鱼皮AI导航
鱼皮AI导航
  • 主页
  • 社区
  • AI工具
  • AI知识库
  • AI提示词
  • MCP
  • Skills
  • AI学习资源
  • AI资讯
  • GitHub开源
登录/注册

深耕一致性,生数科技全球上线Vidu Q1参考生图,打造真正可用生产力工具

编程导航
编程导航
2025-09-10 12:31
阅读 128
编程导航
2025-09-10 12:31
阅读 128

继面向企业推出Q1参考生图商用解决方案后,9月9日,生数科技正式将其视频大模型Vidu的Q1参考生图功能向大众用户开放。



此次Vidu Q1参考生图功能的推出,旨在助力行业突破多主体一致性技术难题,推动Vidu升级为真正的“商业生产力”,实现从AI图像生成到视频生成的完整商业生产链闭环,引领AI多模态创作进入“生产级应用”新纪元。


Vidu  Q1参考生图以“参考够多,还原够真”为核心,主要包括五大亮点:


1.参考数量行业领先

同时支持7张参考图输入,可控性强。


2.主体一致性更强

在多人、多场景、多次生成下,依旧保证人物/主体的面貌与特征不跑偏。


3.高还原度,真实感更强

在保持参考图特征的同时,还原度高,更贴近用户原始输入,真正做到“所见即所得”。


4.创作自由度极高

一张图 + 一句提示词,就能自由换装、换背景、自由合成。支持多人同场景或者多人多场景,满足复杂剧情、合影、多角色电商等场景。


5.支持1080P高清分辨率,中文语义理解更强,审美更适合本地








01


多图参考时代来临

Vidu Q1突破7张输入上限



“参考够多,才能还原够真”。输入的参考图数量“多”的意义在于多主体、多道具始终保持一致,灵活适配多类型场景需求,画面更加丰富。这背后是Vidu Q1 大模型底座对于一致性、真实性、物理理解能力等维度的大幅提升,也是AI生图从获取灵感创意的抽盲盒游戏迈向真正“指哪打哪”“所见即所得”的关键一步。


从单图参考到多图参考,是AI生图在一致性上的不断突破,可以说没有一致性,就没有大规模商业化应用。不同于单图参考的单一限定条件,Vidu Q1参考生图可以指定人物、场景、道具进行自由创作,通过多个参考对象实现对画面的更强可控,即使是复杂场景也能轻松拿捏。


举例来说,让小李子坐在霍格沃茨学院的教室里练习魔法。输入的多张参考图中包含了人物、道具、服饰、配饰等多个主体,场景非常复杂。从输出的结果来看,Vidu Q1参考生图严格遵循提示词,人物发型、五官均保持与原图一致,就连书本中的插图细节也被精准还原,每个物品位置摆放正确,且比例合理。左侧亮起的台灯灯光照亮了小李子侧脸和桌面上摊开的书本,宠物海德薇站在红色行李箱上毫无违和感,多个主体的融合高度一致。


案例1


 输入图


 输出结果





02


三大生成模式

合成、替换、变换,覆盖全场景


Vidu Q1 参考生图的推出,也正在改变原有用户与AI内容生产协作方式。


此前,AI内容工具更多扮演首席创意官,主要工作是发挥想象,给予灵感,而用户扮演AI内容加工厂厂长,负责指派任务,并通过不断修改提示词、反复抽卡来控制AI生成的内容不跑偏。


Vidu Q1 参考生图则让AI同时扮演首席创意官与厂长角色,将可控生产更多交给AI来完成,用户则成为AI内容加工厂的监督管理员,无需修炼为提示词专家,只需输入参考图+简单的提示词,就能稳定输出用户想要的内容,大幅降低AI内容生产门槛。


此外,作为业内最多参考数量,最强一致性的AI生图工具,Vidu Q1 参考生图适配多主体复杂场景,按照变化方式,主要分为合成、替换、变换三大类。



万物皆可合成


Vidu Q1 参考生图支持让不同人物同框或者将某个人物或者商品放入具体场景中,让想象中的画面成真,让不可能成为可能。


1.复杂场景合成


通过指定某主体在某个场景中做什么,可以生成高大上的杂志封面、商品海报、动漫短剧分镜。


比如你可以用Vidu Q1 参考生图制作时尚杂志封面。


案例2



画面中每个主体精准还原,背景换成室内有光线的房间后,男士和羊的光影也随之变化,画面十分逼真。


中秋节来临,Vidu Q1参考生图也能成为电商、设计师们的提效神器。


案例3



Vidu Q1参考生图还可用于创意营销的产品素材,比如让林黛玉代言川贝枇杷膏。产品包装的细节、颜色、质感都与原图保持完全一致,古代人物与现代商品间的互动,有种穿越古今的反差感。


