在一场 5 天的发布会里，Vidu 放出了一整套内容生产链

**

5 天，Vidu 交出了一套完整的生产工具

👦🏻 作者: 镜山

🥷 编辑: Koji

🧑‍🎨 排版: NCon

这几天， Vidu 生数科技的团队肯定很忙。

从 1 月 27 日到 31 日，连续 5 天每天一场发布：Q2 参考生 Pro、Agent 1.0、主体社区、Q3、生态计划，一个接一个上线。

这种节奏在 AI 行业不太常见。大多数公司发布重要产品，会提前预热好几周，发布会开完再花时间迭代优化。

这一轮更新的目标很明显，是在把 AI 从能生成视频推进到「进入内容生产链条」。

这也和他们从一开始就强调的**「生产级 AI 视频能力」**是同一条路线。

想理解这次发布的话，可以从一个具体场景看。假设一个短剧团队想用 AI 做 16 秒剧情片段，他们需要什么？

角色表情、动作能控制。特效能复刻、能编辑。台词和口型对得上。镜头能切换、有叙事节奏。背景音乐、音效能配合，最好还能快速批量产出。

这些需求放在一起，其实已经是一条完整的制作链路。刚好，Vidu 这 5 天发布的内容，基本都这些环节上去补位。

🚥

如果把这 5 天的发布看成一张拼图，你会发现它刚好构成了一套完整的生产工具。接下来，从「生产流程」的视角，分享我们对这 5 天 5 款「产品」的解读。

为了完成一个「完整叙事生产流程」，Vidu 都做了什么？

从「真实的生产流程」的角度来看，过去两年的 AI 视频模型进化很快，每一次迭代都将整个流程往前推了一步。从动态图到长视频，从模糊到高清，时长从 5 秒延长到 10 秒，几乎每个月都在迭代。

但这些进步更像是锦上添花，很难让整个专业创作流程，一起往上再走一个台阶。Vidu 这次发布在试着解决 3 个问题：如何让生成结果可控、如何让内容能讲完整故事、如何针对具体场景优化工作流。

于是，Vidu 在这 5 天内发布了 2 个模型，1 个 Agent，1 个主体社区，1 个生态计划。

整体来看，主要的目标基本在 3 个范式：

【1】AI 视频生成的可控性将会提高，将会试着摆脱「随机生成」，这对应的是 Q2 参考生 Pro；

【2】在真实的生产场景中，模型应该能交付「故事」，这对应的是 Q3 模型；

【3】垂直场景下，将会有一个解决方案，这个方案是 Vidu Agent 1.0。

而在这背后，则有 2 个思考：

【1】创意即资产，AI 视频正在成为新的内容生态；

【2】创作者的位置应该是「生态中的一环」，不再孤立。

我们一层一层来看。

首先，Vidu 这回发了 2 个模型：Q2 参考生 Pro 和 Q3。虽然模型名称的数字一直在涨，但这俩模型不是单纯的「Q3 大于 Q2 参考生 Pro」关系。Q2 参考生 Pro 更偏向「参考」，Q3 是 Vidu 新一代声画同出模型。

先说 Q2 参考生 Pro。

1）Q2 参考生 Pro 把「可控」做到什么程度

AI 视频要真正用到生产里，必须解决一个问题：**如何让生成结果从「随机惊喜」变成「可控预期」。**这次发布的 Q2 参考生 Pro 把这个能力往前推了一步。

1 月 27 日发布的 Q2 参考生 Pro，被称为全球首个「万物可参考」的视频模型。这不只是参考范围的扩展。

过去的 AI 视频模型大多只能参考图片中的静态元素：人物外形、场景构图。但真实创作场景中，创作者需要参考的往往是动态的、抽象的要素。一个特效的实现逻辑、一种情绪的表达、一种材质的质感、一个动作的节奏。

但是，你想让 AI 参考的话，那基本是有点难的。

问题出在哪里？参考范围太窄了。

模型只认识「这个人」「这个场景」，但看不懂「这个人的变身特效怎么实现的」、「这个表情背后的情绪是什么」、「这个材质的纹理细节在哪里」。

什么叫万物可参考？

简单说就是，视频里能看到的东西基本都能拿来做参考。特效、情绪、材质、动作等等。Q2 参考生Pro 支持多视频多图参考，用户可以让不同参考素材组合在一起，创造出新效果。

比如让图 1 的角色拥有视频 1 的特效，同时参考视频 2 的动作，再加上图 2 的场景氛围。这种复合参考能力让创作自由度大幅提高。

利用 Q2 参考生 Pro 这种直观的提示词设计就能做出多主体参考视频。

比如，我让 Q2 参考生 Pro 直接参考下面这张图片的主题和视频的效果：

就能做出下面这种「参考生视频」：

参考只是第一步，可控的另一个维度是可编辑性。

Q2 参考生 Pro 新增的视频编辑功能，让创作者可以对生成内容进行精细化的增、删、改操作。更重要的是，即使经过多次编辑，画面主体的一致性仍然能够保持。这在实际生产中很关键，因为没有任何模型能做到「一次生成即完美」。

