全球AI视频大战升级！「中国版Sora」Vidu Q2参考生月底发布，能力对标Sora 2

---

  新智元报道  

OpenAI再掀全球狂欢，Sora 2三天登顶美区App Store，再造一个ChatGPT时刻。

用户只需要输入文字提示，Sora就能生成几乎任何你能想象到的视频片段。

特别是，Sora 2 Cameo功能让奥特曼客串各种梗图，全网彻底玩疯了奥特曼。

左右滑动查看

奥特曼表示虽然信息流里出现的自己的梗图，没想象中奇怪，但仍有些迷惑。

尽管看起来这场让国外狂欢的盛宴来得突然，实际上类似Sora 2 Cameo功能，则在国内并不鲜见，以中国版「Sora」Vidu为例，作为全球「参考生」功能概念的首个提出者，它与Cameo如出一辙。

几乎同时，Vidu也被曝「参考生视频」功能，将在本月底迎来Q2版本的重大更新。

不过，该功能目前仍处于保密内测阶段。基于拿到的第一手内测，我们尝试进行同样内容制作，比如，参考奥特曼形象，Vidu Q2可生成奥特曼在工业风阁楼中作画的场景——

此前，Vidu AI在Vidu Q2图生视频发布时表示，新版本将AI视频带入了下个阶段——不仅生成视频，还能生成演技。

AI演戏时代已开启：表情更丰富，运镜更灵活，速度更快，理解更深入。

相比前一代，Vidu Q2图生视频已全球上线，在时长选择、镜头语言和语义理解上取得了明显提升。

而这一次的Vidu Q2「参考生视频」不仅是功能的迭代，更预示着在下一代AI视频生成路径上，全球已全面展开正面交锋。

先看一下Vidu Q2在官方示例上的表现：

左右滑动查看

据悉，Vidu Q2参考生视频与图生视频一样，将在价格、时长选择、镜头语言支持和语义理解给予用户更多选择。

内测发现，Vidu Q2 参考生视频支持2-8秒不同时长自由选择、支持1080p高清晰度、3种宽高比。

我们先看一下为什么说Vidu才是让奥特曼火出圈的「Cameo客串」功能的开创者，为什么说Vidu在类似功能「Reference参考生」上比OpenAI领先。

「参考生视频」并不是Vidu Q2推出的新功能，早在去年9月Vidu 1.0版本就已推出，而且Vidu是全球最早推出参考生视频功能的，并首个做到支持7个主体参考。

简单而言，「参考生视频」是引用角色、道具、场景等更多素材内容来生成视频，从而更好地控制生成效果，而且直接从素材到视频，省去了中间的分镜脚本制作环节。

视频为Vidu Q1参考生视频的功能展示

此外，Vidu 的「参考生视频」起步更早，覆盖范畴也更广。

所谓的Sora 2 Cameo其实是类似于Vidu 参考生功能——

均可用「@」调用不同形象，并基于所选形象进行二次创作。

从行业角度看，Sora 2 Cameo就是一种「参考人物生成视频」的形式。

Vidu最多同时参考7张图片，而且万物皆可参考。

相比Vidu Q2，Sora 2有明显的局限：目前不支持对物体进行@调用；当直接上传物体图片作为参考时，最多仅能参考一个物体；最多支持三个人物客串演出。

而且Vidu不仅是引用角色，更是引用一切素材（道具、场景、物体等） 来生成视频，为创作者提供了更高的自由度和控制力，同时Vidu还可以最多支持7张参考图片，可以是7个角色，也可以是人物、道具、场景等的不同排列组合。

在Vidu中上传图片并添加描述即可创建「主体」，之后在主体库中勾选；或直接在提示词输入框中输入@上传的图片素材即可。

此外，还可以在Vidu首页「主体」广场中使用其他用户投稿的公开主体，例如可以直接使用网友「caelum mo」投稿的小男孩主体。这种用户间主体库的分享不仅降低了用户的使用门槛，而且更具互动社交属性，可玩性更高。

为了提升主体的一致性，上传图片时，可上传三视图（正面、侧面、背面）到【主体库】，也可上传多角度图片，或者立体感的图片；而提示词描述可以直接打开提示词框下面的【专业模式】，让AI直接将你的自然语言转换为更准确的提示词描述，提升识别准确性。