案例4




2.人物、商品同框场景


利用Vidu Q1参考生图功能,即可让你和你喜欢的明星实现同框。


比如输入你和明星的照片和大头贴框,即可生成你和泰勒斯威夫特在海边的合影照,融合自然,仿佛是在某个海边拍的偶遇照片。


案例5



案例6和7



3.服装流行元素合成


Vidu Q1参考生图在服装设计领域也有广泛的应用场景。


用Vidu Q1参考生图把裙子换上今年夏天最时髦的碎花花纹,变成最潮达人。


案例8



万物皆可替


Vidu Q1参考图中的人物、道具、场景都可以随意替换,不仅可玩性高,而且也大幅提高创意资产复用率,不到半小时即可批量产出实用产品宣传素材、海报大片。


1.场景替换


十一假期来临,利用Vidu Q1参考生图,帮助用户解锁热门旅游地,再也不用”人从众”中各种找角度拍照,也无需等待黄金拍照时间,即可快速生成完美旅游打卡照。


比如下图案例,遗憾错过日照金山,直接用Vidu Q1参考生图将背景换成日照金山的背景,即刻生成人生照片。


案例9



品牌方也可以通过替换不同的背景,打造更多样化的使用场景,传递不同的品牌调性,促进销售转化。


比如将图一的蓝色便携音响换成户外森林和岩石的背景,适配不同的季节,体现别具一格的生活品味。


案例10



2.道具替换


同样的背景,通过道具替换,可产出一系列产品素材图,适用于TO C 玩法以及产品上新场景。


比如利用Vidu Q1 参考生图将超现实主义画家雷尼·马格利特的名画《人类之子》的经典绿苹果替换成茄子、拖鞋、南瓜,生成一系列趣味组图。


案例11




3.AI虚拟换装


《穿Prada 的女魔头2》正在紧锣密鼓拍摄中,曾经《穿Prada的女魔头》中的女主角安妮.海瑟薇一天需要换4套服装,换装之频繁令人印象深刻。而现在利用Vidu Q1参考生图,服装模特不到5分钟就可实现迅速换装,对于消费者来说,也可以通过AI换装直观感受试穿效果。


案例12中,让模特在银白色现代化的室内房间中,分别换上西服、晚礼服、紧身装、休闲运动装,呈现的效果非常出片。


案例12




Vidu Q1参考生图也支持同时换装+换场景。比如用AI生成霉霉的结婚现场照。


案例13



万物皆可变


Vidu Q1参考生图不仅仅能实现替换、合成,而且还可实现线稿转3D、照片转手办、转冰箱贴、线稿上色、老照片修复等趣味玩法。


1.线稿转3D


Vidu Q1参考生图能将复杂的建筑设计图,直接转化为3D立体模型图,建筑细节精准还原,省去复杂的建模流程。


如下图所示:



2.线稿上色


通过指定建筑物替换成木头材质,并为周围的景观涂色,生成一张上色后的建筑效果图。



3.变成冰箱贴


Vidu Q1参考生图还可以将一张普通的平面照片直接变成立体冰箱贴,真实得如商场售卖的纪念品。



4.变身手办


当然最近很火的手办玩法,Vidu Q1参考生图也能稳定发挥,不仅支持二次元转手办,还可以让真人直接变成桌面手办,与真人简直神同步。



5.局部放大/缩小


还是以上述《人类之子》的图片为例,通过提示词让下图的南瓜分别变大1倍,1.5倍。



6.特效画面


Vidu 还支持用户解锁特效玩法,让动漫人物自带特效。



结合Vidu Q1首尾帧功能,短发女生后面的金色神秘光环自动旋转了起来,效果惊艳,仿佛在召唤某种魔法。



从静态图片到动态视频,Vidu让AI内容生产的每一个环节都精准可控。


此次Vidu Q1参考生图的发布,是Vidu在参考生图的一小步,也是在AI内容创作精细化可控的一大步。无论是参考生图还是参考生视频,生数科技始终致力于突破行业技术瓶颈,真正让AI作为可用生产力工具,赋能每一个行业和创作者。




欢迎登录Vidu官网:Vidu.cn,或点击【阅读原文】,体验Vidu Q1参考生图功能!