即使多次编辑，画面元素的「一致性」也能尽可能地保持住。这在实际创作中很关键，因为往往创作者需要反复调整，直到满意。

说白了，AI 视频模型还没有好到「无需修改」的地步，创作者需要一个「铲子」。

如果每次编辑都会破坏「一致性」，这个工具就没法用。Q2 参考生 Pro 的一致性保持能力让你一步步修改，每次只改一个地方，直到整个画面达到想要的效果。

特效门槛被大幅降低了。

2）Q3 要将「叙事问题」再往前推进一步

Q2 参考生 Pro 解决的是「如何控制画面」，1 月 30 日发布的 Vidu Q3 要回答的是：如何让 AI 生成的是具备完整叙事能力的故事单元。

一个完整剧情片段，只有画面是不够的。对话、音效、背景音乐、镜头切换都得配合起来才能讲好一个故事。

Vidu Q3 是全球首个支持 16 秒音视频直出的模型，这里的关键词是「直出」和「16 秒」。

直出的意思是声音和画面一起生成，从模型层面就是同步的。

16 秒的突破不只是时长数字。传统 AI 视频工作流是「先生成画面，再后期配音」，声音与画面在两个独立环节中产生，协调性依赖人工调整。而 Q3 的「声画同出」能力，让声音和画面在模型层面就实现原生同步。

像这个作品，就是 Q3 直接生成的故事短片，一共用 4 个镜头切换，把 比较完整的情节讲清楚了：

除了声画同出，Q3 还支持多镜头自动切换、旁白、双人对话、音效、音乐等等。

看评分的话，Q3 在国际 AI 基准测试机构 Artificial Analysis 最新公布的榜单中排名中国第一、全球第二，超越了 Runway Gen-4.5、Google Veo 3.1 和 OpenAI Sora。

这种「声画同出+多镜头切换」的能力组合，让 Q3 能够试着承载一个完整镜头片段的起承转合，实现节奏、情绪与叙事的流畅，融合成一个整体。

因此，Vidu 把 Q3 定位为「为剧而生」的下一代视频模型，就是这个意思。它把 AI 视频从「素材生成器」升级为「故事片段生产器」，直接嵌入编剧、分镜的创作前端。

除了这 2 个最受关注的 AI 视频模型，贯穿在以上功能里的是一个叫「主体社区」的模块。

3）主体社区让专业经验也能流通

当模型能力有了技术性的突破，下一个瓶颈在哪？在于创作经验的复用与流通。

再好的模型，如果每次创作都要从 0 开始摸索一遍，像是参数、调试提示词这种过程，生产效率还是受限于个人经验的积累。

想象一下，如果有一个资源库，里面有直接做好的运镜方式、特效、构图和氛围，你只需要 @ 一下就能直接调用，会怎样？

这就是 Vidu 在 1 月 29 日发布的主体社区在做的事。

它是全球首个 AI 视频创作主体社区，包含 8 个类型:运镜、构图、叙事、风格、场景、表演、招式、氛围。目前已经有 200 多个主体，官方说还在持续更新。

什么是主体？可以理解为一种可复用的创作资源。一个镜头语言、一种特效风格、一个情绪氛围、一套表演逻辑，这些原本需要长期实践才能掌握的专业能力，现在被封装为可直接调用的「资产」。

比如「紧张压抑的氛围」这种抽象概念就是一个主体。调用它，你的视频就会带上那种紧张感，画面色调、光线、节奏都会配合。

主体之间是可以自由组合的。

你可以同时调用 @镜头 + @氛围 + @表演，让多个主体叠在一起做出更复杂的效果。加入「主体」功能模块后的工作流是：选择「参考对象」的时候，直接去「主体社区」里找。

创作者之前设计好的「主体」，或者别的创作者做好的「主体」都可以上传这个社区。

主体社区的另一个突破在于可分享、可交易、可互动的生态机制。

专业创作者可以把自己打磨的镜头语言、独特特效上传为主体，让其他人付费使用。普通创作者也可以直接基于他人的主体进行二次创作，在协作中迭代下去。

对普通创作者来说，主体社区降低了专业门槛。

你不需要学习复杂技巧，只需要知道自己想要什么效果，然后 @ 调用对应主体就行。创意不再受限于个人经验的积累，可以在流通中不断增值下去，成为一种「复利」的资产。

4）Vidu Agent 1.0 想要改造「营销视频制作的链路」

技术真正有用，需要看能不能用在真实业务里。对广告品牌来说，他们要的也不是花里胡哨的特效展示，是能把产品卖点讲清楚，让用户记住，并且愿意下单的视频内容。

1 月 28 日发布的 Vidu Agent 1.0，主要就是在解决这件事。它的核心能力是一键成片。你只需要输入需求，它就能自动生成完整视频，类似于通用 Agent 的效果。

Vidu Agent 的底层，其实是一套已经打磨得比较成熟的多 Agent 协作系统。你可以把它理解为：好几个 AI Agent 分工一起做事。

现在 Vidu Agent 里一共放了 7 个专门的 AI 角色。有人负责想脚本，有人负责拆分镜头，有人整理素材，有人生成画面，有人做配音和音乐，还有人管剪辑节奏，以及最后把关整体效果。

