秒換裝：

圖片

現(xiàn)實(shí)中，馬斯克沒嘗試過這樣的穿衣風(fēng)格！

同理，演員一秒換上戲服，馬上知道古裝戲上裝效果：

圖片

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)」。

圖片

最近，一款帽子「讓人頭禿」，Ilya驚呼「革命性突破」：

圖片

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：

圖片

不過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！

圖片

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，十一國慶快來了，可以讓名畫+名建筑，古往今來，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：

圖片

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：

圖片

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彈吉他，大江東去該多豪邁？丙辰中秋，他又該如何表達(dá)對弟弟子由的思念？

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??。

圖片

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、場景、光線等任意切換，真實(shí)性極強(qiáng)。

萬物皆可替 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。

前段時(shí)間，男友Travis Kelce向霉霉求婚，配文「你的英語老師和體育老師要結(jié)婚了」掀爆全網(wǎng)。

圖片

說不定，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)場圖，Vidu Q1幫你如愿。

圖片

最終輸出的圖，讓人眼前一亮，穿上婚紗后的霉霉簡直美若天仙。

圖片

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。

圖片

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。

圖片

圖片

又或是，把小紅書的OOTD全部試一遍。

圖片

從著裝到配飾，簡直一絕。

圖片

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)。

圖片

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。

圖片

甚至，你還可以替換圖中特定的對象。

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。

圖片

或者換成史迪奇：

圖片

即便替換的對象，在圖中比較小，也沒關(guān)系，比如把小女孩手中的牛奶替換為橘子汁。

圖片

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「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邊的法力，卻沒能保護(hù)好心愛的紫霞仙子。

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，只能說太驚艷了。

和霉霉同框，自然到根本看不出來是P的。

狂「卷」一致性解鎖AI生產(chǎn)級應(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，主角的臉從開場到結(jié)尾最后一幀變換三次，結(jié)果可想而知。

圖片

在國內(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)」，確保生成過程不偏航。

這恰恰提升了AI視頻一致性，人物不會變形，風(fēng)格也不會跳脫。

比如上傳一個(gè)女孩、帕臺農(nóng)神廟、一束花，Vidu絲滑地將其呈現(xiàn)在一個(gè)場景中。

圖片

圖片

從這里開始，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，升級了首尾幀運(yùn)鏡，加入了文生音效等功能，讓一致性覆蓋了視覺、音頻。

VBench評測中，Q1勇奪文生視頻雙榜第一，力壓Sora、Gen-3。

圖片

如今，焦點(diǎn)來到了最新的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、多場景下高一致性，還具備了創(chuàng)作自由度，讓萬物皆可合成、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，再無縫轉(zhuǎn)為動(dòng)態(tài)視頻。

整個(gè)過程，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，一致性開啟了AI視頻「生產(chǎn)級應(yīng)用」的新紀(jì)元。這意味著，它不再是人們手里的娛樂玩具，而是規(guī)模化落地的生產(chǎn)力引擎。

電商廣告，多場景拿捏

通過靈活的主體變換和場景切換，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。

圖片

[@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)。

圖片

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。

一般來說，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，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。

圖片

[@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，可以直接拿來制作宣傳圖了。

圖片

再比如，商家還有一款普通的抹茶月餅，想要不同的效果。

圖片

圖片

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、不同場景的圖片。

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

圖片

然后，將以上四張圖片分別作為Vidu Q1首尾幀的輸入和輸出，一鍵直出高級感廣告大片。

AI視頻的下半場，比拼的是誰能讓它「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)值場景，創(chuàng)造規(guī)模化的價(jià)值。

如今，生數(shù)用行動(dòng)證明，一致性是通往「生產(chǎn)級」的鑰匙。