往期

推荐

RECOMMENDED










原文链接: 深耕一致性,生数科技全球上线Vidu Q1参考生图,打造真正可用生产力工具
站长:程序员鱼皮 老鱼简历 商务合作 增值电信业务经营许可证
2026 鱼皮AI导航 | 沪ICP备19026706号-6
🔥热门工具
朱雀AI检测朱雀AI检测
朱雀AI检测助手朱雀AI检测助手
LovartLovart
老鱼简历老鱼简历
WritePass官网WritePass官网
面多多面多多
CursorCursor
星月写作星月写作
零感AI零感AI
朱雀AI检测助手朱雀AI检测助手
🔥 热门文章
1
B 站上 DeepSeek 闹鱼灾了,我发起《大肥鱼清除计划》!
480
2
Vibe Coding 实战:从零构建现代专业级 AI 搜索引擎
430
3
我的第一个出海产品!7 天 2 万
370
4
又一个国产版 Codex 神器,也来卷办公了!
370
5
day3-如何写出一个高质量的 Skill(组内分享) 高质量 Skill 不是“一个调得很顺的巨型 Prompt”,而是一个可验证、可回归、可维护的能力包。 先定义“什么算好”,再实现“怎么做好”。评估体系先于 Skill 本身成型。 下面用“故障诊断 Markdown 转 YAML”作为例子,但方法是通用的。 --- 一、先想清楚:Skill 到底是什么 一个 Skill 至少包含四部分: 部分 作用 接口 输入什么、输出什么、边界在哪 流程 分几步做,每步的产物是什么 规则 硬约束、经验规则、失败模式 降级策略 不确定时怎么办,而不是硬编一个看似合理的结果 高质量 Skill 的共同点:职责单一、接口清晰、规则可定位、输出可验证。 反例:把几十条经验全塞进一个主 Prompt,改一条规则要重调整个 Prompt,评估时也不知道是哪条规则退化。 --- 二、核心方法:先建评估,再写 Skill 不要先写转换器再补测试。正确顺序是: 1. 定义输出契约:什么算合法、什么算合格; 2. 建金标准集:一小批人工认可“可放行”的样本; 3. 先写评估 Skill:让它在金标准集上跑出基线; 4. 再迭代生成 Skill:每次修改跑同一套评估,无退化且目标维度提升才算正向。 这就是评估驱动开发:评估是 Skill 的单元测试,金标准集是回归锚点。 --- 三、评估 Skill:三层门禁,逐层递进 前一层不过,后一层不跑。每层留可追溯证据。 第 1 层:确定性硬门禁 用解析器、Schema、校验器完成,不消耗模型成本。 · 输出可解析; · 必填字段齐全,类型/枚举合法; · 引用目标存在,无悬空引用、无不可达节点; · 关键路径至少有一条能到达预期出口。 不通过直接打回。 第 2 层:语义断言 用脚本 + 结构遍历检查“逻辑对不对”,仍然保持确定性。 通用检查项: · 覆盖率:源材料里的关键步骤、分支、条件,输出里是否都有对应? · 完整性:每个判断节点是否都有明确出口?有没有死胡同? · 可达性:每条路径是否都能到达预期终点?有没有无出口循环? · 顺序与依赖:有先后依赖的操作,是否保留了顺序?有没有被拍平成无序列表? 例子:故障诊断转换中,检查“每个判断项是否有是/否/异常出口”“每条路径是否能到根因”。 第 3 层:LLM-as-Judge 只处理解析器表达不了的维度:忠实度、完整性、可执行性。 但 Judge 会漂移,不能单独放行,必须建立在第 1、2 层之上。Judge 的 Prompt、rubric、模型版本都要版本化,换模型必须用金标准集重新校准。 通用 Judge 维度: 维度 问什么 忠实度 输出是否忠实源材料意图?有没有自行发明内容? 完整性 关键步骤、条件、证据是否保留?隐式知识有没有被压成空话? 收敛性 输出是否仍指向原目标,而不是发散? 可执行性 下游不依赖源材料能否直接使用? --- 四、金标准集:回归测试的锚点 不需要一开始就标注几百份。用已认可的样本当种子,扩到 15~30 份,覆盖失败模式而非随机抽样: · 完整正例:典型流程; · 边界/异常分支:异常路径、循环、前置失败回退; · 已知易错模式:实际踩过的坑; · 留出集:不参与调优,只用于最终验收,防过拟合。 金标准不需要完美,只需要当前标准下认可可放行。 回归指标:关键路径用 pass^k(k 次全过),稳定性用 pass@k。 --- 五、工程约束:让批量产出可重放 · 幂等:同输入 + 同 Skill 版本 + 同规则 → 输出一致,否则无法判断变好是 Skill 改了还是随机波动; · 隔离不阻断:单份失败进隔离队列,记录失败层和原因,不阻塞其余; · 版本绑定:规则、rubric、金标准集进 Git;每份报告绑定“源版本 + 生成 Skill 版本 + 评估 Skill 版本 + Judge 模型版本”; · 抽样人工复核:Judge 临界样本 + 易错模式,人工抽检结果反过来校准 rubric。 --- 六、Skill 本身怎么写 · SKILL.md 控制篇幅,写清:输入约定、输出契约、分步流程、硬规则、降级策略; · 经验规则放 references/ 或 rules/,按失败模式分类,不要全塞进主 Prompt; · 不确定时标 needs_review: true,不要硬编看似合理的结果; · 迭代由评估报告驱动:报告告诉你哪层挂了、哪类失败模式,你改对应规则文件,而不是漫无目的调 Prompt。 --- 七、落地顺序(不要反过来) 1. 固化输出契约:Schema + 结构约束; 2. 建金标准集:从已认可的 + 最易出错的样本开始; 3. 先写评估 Skill:跑出基线报告; 4. 再迭代生成 Skill:每次修改对比逐项通过率,无退化且目标提升才算正向; 5. 批量运行 + 隔离回放:失败进队列,结束后人工抽检; 6. 评估 Skill 自身版本化:换 Judge 模型必须重新校准。 --- 八、给组员的三条硬要求 1. 不许凭感觉说“变好了”:每次修改必须附评估报告对比,逐项通过率说话。 2. 不许跳过确定性门禁直接看 Judge 分数:前两层挂了,Judge 分数没有意义。 3. 不许把规则堆进主 Prompt:规则按失败模式分文件,评估报告要能定位到具体文件。 --- 一句话收尾 生成 Skill 决定“能不能做”,评估 Skill 决定“敢不敢用”。 先让评估体系站稳,再让生成器迭代。这样交付的不是一堆“看起来还行”的产出,而是一套可证明、可回归、可交接的 Skill 质量体系。
340
6
DeepSeek 重磅开源的超级 Agent,到底是个啥?
330
7
最近在落地 AI Native 项目,卡在团队资产协同这块,想请教下社区各位有实际落地经验的同学: 我们现在的资产分为三块:项目文档(PRD/ADR/ 运行手册)、Agent Skill(业务技能、执行 SOP、提示词包)、MCP 工具服务定义。 目标是做到:人和多 Agent 共用一套可信资料源,Skill、MCP 配置、项目文档能够版本化、同步、共享、可评审。 目前我们初步方案是用 Git 做底层版本主线: - 文档:Markdown + ADR,带元信息,支持 RAG 检索 - Skill:单技能包目录化,带版本、评估用例、依赖声明 - MCP:项目级声明文件纳入 Git 但实际协作里遇到不少疑问,想参考大家成熟的实践: 1. 大家团队里,文档、Skill、MCP 三者是怎么组织目录和版本管理的?有没有稳定的仓库结构模板? 2. 多人协作时,Skill 的变更评审、灰度升级、依赖管理怎么做?如何避免本地版本不一致、“本地能跑别人不行”? 3. MCP 是统一中心化网关模式,还是大家各自本地启动 + git 同步配置?权限白名单、调用审计这块有什么好方案? 4. 有没有成熟工具链做自动同步(类似 agentmeld /teamai-cli)、变更校验、eval 回归门禁? 5. 文档和 Agent 的打通:哪些文档放进 Git 作为可信真值,哪些放外部知识库,边界怎么划分? 如果有现成的仓库样例、目录规范、团队协作流程,非常希望能分享参考,感谢!
280
8
PHP 被曝两大致命漏洞,请所有程序员抓紧做这件事!
280
9
人工智能前沿部署工程师(FDE) · 概 览 与 方 法 论
270
10
QuireKit 编辑器的 AI-Native 是如何设计的?谈谈我对真正 AI-Native 的理解
250
11
告别“金鱼记忆”:我开发了一款能当“第二大脑”的浏览器 AI 助手
250
12
ARTS 1101: 最长回文串与子序列匹配、一次 URL 请求的来回之旅与如何验证 AI 的交付
230