比如，「星辰研究所-微BT_buding」投稿的「黑暗巨龙飞行状态」，上传了三张不同角度的图片。

基于此主体，制作的「飞龙在天」视频：

除了人物等角色之外，创作者冰皓利用主体，一键复制特效：

据透露，本月底Vidu的「参考生视频」迎来更新，一致性更好，价格更优惠，速度更快，依旧全球领先。

OpenAI的Sora 2的确有不少亮点，比如：

在核心技术指标，比如一致性、语义理解、动作自然度上，Vidu相对优势更大。

让我们一睹这两大AI视频工具在多项技术上的正面交锋吧！

从内测效果来看，一致性方面，Vidu Q2参考生比Sora 2表现更佳。

先请奥特曼客串一下。下面的案例中，Sora 2直接改变了皇冠的样式，而Vidu Q2则能完全保持皇冠的细节特点。

没用@cameo功能时，Sora2图生视频里的人脸一致性明显较差。Sora2用了@引用功能时，一致性依旧略差于Vidu。

案例2中，输入图片：

综合而言，Sora 2与Vidu Q2在语义理解能力上差不多，多数提示词都能正确理解。

但一些常见的内容, Sora 2却无法正确理解。

例如，下列提示词Vidu Q2处理的直升飞机较好，而Sora 2逊色不少。

实际上，在运镜理解方面，Sora 2表现并不稳定，多数案例下都没能正确理解运镜指令。

比如，镜头右移，Vidu Q2（下图左）完全无压力，而Sora 2却并没有理解镜头右移的意思。

Vidu Q2 参考生

Sora 2

镜头拉远同样如此：

相对而言，大部分情况下Vidu Q2生成的视频动作比Sora 2更加连贯。

例如，水晶酒杯掉地板，突然爆裂的瞬间的视频中，Sora 2生成的动作连贯性不如Vidu Q2。

在舞蹈房内，Sora 2生成的视频跳到一半静止了，而Vidu Q2生成的视频(下图左)则流畅许多。

Sora 2经常会出现画面内元素静止、不动的bug。

对下列演唱会场景的视频中，Vidu Q2生成的视频比较流畅，而Sora 2生成的视频有点像PPT。

特效画面中，Vidu Q2生成的巨龙在空中喷火，特效非常真实，相比之下Sora 2生成的视频只有火在动，不够流畅自然。

在另一个真实案例中，面对一个流水的水龙头，Sora 的镜头从水流特写快速切换至水管开关，并以一个短暂的静止画面作结。

而Vidu Q2则采用了更为平稳的运镜，让镜头徐徐拉进，整体观感更为贴近日常，显得十分自然。

同时，Sora表情、微动态不如Vidu层次丰富，Vidu更能满足对于表情演绎有较高要求的影视、动漫行业的需求。

最后，看一下Vidu生成的丰富表情和微动态在动漫行业的应用，表情变化层次丰富，非常自然。

创作者也开始将Vidu Q2「参考生」功能玩出了花。国内创作者@陈畅用Vidu Q2「参考生」功能做了一个非常惊艳的短片：细节丰富、运镜流畅，完成度非常高。

就连钢铁侠本尊，也有了全新战甲。

参考图：

图1；图2

生成的视频：

有创作者还让黑暗游侠NPC出场，Vidu Q2直出视频，三个镜头流畅连贯，令人惊叹。

将主角三视图输入到Vidu参考生功能的主体库中：

正面；侧面；近照侧面

生成的视频：

如今，AI视频生成领域，已成为科技巨头们「打得不可开交」的又一大主战场。

谷歌Veo 3、OpenAI Sora 2，以及马斯克xAI最新放出的Imagine v0.9，均在音画同步、人物一致性等方面，掀起一波又一波的创新狂潮。

左右滑动查看

反观国内，以Vidu、Wan2.5、Kling AI等自主研发的模型强势出击，不仅在技术指标上紧咬对手，更在开放性、成本控制、应用普惠上实现弯道超车。

就在本月底，Vidu Q2将重新定义「参考生视频」，该功能模型即将迎来一次重大升级。

这无疑是2025年视频生成领域，最值得期待的更新之一。

凭借更高的创作自由度、更精细的控制力、更丰富的应用，Vidu在表情变化、推拉运镜、生成速度，语义理解，视频延长方面取得突破性进展。

这场逆袭，再次证明了国产AI的全球竞争力——从跟跑走向领跑，正重塑AI版图。

这一次，我们将见证全球视频AI「大战」的下一个关键节点。

让我们拭目以待。