Vidu 多主体参考生视频教程：@一下，让角色在所有镜头里都是同一张脸
写在前面的成果预告
读完并跟着做，你会得到两样东西：一是能独立用 Vidu「参考生视频」做出多镜头角色不换脸的 AI 视频——同一个角色出现在吧台、街道、特写里，长相、服装、气质始终如一；二是学会用官方 API 把这套能力接进自己的程序，实现批量生产。本文全步骤依据 Vidu 官网功能页与官方 API 文档（2026-09 抓取）整理，每一步都告诉你点哪里、填什么、应该看到什么。如果你是刚入坑 AI 视频的新手，建议先读一遍总纲 《从一句话到成片：AI 视频完整制作流程》建立全局观，再回来跟本篇实操；本文对应的产品页在 dbyun Vidu 专区。
一、先搞懂：参考生视频和图生视频，到底差在哪
很多新手第一反应是"我都知道图生视频了，为什么还要参考生视频？"一句话说清：图生视频让"一张图"动起来，参考生视频让"一组角色/场景"在多个镜头里保持一致。官方对两者的定位区分非常明确，对照下表选择：
核心用例：参考生视频面向跨多个镜头、以一致性为核心的视频生成；图生视频用于让单张图片或首尾帧动起来。
输入类型：参考生视频吃参考视频或多组参考（图片、视频、提示词）；图生视频只吃单张图片或关键帧。
一致性：参考生视频强，能保持角色身份与场景连贯；图生视频有限，并非为多场景一致性设计。
适合场景：前者是故事叙述、广告、AI 虚拟人物、多镜头工作流；后者是快速内容、产品动图、社媒短片。
判断标准就一条：你的视频里，同一个角色或产品要不要出现两次以上？要，就用参考生视频。比如三集连续剧同一个主角、十支广告同一个产品、上下镜头同一个场景——这些任务用图生视频做，每次生成角色都会"重新投胎"，参考生视频就是官方给这个痛点的解法。
二、动手前：把参考图准备好
参考生视频的输入是 1～7 张参考图片（网页版与 API 规则一致）。参考图质量直接决定成片一致性，准备时守住三条纪律：
第一，一个主体至少一张"干净"的图。角色图最好是纯色背景或简单场景下的单人清晰照，脸部无遮挡、光线均匀。官方说明每个参考可以提取来源图片或视频中的角色、风格、构图、镜头运动、场景以及特效等信息——反过来说，图里杂质越多，提取出来的"主体"越不纯。
第二，按"一主体一图"组织素材。想做"男主角走进酒吧，女招待端来红酒"这种双人戏，就准备男主角一张、女主角一张、酒吧场景一张，共三张参考图，而不是把三人塞进一张合影。分开给，模型才知道谁是独立主体。
第三，格式与规格检查。图片支持 png、jpeg、jpg、webp 格式；像素不能小于 128×128；比例需要在 1:4 到 4:1 之间（别用极端长条图）；文件大小不超过 50MB。这些是官方 API 文档写死的硬限制，网页版同样适用。
没有素材的新手可以直接用 AI 生图先造角色三视图（总纲教程 9447 里有完整方法），或者从 Vidu 的素材库中直接选用现成参考——官方步骤原文明确写有"可以使用自己的图片，也可以从素材库中直接选用"。
进阶技巧：一个主体可以挂多张图。官方 API 的 subjects 参数允许每个主体最多上传 3 张图——给同一个角色配"正面 + 侧面 + 全身"三张，一致性通常比单图更稳，因为模型能从多角度理解这个主体长什么样。注意所有主体的图片加起来仍要落在 1～7 张的总额度内，主体较多时优先把名额留给主角和核心场景。
三、网页版实操：从进入官网到下载成片
官方把整个流程概括为三步：选择「参考生视频」→ 输入提示词 → 生成并下载。下面按实际界面逐步拆开。
第 1 步：进入功能入口
打开 Vidu 官网（国际站 vidu.com 或中国站 vidu.cn），注册/登录后进入创作台。点击顶部导航的「参考生视频」（创作台内入口名称为 character2video）。你应该看到：一个上传区域和一个提示词输入框，输入框附近有模型、时长、画面比例等参数选择区。
官方教程图 1：选择「参考生视频」，上传 1–7 张参考图（官方文档截图）
第 2 步：上传参考图
把准备好的参考图拖进上传区域（或点击上传按钮逐张选择）。按第二步的纪律，双人戏就传"男主一张 + 女主一张 + 场景一张"。上传后应该看到每张图生成一个缩略图卡片——这些卡片就是你稍后在提示词里要用 @ 引用的"主体"。上传顺序就是主体编号顺序：第一张是 @图1（或你命名的主体名），第二张是 @图2，以此类推。传错可以删除单张重传，不用全部推倒。
第 3 步：写提示词并用 @ 锁定主体
这是全流程最核心的一步。参考生视频的提示词语法有一个专属武器——@主体。在输入框里描述画面时，用 @ 加主体名来点名"谁"做"什么事"。官方文档给出的标准示例是：
@1 和 @2 在一起吃火锅，并且旁白音说火锅大家都爱吃。
