Vidu和可灵哪个好用？人物谁更稳

人物稳不稳，要分两种场景说。单人特写，两家都能稳住，换个表情换个角度，脸还是那张脸；多人同框和远景，才是真正拉开差距的地方。可灵给的是参考图加关键帧，能指定每一帧长什么样；Vidu 靠参考图直接生视频，省事但控制粒度粗。做系列角色，前者的可控性更值钱。

可灵和Vidu的人物稳在哪

稳在「同一个角色能跨镜头」。今天出一个镜头，明天出另一个镜头，把同一组参考图喂进去，出来的脸基本能对上。这件事听着简单，实际很难，多数工具换个机位脸就变了。

可灵的做法是让你把控制点摆出来。参考图定人物长相，关键帧定某一帧的姿态，中间的运动它来补。控制点多，出来的结果接近你想要的，代价是准备时间变长。

Vidu 的做法更省事。传一张参考图，直接生成一段带动作的视频，不用管中间怎么走。省事的好处是快，坏处是它自己决定动作，你要的「先低头再抬眼」这类细节，它不一定照做。

两种路子没有高下，看你手上是什么活。分镜画得细、动作要求明确的，用可灵；只想快速出几个镜头试效果的，Vidu 更顺手。想先零成本跑一遍，可以照免费生成视频的流程走。

两边的路子对照：

可灵的人物一致性靠哪些手段

三样：参考图、关键帧、以及同一个种子反复生成。

参考图是基础。给三到五张同一个人的不同角度，正脸、侧脸、半身，比只给一张正脸稳得多。图越清晰、光线越统一，效果越好。

关键帧解决「动作走到哪」。比如一个转身的动作，你可以指定开头和结尾两帧，中间它补。这一招在需要精确衔接的镜头上特别有用。

种子是最后一层保险。同一个提示词、同一个种子，生成结果基本一致，改的时候只改一个变量，能看出是哪一项起了作用。这一条很多教程不提，但调试时最实用。

可灵在多人镜头里容易崩什么

崩在三件事上，每一种都有对应的绕法：

• 人物互相污染——抱在一起时衣服颜色会串，拉开距离或者拆成单人镜头。
• 远景脸糊——人物占画面十分之一以下时，五官基本是随机拼的。
• 手部出问题——多人镜头里六指、反关节的概率跟着上去，让手出画最省事。

两个人抱在一起、握手、并肩走，衣服颜色会串，一个人的红衣服染到另一个人身上。这是因为模型在处理相邻区域时会把特征混在一起。规避的办法是拉开距离，或者干脆拆成单人镜头，剪辑时接起来。

远景脸糊是另一回事。人物占画面十分之一以下时，脸部的像素不够，生成的五官是随机拼的，同一个人在相邻两个远景里能长得不一样。要远景又要人物一致，就得靠后期的特写镜头去「认人」。

还有一处容易被忽略：手。多人镜头里手出现的频率高，六指、反关节的概率跟着上去。拍的时候让手出画，或者挡住，比事后修省事。

可灵的画面和Vidu差在哪

差在「实拍感」和「动画感」的比例。可灵的画面更接近实拍，光影有层次、材质有细节；Vidu 出来的画面更平滑，有点像高质量的三维动画。

这个差别在什么题材上明显？拍人物情绪、生活场景，可灵更像真的；拍产品、科技感、抽象概念，Vidu 的平滑反而加分。

色彩倾向也不一样。可灵的调子偏暖偏自然，Vidu 偏冷偏干净。同一段提示词，前者像纪录片，后者像广告片。

这不是好坏，是风格。要选哪个，先想清楚你的片子是「让人相信这是真的」，还是「让人觉得很高级」。

想再横向比一家，可以看即梦和可灵哪个好，那边的对照角度不一样。

可灵的人物参考图该怎么用

三张起步，五张更好。角度要覆盖正面、侧面、四分之三侧，表情不用多，保持中性最稳。

别用带强烈风格的照片。滤镜重、光影夸张的图，喂进去之后模型的风格也被带偏，出来的画面统一不了。用自然光下拍的、背景干净的图，效果最稳。

如果人物是虚构的，先用图片工具生成一组统一设定的图，再拿这组图当参考。直接用一张图生，模型没有足够信息，只能猜，猜出来每次都不一样。

还有一个实操细节：参考图和提示词里的描述要一致。图里是短发，提示词写「长发飘飘」，结果是两张脸打架。这一条踩过的人不少。

可灵做系列角色怎么稳住脸

四件事按顺序做：定角色、建参考图库、固定提示词模板、每集开头先跑测试镜头。

定角色这一步最花时间，也最值。角色的长相、发型、常穿的衣服、标志性的配饰，全部定下来，后面才好复用。

参考图库是资产。同一角色攒到十几张不同角度、不同光线的图之后，出片稳定性会明显提高。这个库要一直维护，新出的好图往里存。

提示词模板固定下来，只改场景和动作，人物描述一个字不动。改一个字，脸就可能变。

每集开头先跑一个测试镜头，正脸、中景、动作幅度小。这一镜能过，整集基本没问题；过不了，就回参考图库补图。测试镜头的成本和一整集差几十倍，这个顺序不能省。

批量出片之前先小规模试，短视频创作免费入口里给了零成本起步的路子。

常见问题