AI 视频角色一致性:一个镜头工作流
WaveSpeedAI 的 Dora 分享一套 AI 视频角色一致性镜头工作流,通过角色参考套件、固定身份细节和两遍审查来避免角色漂移。Vidu 2.0 接受 1-3 张参考图,MiniMax H3 Highspeed 接受最多 9 张参考图和 3 段参考视频;修复漂移时一次只改一个输入。
推荐理由:这套工作流给出角色参考套件、固定身份细节和两遍审查的具体做法,可直接迁移到多镜头 AI 视频制作。
WaveSpeedAI 的 Dora 分享一套 AI 视频角色一致性镜头工作流,通过角色参考套件、固定身份细节和两遍审查来避免角色漂移。Vidu 2.0 接受 1-3 张参考图,MiniMax H3 Highspeed 接受最多 9 张参考图和 3 段参考视频;修复漂移时一次只改一个输入。
推荐理由:这套工作流给出角色参考套件、固定身份细节和两遍审查的具体做法,可直接迁移到多镜头 AI 视频制作。
生数科技首部AI电影《Sanxingdui: Future Past》上映11天票房约168万元,工作日场均上座不足1人。公司香港IPO计划推进,但市场对AI视频公司商业模式存疑,Vidu在参考图生视频上表现好,但长片段和真人面孔上不如Kling。公司转向世界模型叙事,但相关成果多为公司自报和模拟。
ArcReel v0.34.0 发布,Agent 供应商未定价档位可手动选模型,凭证支持设置倍率,订阅制网关填 0 不计费。计费改为按模型目录价目表结算,文本、配音、图片、视频费用分项落档,未定价调用单独计数。模型目录新增搜索接口并随版同步价格与能力,Seedance 2.0 可选 4K、Seedance 2.5 可选 1080p。
在Pollo.ai上用同一张异形角色图和同一句提示词“Open the cake box, take out the cake, and eat it.”,对Seedance 2.5、Wan 3.0、Kling 3.0、MiniMax H3、Vidu Q3 Pro五款视频生成模型做10秒生成对比,且不指定蛋糕种类、大小与吃法。
国内首部获得国家电影局公映许可证的 AI 全流程院线长片《三星堆:未来往事》10 月 23 日上映,截至发稿首日票房超 12.5 万元,累计票房 14.2 万元。
推荐理由:国内首部获公映许可的 AI 全流程院线长片上映,其制作分工与票房表现可供观察 AI 电影落地路径。
多家视频生成公司正争夺“视频生成第一股”,可灵AI已选定中金、高盛和瑞银作为香港IPO承销商,目标最快2027年启动上市,爱诗科技、生数科技、演语科技也传出赴港上市消息。
创作者在 Pollo AI 上实测视频生成模型 Vidu Q4 Preview,用 GPT Image 2.5 生成原创角色插画后,制作了 5 秒万圣节短片和 16 秒自我介绍动画,日语台词语调与口型表现自然。该模型在短动画制作上成本较低,所需 credits 随视频长度和分辨率变化。
生数科技发布 Vidu Q4 Preview,主打人物表现、运镜和复杂视效,在 2D、3D 动漫场景中强化角色演绎与动态镜头,首发优惠价低至 0.09 元/秒起。
推荐理由:Vidu Q4 Preview 把人物演绎、运镜与多参考能力打包,并给出 0.09 元/秒起的首发价,可据此判断试拍成本是否已进入可承受区间。
生数科技发布 Vidu Q4 Preview,主打人物表现、运镜与复杂视效,在 2D、3D 动漫场景中强调角色表情与动作层次。
生数科技 10 月 8 日发布 Vidu Q4 Preview,作为新一代旗舰模型 Vidu Q4 的首个预览版,核心升级视频表现力。作者用其生成 AI 短剧片段,角色脸部全程一致并出现与情绪对应的微表情,多镜头切换与动态运镜衔接自然,还测试了新的声音参考功能。
推荐理由:以多部超创短片和自测片段拆解 Vidu Q4 Preview 的表演、运镜与特效表现,并给出 0.09 元/秒下的实际制作成本账。