官网首页的演示案例也是同样的写法——上传一张牛仔角色图和一张酒吧场景图，提示词写成"@ 牛仔 坐在吧台前"："一位 @女郎 拿着一瓶红酒走向他"，再补一句"镜头向前推进..."。@符号就是"一致性锚点"：被点名的主体在整段视频里保持同一张脸。
提示词的组织顺序建议：谁（@主体）+ 在哪（场景/@场景主体）+ 做什么（动作）+ 镜头怎么动（推拉摇移）+ 声音（台词/旁白/音效）。主体调用的提示词上限是 5000 字符，足够把戏写细。
官方教程图 2：在输入框描述角色动作，设置分辨率与画面比例（官方文档截图）
第 4 步：设置参数
输入框附近的参数区，按需确认四项：
时长：viduq3 系模型默认 5 秒，可选 3～16 秒——Q3 是"音画同出"的新一代模型，单次最长可生成 16 秒完整片段；画面比例：默认 16:9（横屏），做竖屏短视频改 9:16，方形内容选 1:1；分辨率：默认 720p，可选 540p、720p、1080p，正式出片建议 1080p；声音：viduq3 与 viduq3-turbo 默认开启音视频直出，可选音频类型 all（音效+人声）、speech_only（仅人声）、sound_effect_only（仅音效）。
各参数的完整取值范围以官方页面为准，平台更新很快，本节只列 API 文档当前写明的值。
第 5 步：点击生成，等待完成
点击 Create（创作）按钮提交任务。提交后页面会出现任务卡片，状态依次经过排队中、生成中，最后变为完成——官方 API 文档定义的完整状态机是 created（创建成功）→ queueing（排队）→ processing（处理中）→ success（成功）/failed（失败）。5～16 秒的任务通常几分钟内完成，期间可以另开任务并行抽卡。
官方教程图 3：生成完成后先预览，确认无误再下载（官方文档截图）
第 6 步：预览与下载
任务完成后先点开预览：重点检查角色脸有没有漂、场景道具有没有穿帮、音画是否同步。满意再点下载保存到本地；不满意就调整提示词或更换参考图重新生成。提醒一句：抽卡是 AI 视频的正常工作方式，同一段提示词跑两三次挑最好的一条，是所有熟练用户的日常。
官网演示案例：同一牛仔角色跨镜头保持一致（官方页面截图）
四、直接可抄的多主体提示词模板
把上面的写法沉淀成三个模板，替换方括号内容即可用：
【双人互动】@角色A 和 @角色B 在[场景描述]里[具体动作]，镜头[运镜方式]，[音效/台词说明]。
【角色+场景+产品】@角色 在 @场景 中拿起 @产品，镜头缓缓推近，突出[产品卖点]，背景音乐轻快。
【多镜头叙事】@牛仔 坐在吧台前。一位 @女郎 拿着一瓶红酒走向他。镜头向前推进，爵士乐渐起。
第三个模板就是官网首页演示案例的原文结构，多个短句各管一个镜头，@锚点贯穿始终，这是参考生视频区别于普通文生视频的写法精髓：普通提示词堆形容词，参考生提示词像导演讲戏——点名、调度、说戏。
五、进阶：用 API 把流程自动化
网页版适合单条创作，批量生产（比如一个 10 镜短剧）就该走 API 路线。整个过程分四步：拿 Key → 创建任务 → 轮询结果 → 下载成片。
第 1 步：获取 API Key
打开 Vidu 开放平台 platform.vidu.cn，注册并进入控制台，在 API Key 管理页创建一个 Key 并妥善保存。API 文档规定的鉴权方式是请求头携带 Authorization: Token {your api key}。
第 2 步：创建参考生视频任务
官方端点是 POST https://api.vidu.cn/ent/v2/reference2video。下面是按官方文档示例改写的多主体调用（subjects 方式，主体在请求里显式命名）：
curl -X POST "https://api.vidu.cn/ent/v2/reference2video" \
-H "Content-Type: application/json" \
-H "Authorization: Token $VIDU_API_KEY" \
-d '{
"model": "viduq3",
"subjects": [
{ "name": "牛仔", "images": ["https://你的图床/牛仔.png"] },
{ "name": "酒吧", "images": ["https://你的图床/酒吧.png"] }
],
"prompt": "@牛仔 坐在吧台前，一位陌生人推门而入，镜头缓缓推进，环境音有轻爵士乐。",
"duration": 8,
"aspect_ratio": "16:9",
"resolution": "1080p"
}'
发出去应该看到返回体里有 task_id 和 state: "created"，同时给出本次调用消耗的 credits 积分数。
