目录
一、前言
二、功能特色
三、生成问题
四、小结
看到"音画同出"这个词，我第一反应是这半年以来的类似模型也太多了吧。
2025年9月，OpenAI Sora 2带着它的"电影级长视频"标签出场；2025年12月，可灵 AI (Kling) 2.6以"强中文语境"重磅登场；2026年2月，字节Seedance 2.0发布，其导演级控制和多模态对齐引发国际论坛上极大震动，甚至引发版权风暴。 而上周三，Vidu Q3又来了，也是音画同出。
本是心无涟漪，但看到关键词语"参考生视频"时，我又来了兴趣。这也是Vidu Q3相比于可灵 AI 2.6和Seedance 2.0，最大的特色。
"参考生视频"，顾名思义，就是指多图参考，支持上传多张参考图（最高 4 张），分别用于锁定角色形象、场景氛围甚至特定角度。
另外，Vidu Q3还有一大特色是原生智能分镜。这么看来，它确实是独特的存在。音画同出算是比较低调的特点。
那落地效果呢？
先说结果，智能分镜和叙事连贯性确实无可非议，不过人物一致性和指令遵循这块，就不及预期了。
具体的大家就往下看吧~
一、功能特色
万物皆可参考
这里的参考图不是首尾帧，而是视频中的某一帧或者某一个元素。
你可以任意组合角色图、场景图、服饰图、道具图等多种类型图，也可以使用不同状态的同一主体图。
图片
只要上传附件，在提示词对应位置@图X就行。艾特的对象一定要准确哦~
很多种脑洞玩法就这样诞生了。
比如小时候经常看的魔法变身片段，自己也可以做出来了：
再比如视频直接对参考人物换装：
智能分镜，多种特效
Vidu Q3生成的分镜、特效和音效，是我感觉在可负担的视频工具中效果最好的，尤其高燃场景中。Seedance 2.0效果好，但架不住费用高、等待时间长啊~
Vidu Q3不用你细化到每秒的分镜，也不用你分镜剧情设计完成后再在页面中选择具体的运镜方式。
它能遵循你给的方案，也能自动补充你未作指定的分镜与运镜方案。
特效与音效方面，无论哪种特效，玄幻类、灾难类还是物理冲突类，它都能好好接住需求，与场景、角色、元素自然而然融为一体，不会让人出戏。
音效也是动作音、环境音、人声、bgm一应俱全，符合场景，恰到好处。
大家已经感受过刚刚变身视频中bgm、特效音、人声台词的契合情况，这里再让大家感受下打斗类视频中的动作同步音效：
频繁出剑的"咻咻"声，妖兽的喷火与怒吼声，配着热血的bgm，就让人觉得浑然一体，不自觉目不转睛观看。
二、生成问题
题材限制
当然，Vidu Q3也有不足之处，最大的问题就是题材限制。
因为它对剧情场景和提示词语言太敏感了。竟然连常见的对峙场景都限制了。
比如这个后厨里主厨陆远和美食清算师秦二爷的对峙场景，就这种都没提及"刀枪"的提示词，我也不知道它为什么审核不过。
提示词：
Shot 1 (0s - 5s)
画面描述：中景。@图3深夜昏暗的后厨，卤汤冒着浓重热气。@图1厨师陆远背对镜头，手持长勺缓慢搅动卤水，发出沉闷的咕嘟声，不紧不慢说着"好汤得熬，急不得"。@图2秦二爷站在侧后方，低头用黑布擦拭自己的手掌，擦完后眼睛盯着陆远，露出玩味的神情。整体氛围充满紧张的对峙感。
运镜设计：镜头从灶台火苗处起始，缓慢水平向右平移，给秦二爷擦手一个特写动作，最后锁定在秦二爷盯住陆远的画面。
特效设计：增强卤汤上方升腾的白烟密度。
专属音效：粘稠液体搅动声、布料摩擦金属的吱吱声、灶火燃烧的低频嗡鸣声。
Shot 2 (5s - 10s)
画面描述：中近景对切。@图2秦二爷走向陆远，关了卤汤的燃气灶，说着"熬过头了，就危险了"，脸上是似笑非笑的表情。@图1陆远停止长勺搅动动作（长勺发出清脆响声），脸上表情严肃，看向秦二爷。两人视线在蒸汽中交汇。
运镜设计：从秦二爷走向陆远的特写快速拉远变为双人视线交汇的侧向中景。
特效设计：环境色调进一步压暗，仅保留灶台中心灯光映射在角色脸部侧影。
专属音效：金属撞击砧板的清脆响声、勺子划破水面的哗啦声、关火声、紧张的低音提琴氛围背景乐。
@图1@图2@图3
难道是现代世界或者看起来像现代世界的对峙场景无法通过审核？
若按这个逻辑，则意味着警匪类、悬疑类、派系对抗类、家庭冲突类等都无法生成。
一致性与分身问题
Vidu Q3的一致性和分身问题在复杂场景中暴露明显。
即便你给它四视图（正面全身图、侧面全身图、背面全身图、面部特写图），且在对应提示词中艾特对应的图片，强调保持角色一致性，它仍可能出现角色不一致。
比如前面的魔法变身视频，刚开始女主的形象就和参考图不一致，变身后也存在发色有差的问题。
（参考图：上为变身前形象，下为变身后形象）
（视频截图：左为变身前形象，右为变身后形象）
不过控制一致性，倒也不是没有办法。只需要好好利用创建主体的功能。
创建主体时能对角色进行描述，这个会直接影响生成的一致性。所以在此处详细描述，主体创建完成，在提示词中@对应主体后，一致性就能得以控制。
分身问题在热血打斗中突出。比如这2个视频：
（视频1：妖兽分身）
（视频2：两角色分身）
前面同样的仙侠打斗视频是我剪辑后的结果，这里视频2是它原生产出结果，妖兽分身、男主分身，甚至两者都分身，越写禁令它越要生成。
三、小结
Vidu Q3参考生视频功能，核心优势在于多图参考、智能分镜。高贴合的音画同出为它增色不少，不过它有题材限制、角色一致性和分身问题。
针对题材限制问题，大家目前只有规避雷点，比如对峙类设定为玄幻或古装背景。
针对角色一致性和分身问题，大家上传参考图时要上传角色四视图，再用主体创建的描述控制。
当然提示词细节逻辑的合理性和图片@的准确性也不要忘检查哦！
另外还有一点需要注意，提示词中台词的引号格式要注重检查，确保提示词粘贴后重新标引号，否则没办法遵循指定的台词。
今天的分享就到这里了。若你对Vidu Q3参考生视频有自己感悟和体验，欢迎在评论区分享和讨论。若你还想了解更多AI资讯、AI工具，掌握AI干货和提示词技巧，可私信或留言哦~
AI 速览