国庆前后多家头部AI视频模型密集更新,旗舰模型入门价从元级降到分级的趋势明显。可灵Kling 4.0开启内测,单次原生视频时长拉到30秒、画质到4K,同时上线轻量版Kling 4.0 Flash,API定价尚未公布;生数科技Vidu Q4 Preview支持15张参考图、3段参考音频和4K直出,首发价最低0.09元每秒。
Google DeepMind 的 Gemini 4 Argon 已在全球上线,Pro 与 Ultra 订阅者可优先使用。该模型采用稀疏 Mixture-of-Experts 架构,支持文本、图像、音频原生多模态输入,上下文最长 100 万 token,定价为输入每 100 万 token 2 美元、输出 10 美元。
第三届“河马杯”大学生AI创意微短剧大赛9月29日在四川传媒学院启动,由点众科技承办,赛道升级为“AI现实题材”与“AI创意好故事”,并入选教育部中国高等教育学会《全国普通高校大学生学科竞赛排行榜》。四川传媒学院AIGC视听产业学院同步成立,点众还将于近期发布以节点化工作流管控剧本、分镜、画面、剪辑的AI创作产品。
第三届“河马杯”大学生AI创意微短剧大赛9月29日在四川传媒学院启动,由点众科技承办,从“大学生微短剧大赛”升级为“大学生AI创意微短剧大赛”,设“AI现实题材”与“AI创意好故事”两大赛道,并入选教育部中国高等教育学会《全国普通高校大学生学科竞赛排行榜》。启动仪式上四川传媒学院AIGC视听产业学院同步成立,点众还宣布即将发布以节点化工作流管控剧本、分镜、画面、剪辑等环节的全新AI创作产品。
智东西梳理国庆前后中国视频模型头部玩家的路径分化:9月28日可灵AI官宣新一代视频生成模型Kling 4.0,10月8日生数发布新一代旗舰模型首个预览版本Vidu Q4 Preview,0.09元/秒起。
中国 AI 视频生成模型主要由快手、字节跳动、阿里等公司开发,代表系列包括 Kling、Seedance、WAN,以及 Vidu Q3、PixVerse 6 等。
Vidu 上线新一代视频旗舰模型 Vidu Q4 Preview 的首个预览版,官方定位「传神表现力」,主打人物演技、镜头张力与特效冲击力。作者实测其复刻《你的名字》真人版最后一幕、同一句台词演绎五种情绪,以及魔法学院学生骑扫帚撞限高杆等场景,称其支持最多 3 段参考音频、15 张参考图,可直出 720P 至 4K、单次最长 16 秒,首发价 0.09 元/秒起。
推荐理由:作者实测 Vidu Q4 Preview 的演技与运镜,并开源两个可直接安装的导演 Skill,适合想上手 AI 短片的创作者参考。
OpenAI 在 API、Codex 和 ChatGPT Work 推出 GPT-6.1 Sol 的 Ultrafast 加速服务档,官方称速度最高可达 Standard 的 8 倍,API 价格为标准档的 6 倍。
Google 将 SynthID Detector 开放给所有人,可上传图像、视频或音频检查 Nano Banana、Veo、Lyria 以及 OpenAI、Nvidia、Kakao 文件中的隐形水印,CNET 测试发现经 Apple Reframe 修图的 iPhone 照片也会被标记。
Google 发布图像模型 Nano Banana 2.1,基于 Gemini 3.6 Flash,取代 2 月的 Nano Banana 2,并已进入 Gemini app、Flow 和 Google Ads。
DataEye L!NK 2026 短剧出海全球增长大会将于10月15日在深圳启幕,由 DataEye L!NK 主办、深圳市微短剧产业协会指导,目前报名人数已超2000人。大会设头部嘉宾主题分享、「L!NK 新星」路演、行业展会三大板块,34家各赛道企业确认参展,覆盖内容生产、AI技术、流量投放、跨境支付等领域。
生数科技推出 Vidu Q4 Preview,作为 Vidu Q4 面向创作者的首个预览版本,重点提升人物演绎、镜头语言与复杂视效,首发价格 0.09 元/秒起,同样预算最高可生成 5 倍内容。
推荐理由:Vidu Q4 Preview 把 0.09 元/秒的首发价与 15 张参考图、2K/4K 输出放在一起,可据此判断 AI 视频批量生产的成本区间。