每个 AI 只做自己那一段，然后一起把一个广告视频做完。

对用户来说，用起来很简单。你只要写一句需求，再给一张产品图，就可以直接启动整套流程。后面从脚本到画面，再到声音和剪辑，都会自动往下走。中间你也可以自己改分镜、调结构，让结果更贴合你的目标。

这里要解决的问题是：就算 AI 能做出好效果，如果每次都要写复杂提示词、调参数，对大多数创作者来说门槛依然很高。

尤其是传统的 AI 视频营销制作流程其实很长。

先要搞清楚产品卖点，再写脚本，然后做分镜，接着一轮轮改提示词、跑素材，最后还要进后期剪辑。

每一步基本都离不开专业的人来盯着做，所以整体很花时间，也很花人力成本。

Vidu 这回发布的 Agent 整体体验是为「营销场景」而做的：

上传图片，给定产品卖点和具体的应用场景，Agent 就会自己做出分镜脚本：

这个 Agent 发挥作用的场景更多，其中最常用的场景是「商品广告」。Agent 的做法是：你只需要给目标和素材，它帮你把中间那条长链路压缩掉一大半。

这件事很有意义。

因为，很多创作者在最一开始没办法，或者说不知道怎么像在 Q2 参考生 Pro 和 Q3 模型的操作流那样「拖动」主体，写一个结构化的提示词。

对营销团队、自媒体们来说，Agent 解决的是批量产出效率问题。除了效率，更关键是成本降低和试错空间，它是一个更懂产品的 Agent，它能够结合产品特点生成卖点有吸引力和爆款视频结构，生成高转化的广告营销视频。

5）Yes, Vidu 全球生态计划：让工具用起来，做下去

主体社区里那些专业主体是谁做的？Agent 批量生成的内容谁来用？Q3 生成的短剧片段最后要推给谁看？

工具再好，如果没人用、没人一起参与，很难一直发展下去。

这些问题的答案都指向同一件事：**创作者和使用者才是让工具真正用起来的人。**说白了就是：让更多人用起来，也让用的人能赚到回报。

1 月 31 日他们发布了 Yes, Vidu 全球生态计划，直接拿出「1 亿积分 + 千万奖金」，把资源给到创作者和合作伙伴，让大家更愿意长期投入。这套机制，其实是有诚意的，没有搞很多弯弯绕绕，权益明确。

比如说下面这个「艺术家计划 2.0」，创作者可以通过生成优质内容、分享主体、制作教程等方式获得积分。积分就可以用来生成更多视频，或者换会员。

认证讲师体系也是类似逻辑。如果擅长用 Vidu 做某类视频，愿意分享方法，就能成为讲师，拿资源支持。企业端还有合作伙伴体系，积分池和商机池。

当创作者能拿到回报，讲师能靠经验变现，合作伙伴能持续接到机会，生态才会自己跑起来。

工具要活下来，一定要让用的人先受益。

如果把这 5 天的发布连在一起看，会发现 Vidu 想讲的而是一很更实际的事：2026 年的 AI 视频创作需要做到「能完成整段叙事」，或者说试着去做好一个视频创作的全流程。

可以拆成 3 层来看。

在技术层里：

【1】Q2 参考生 Pro 解决参考与一致性问题，让创作者能控画面；

【2】Q3 把声画一起拉进模型层，让片段能讲故事；

在应用层里：

主体社区把镜头语言和创作经验变成可复用资产；Agent 把复杂流程压缩成一句需求；

在生态层里：

创作者和合作伙伴一起参与，一起分收益。

三层合在一起，就把整条制作流程串起来了：从想点子 → 做内容 → 调整 → 复用素材 → 发布 → 变现，基本都有对应工具。

单看每个产品，只像一次功能升级。但按制作流程一起用，就变成一整套能直接干活的生产工具。

技术能力已经差不多到位了，后面真正重要的，是一些更实际的问题，有 3 个方向很值得继续看：

【1】新一类创作者会不会出现？会不会出现一批从一开始就用这套工具做内容的人？

【2】会不会长出新的内容形式？16 秒完整剧情，加上声画一起生成，会不会带来不同于现在短视频的新内容样式？

【3】产能会不会被放大？ 短剧、漫剧这类 AI 视频内容，产量和制作速度，能不能直接上一个台阶？

这些变化，会直接决定 AI 视频是停在展示阶段，还是走进大规模商用阶段。

🚥

回到开头那个短剧团队。

现在他们想做 16 秒 AI 短剧，Vidu 在这 5 天里给出的答案是可以这么干：

Q2 参考生 Pro 控制特效、情绪、材质。Q3 生成 16 秒音视频同步片段。主体社区里 @ 调用运镜、氛围、表演。Agent 批量产出、快速迭代。加入生态计划拿流量和商业合作。

一套流程下来，该有的基本都有了，每一步都有对应工具，而且能直接接上下一步。从这次整套发布来看，Vidu 已经把工具、流程和创作者体系都搭好了。

接下来，就看创作者们如何用这套内容工具链完成属于大家自己的、新的叙事了。