快过春节了，来整一个花活儿，想看灭霸及复仇者同盟成员一路放烟花。

这段视频是于 Vidu Q3 中，仅用一段 Prompt 一次天生患上来，不仅可以或许声画同步，高清直出，并且还有能转换多个镜头，完成一个场景叙事。

Sora 以后，AI 视频天生于冒死卷时长。Sora 刚发布的时辰，只能天生 5 秒摆布的视频，而 Vidu 近来发布了全世界首个撑持音视频直出的模子 Vidu Q3 ，能实现16秒声画同出，而且叙事能力更强，于镜头节制、文字衬着、多国语言上都有所冲破。

于国际权势巨子AI基准测试机构Artificial Analysis最新宣布的榜单中，生数科技的 Vidu Q3 依附其于一致性、叙事性及音画同步上的极致体现，位居全世界第2、中国第一。它不仅于评分上硬刚马斯克的 xAI Grok，更是逾越了 Runway Gen-4.五、Google Veo 3.1 及 OpenAI Sora 2，成了领跑视频天生下半场的要害变量。

于生数科技的产物生态中，Vidu Q3 聚焦在漫剧、短剧、影视剧行业，其天生能力到底程度怎样，咱们用几个 Prompt 尝尝就知道。

01

16s，完成宫斗剧中的一次死别

已往，AI 视频天生因为压缩能力致使的一年夜深层痛点于在叙事断裂，一次只能天生5-8 秒的时长，这使患上天生内容更像是毫无魂灵的“素材碎片”而非逻辑完备的“叙事内容”。

基在此，创作者为了拼凑出一段30秒的剧情，不能不频仍开盲盒式地天生多个素材，再面临差别批次间光影掉真、人物走形、逻辑庞杂等致命伤举行后期“缝补”。

而 Vidu 不仅将单次天生时长拓展至 16 秒，更要害的是经由过程底层架构的改造，包管了这 16 秒内脚色、场景、光影、声音、画面与叙事逻辑的高度一致性。

16 秒，于影视语言中已经足以构建一个完备的叙事单位，好比一个脚色从迷惑到名顿开的心情改变、一次从安静到冲突的对于话比武，或者是一个要害道具被展现并激发牵挂的经典桥段。

为了验证 Vidu Q3 「16s音视频直出」的功力，咱们重点考查它于繁杂场景中可否把画面情绪、脚色对于白、情况音效这几股线天然地联合于一路。

拿最经典的宫斗场景为例，宫斗剧对于古装场景画面、人物情绪、固按时间内的叙事节拍要求都比力高，是以输入的 prompt 了包罗特写、对于白及详细情况音的提醒词：

天生的成果还有算到位，女子眼眶泛红、声音凄厉颤动的诘责，与脸上滑落的泪珠彻底同步，情绪是顶上去的。

配景里，窗外的风声及远方的丧钟声不是简朴的铺底，而是跟着她话音落下才隐约浮现，把悲惨又压制的气氛衬托了出来。对于面男子酷寒的回覆，其声音等语和谐画面里他漠然的心情严丝合缝。

光有剧情还有不敷，咱们想知道它于更写实、信息更嘈杂的情况里会怎样体现。

是以，第二个场景来到「雨夜的伦敦火车站」，这里要求的声音元素多且密：清楚的英语对于白、凸起的火车汽笛、琐屑的雨打顶棚声、还有有作为配景恍惚处置惩罚的播送。

天生效果可以说是没有瑕疵，西装男焦虑的脚步声始终连结于最前面且十分清楚，而汽笛声跟着火车驶进站内最先由远和近响起，淅淅沥沥的雨声很轻没有抢戏。而且此中London 站牌的名字竟然都拼对于了，这个也是 Vidu Q3 的主要能力，详细测评衬着能力的案例稍后展示。

这一条视频的细节可以说是使人欣喜的，可以见患上，Vidu Q3 的声音分层与空间感构建能力、主次音源处置惩罚能力、模仿出的真实情况混响能力都很顶。

对于在节拍极快、音画切换频仍的现代音乐内容，咱们采用图生视频的方式测试纽约陌头的说唱。

成果天生的视频让人颇有代入感，rapper 鼓动感动的说唱嘴型与鼓点、贝斯的节拍卡患上很是准，每一个重音都砸于了剪辑点上。镜头于手势、心情及脸部特写间的快速切换，也完善踩于了音乐的律动上。

02巨匠级运镜，短剧中巴掌扇患上更丝滑

AI视频天生中，最常碰到的一个穿帮点就是镜头语言。

很多模子能天生一段几秒的不变画面，但一旦触及镜头切换、视角转换、景别变化，问题就会呈现。可能于运镜历程中呈现画面主体扭曲、场景扯破，更常见的是，多镜头之间缺少叙事节拍及情绪联贯性，看起来像几段自力视频的生硬拼接。

可以说，「多镜头运镜」是区别「会动的画」及「有叙事感的视频」的焦点能力，它磨练的是模子对于空间持续性、时间逻辑及视觉叙事语法的综合理解。

先测试看一个快节拍短剧中的镜头切换，选用短剧中常见的咖啡厅决裂戏码：

这个片断最冷艳之处于在节拍感抓患上很准很惬意。特写镜头里戒指的反光细节很真实，切到近景时，男士措辞的口型跟台词对于患上很严，女士站起来后的头发的飞舞很天然，扇巴掌的动作、声音也充足丝滑。