DataEye L!NK 2026 短剧出海全球增长大会将于10月15日在深圳启幕,超2000人报名,34家各赛道企业确认参展。大会设头部嘉宾主题分享、「L!NK 新星」路演和行业展会三大板块,由DataEye L!NK主办、深圳市微短剧产业协会指导,生数科技、万兴科技、掌阅泡漫等联合协办。
造梦次元与生数科技用Vidu S2驱动AI主播紫樱完成一场48小时直播,累计31万+人观看、最高超4万人在线,总营收4.2万元。紫樱会念出新观众昵称、接住弹幕话题,并根据礼物唱歌、跳舞、换装和切换场景,直播中重开24次才达成8万营业值目标。
推荐理由:以一场48小时AI主播直播为样本,观察实时视频模型在互动内容中的实际表现与商业转化。
VIBE 中超过半数视频模型可生成音频,分为始终开启原生音频、可开关音频、支持上传自有录音三类。Sora 2、WAN 2.6/2.7、Veo 3 Fast、Seedance 2.5 等始终出音;Veo 3.1、Kling 3、PixVerse 6 等带音频开关;WAN 2.7、PRUNA V、Talking Avatar 可接受用户上传的语音或音乐文件。
VIBE 是一款 AI 视频生成应用,可调用 Kling、Sora、Veo 等模型,把歌曲、歌词或单张参考图生成可搭配音轨发布的音乐视频。其做法是按 intro、verse、hook 等段落拆分歌曲,每段单独写画面提示词并生成 4–15 秒片段,再按歌曲顺序在手机上剪辑拼接。
小五兄弟9月17日在杭州发布“全球星火计划”,联合万兴剧厂、Vidu、商汤Seko、AniShort、纳米AI等工具伙伴,把选题、生产、译制、确权、归因发行接通,试图解决AI短剧出海“Skills越来越多、海外一分没赚”的变现断层。该计划依托覆盖180个国家和地区、8000余个海外频道的发行网络,让作品先接受真实海外观众检验,再用变现数据指导生产。
Vidu S2 于 9 月 15 日发布,论文 9 月 10 日发布,网页版、APP、小程序与 API 均已开放体验,包含实时交互和实时编辑两个模型。作者实测实时交互模型 S2-Avatar 支持语音对话、实时动作响应、上传参考图互动,可保存 720p 交互视频,并测试了虚拟偶像直播、带货粤式早茶、英文对话与全身场景,中途打断后角色能接上新话题。
推荐理由:作者用大量实测案例拆解 Vidu S2 的实时交互与实时编辑两条能力线,可据此判断数字人直播与实时换装场景的可用性。
生数科技于 2026 年 9 月 15 日发布 Vidu S2,包含实时数字角色模型 S2-Avatar 和视频流实时编辑模型 S2-Editing,发布当天即在 vidu.com/vidu-stream 开放体验。
推荐理由:梳理 Vidu S2 两个模型的能力边界与三种短视频工作流,并明确区分已上线功能与实验室演示。
字节跳动被传正推进基于Seedance的实时空间视频模型,张一鸣亲自关注,游戏、短剧、直播与PICO都可能成为应用场景。生数科技Vidu S2同期展示角色实时回应与即时变化能力,其VR空间视频版本计划为VR设备生成带景深的双目画面,但仍处预告阶段。世界模型虽能制造"身处世界之中"的第一印象,却尚未解决长期一致性、记忆与叙事秩序问题。
知乎盐言故事披露2026年Q2售出短剧等版权作品突破1000部,版权合作量同比增长671%,作者版权收益同比增长620%。其与听花岛上半年合作上线7部短剧,《错嫁有喜》播放量超30亿、《姐,他真是我姐夫》超20亿。盐言故事还联合生数科技Vidu发起AI漫剧黑客松,开放10万+故事版权库。
生数科技已完成股份制改造,爱诗科技、演语科技先后传出赴港上市消息,可灵完成独立融资后被给予极高独立上市预期,AI视频第一股之争日趋具体。过去一年AI视频融资规模明显上升,爱诗科技C轮融资额达4.39亿美元,生数科技完成5亿美元融资,可灵本轮认购金额合计约204.47亿元。但率先上市不会自动带来更好的模型或用户续费,企业最终仍需回答付费用户留存、客户续约与经营现金流能否改善的问题。