主体怎么组织？文档里给了两条路线。上面示例是临时主体：name、图片都写在本次请求里，用完即走，适合一次性任务。如果某个角色要反复用（比如系列短剧的主角），就走主体库模式：先通过官方「创建主体」接口把角色注册进主体库，拿到 server_id（主体 id），之后每次生成只需在 subjects 里带上 name 和 server_id，不必重复传图。此外还有一个 auto_subjects 开关，设为 true 可启用智能主体库能力，让系统自动处理主体匹配。
主体数量也有讲究。官方规则：使用 q3、q2、q1、2.0 模型时，只能用图片主体和文字主体，最多不超过 7 个；使用 viduq2-pro 模型时可以额外使用视频主体（最多 2 个），但图片/文字主体上限降为 4 个。多角色群戏建议控制在 3～5 个主体，名额越多，每个主体分到的"注意力"越少。
不用 subjects 的非主体调用更简单：直接把 1～7 张图塞进 images 数组（官方示例用 3 张图 + 提示词 "Santa Claus and the bear hug by the lakeside."），适合"这一组图合起来出一条视频"的场景。注意非主体调用的提示词上限是 2000 字符，比主体调用的 5000 短。
模型怎么选？官方文档的定位说明：viduq3-mix 画面质感强、均衡性最强（但暂不支持 subjects 主体调用）；viduq3 多机位一致性更出色；viduq3-turbo 生成速度最快、性价比最高；viduq2-pro 支持参考视频与视频编辑；viduq2 动态效果好；viduq1 运镜稳定。追一致性选 q3 系，追便宜快速选 turbo。
第 3 步：轮询任务结果
任务异步执行，用官方查询接口轮询：
curl "https://api.vidu.cn/ent/v2/tasks/你的task_id/creations" \ -H "Authorization: Token $VIDU_API_KEY"
返回的 state 变成 success 后，creations 数组里就是成片：url 是视频地址、cover_url 是封面、watermarked_url 是带"内容由AI生成"水印的版本。特别注意：这些 URL 有效期只有 24 小时，拿到结果要立刻下载转存到自己的存储，这是官方文档写明的硬规则，也是新手最容易踩的坑。
第 4 步（可选）：错峰与水印设置
追求省钱可加 "off_peak": true 走错峰模式——积分消耗更低，任务在 48 小时内完成，未完成的自动取消并返还积分；赶时间的即时任务保持默认 false。对外发布的内容建议加官方水印："watermark": true，默认位置右下角，可通过 wm_position 调整（1 左上、2 右上、3 右下、4 左下）。积分具体价格以平台价格页实时显示为准。
官方功能页：多参考支持，最多 7 个参考素材协同生成（官方页面截图）
六、常见坑排查
坑 1：角色还是"变脸"或换装。先检查参考图：主体图是否干净、是否一主体一图；再检查提示词：被要求的动作是否让角色面目变化（大特写+剧烈运动最容易漂）。官方 FAQ 给出的方法一致——为每个角色建立清晰的参考主体，并在提示词中标注关键动作与重点信息。
官方功能页：维持画面与故事的视觉连贯性（官方页面截图）
坑 2：物体中途消失或变形。物件没有独立参考时最容易发生。给关键道具单独一张参考图，并在提示词里明确它的位置与状态。
坑 3：API 返回 failed。按官方错误码表排查，高频原因是：图片规格越线（小于 128×128、超过 50MB、极端比例）、Key 无效或积分不足、viduq3-mix 模型误用了 subjects 主体参数（该模型暂不支持主体调用）。
坑 4：成片链接第二天失效。生成物 URL 有效期 24 小时，务必当天下载转存；网页版下载的本地文件不受影响。
坑 5：想要背景音乐却发现没生效。bgm 参数在 q3 系模型中不生效（q3 走音视频直出，自带音效与台词），在 q2 系 9/10 秒时长下也不生效——音乐需求交给 q3 的音画同出或后期配音。
坑 6：任务一直排队不出片。先看状态：queueing（排队）是高峰期的正常现象，耐心等待即可；如果走的是错峰模式（off_peak），官方规则是任务在 48 小时内生成，未能完成的会被自动取消并返还积分，所以错峰任务适合"不急要片"的场景，赶进度请用即时任务。
七、来源与延伸阅读
本文步骤、参数与图片依据 Vidu 官网参考生视频功能页与官方 API 文档（platform.vidu.cn）整理，版权归原作者所有；参数取值以官方页面实时显示为准。想继续进阶，推荐配合站内总纲 《从一句话到成片：MiniMax H3 完整制作流程》学习"角色三视图→场景图→分镜脚本→逐镜生成"的完整产线——那条产线里的"逐镜生成"环节，正是本文参考生视频能力的主战场。