接下来测试最磨练节拍感的动作场景。提醒词明确要求了“特写→前景→中景”的快速切换。

整个片断可以说是趁热打铁了。特写镜头中惊恐的双眼及汗珠极具张力；切至前景时，黑影于巷尾的明灭天然且位置联贯；切回中景时，主角朝向镜头的奔跑与以前的空间瓜葛彻底吻合。

更精彩的是，音效与镜头实现了精准共同：特写时喘气声很近，切前景时声音随之拉远并凸起脚步反响，切回中景时喘气声再次逼近。

第二个场景偏重视角转换，第一人称→全景→特写，也陪同气氛变化的运镜。

从现实体现来看，切换到镜头二的全景时，人物与石门的巨年夜比例对于比震撼，且视角转换无比天然，没有呈现「跳帧」或者场景重置；镜头三对于石门图腾的特写，可以看做是全景镜头的天然推进与聚焦。

03衬着能力精彩，漫剧轻松拿捏

对于在天生式 AI 视频而言，可否不变、精准地天生与画面气势派头交融的文字，往往是其可否胜任“专业级建造”的硬性门坎。

过往许多模子于衬着文字时，轻易呈现笔划庞杂、字符闪耀、气势派头扯破，或者者与画面光影严峻不符的环境，这使患上天生的内容很难直接用在对于细节有要求的贸易短片、漫剧或者剧情向内容。

Vidu Q3 具备较强的文字衬着能力，可精准衬着中、英、日三种文字。先从一个相对于静态但要求极高的场景最先：产物展示，要求天生一架无人机，机翼上需清楚出现具备金属蚀刻感的英文「Vidu Q3」。

效果体现中，无人机的极简设计感统统，而机翼侧面的“Vidu Q3”字样并不是简朴“贴”上去，而是真正模仿出了金属蚀刻的质感及深度。跟着无人机缓缓扭转，文字外貌的反光与外壳一同折射出细腻的落日余辉，光影变化天然同一。

接下来，挑战一下气势派头化与动态衬着：一个热血日漫气势派头的场景，包罗动态的日语喊话。

这个案例综合展示了 Vidu Q3 的综合能力，一是对于特定艺术气势派头（日漫）的精准掌握，二是于极限动态场景中，连结画面、音效超高同步性与体现力

末了测试一个布满张力的古装武侠场景，包罗中文对于白及激烈的动作戏。

Vidu Q3 的这个画面美感是凌驾预期。于激烈的武感动作中，可以或许很好地连结画面的不变及联贯，证实了其对于中文对于白字幕的专业化处置惩罚能力，而且于这一效果中，字幕成了加强叙事沉浸感的一部门，而非后期生硬的添加。这类天生水平已经经可以运用在短剧、漫剧建造等场景中了。

04结语

2024 年，AI 视频天生行业崭露头角，颠末两年时间的成长，整个行业则会向更成熟的标的目的成长。

Vidu Q3 的意义不单单于在“16秒的音视频直出”及“中国第一”，或许其更广泛的意义于在，于降低视频建造门坎的同时还有增长了精准的节制水平。

「节制」二字好像从未阔别过影视建造行业，从演员对于神志、语言的节制，到导演对于画面、气势派头的节制，再到到摄影师对于镜头、画面的节制，这是贯串视频建造始终的二字。

而要实现内容的完善出现及节制，已往这需要包括导演、摄影师、后期殊效等一个专业团队重复打磨才能精准实现。

此刻来看，Vidu Q3 能让专业的内容创作者直接“调理”脚色姿态、运镜方式、场景细节以致情绪气氛，实现邃密化的“导演级”节制，脑海中抽象的创意可以快速、精准地转化为高质量的视频片断。

除了此以外，影视行业中经常受限在实拍成本、演员档期、殊效预算或者非凡园地。这些传统的问题也能被有用弥合，Vidu Q3 极年夜地降低了高质量视觉内容的建造门坎，作者可以无成当地天生实际中难以拍摄或者造价昂扬的场景。

不仅云云，Vidu Q3 让平凡的外行人，也能建造出有审美、有咀嚼的年夜片。追念其时抖音的呈现，降低了人们举行内容表达的门坎，让纵然受教诲水平不高的人，只需点一下「录制」的圆形按钮，就能自由地利用视频这类去表达本身的不雅点及内容。

而如今的Vidu Q3正于做着近似的工作。 Vidu Q3 再也不是束之高阁的AI玩具，而是有能力真正深切到了漫剧、短剧、影视剧的建造焦点。

Vidu Q3体验地址：https://www.vidu.cn

Vidu API地址：https://platform.vidu.cn

登岸 Vidu.cn 注册，利用 AI 科技评论约请码：AIKJPL，便可得到500积分。

雷峰网(公家号：雷峰网)版权文章，未经授权禁止转载。详情见转载须知。

雷峰网原创文章，未经授权禁止转载。详情见转载须知。