Vidu Q4 Preview 教學：用參考圖與聲音規劃一段角色對話短片
Vidu Q4 Preview 如何用參考圖與聲音準備角色對話？本文提供八秒短片需求、素材對應、鏡頭連續、生成任務與結果下載的檢查方法。
兩個角色在同一支 AI 影片中說話，困難往往不只是畫面好看。換鏡頭後臉不能變、衣服要一致，聲音也要對應正確的人。
Vidu Q4 Preview 最近在 X 受到關注，官方主打多張參考圖與聲音參考。實際試作時，最有用的準備是把角色、場景與臺詞分開整理，再用一小段對話檢查一致性。
這份指南依 Vidu 官方產品頁與 API 文件整理。官方展示影片用於觀察能力方向，不代表本站已完成實測，也不能保證每一份素材得到相同效果。
社群上的合作推廣與價格比較，不會代替對官方規格的核對。
先選對生成模式
官方介紹 Image-to-Video 與 Reference-to-Video 兩種路徑。前者從一張圖延伸動作，後者加入多個參考以控制人物、場景或風格。
想做兩個角色的對話，通常更需要明確的角色參考，而不是只用一張混在一起的畫面讓模型猜。
Q4 產品頁標示最多十五張參考圖與三份聲音參考，以及最長十六秒和最高四 K 的方向。這些是能力上限，第一次沒有必要全部用滿。參考越多，也可能引入互相矛盾的資訊。
先用少量一致素材，才能知道哪一份資料影響結果。
API 與產品介面可能有各自的細節與可用參數，應以實際入口為準。不要把其他模型的教學命令改個名稱，就當成 Q4 可用。
尤其 Preview 功能可能變動，正式工作前應記錄當下使用的模型與設定。
角色參考先建立一張簡單資料表
第一個角色可以記錄外觀、衣服、聲音來源與本段動作，第二個角色也用相同欄位。參考圖最好來自同一版本與畫風，避免正面穿藍衣、側面卻穿紅衣。模型需要清楚依據，不需要一堆沒有說明的圖片。
每張圖註明用途，例如角色正面、側面、服裝細節或場景。不要把場景照片當成角色臉部參考，也不要讓一張拼貼同時承擔所有資訊。圖片名稱與清單一致，後面修改時才知道應換哪一份。
如果角色是虛構設計，保留自己製作或已授權素材。若涉及真人，先確認影像與聲音使用範圍。工具能接受參考，不代表你有權使用任何人的臉與聲音。日後要公開影片，素材來源應能被清楚說明。
聲音參考先確認使用許可與清晰度
聲音參考的目標，是讓角色有一致的聲線。官方 API 文件目前列出 MP3 格式，每份聲音參考為三至十二秒，使用時應檢視當下說明。錄音最好只有需要的聲音，避免背景音樂、迴音或多人交談。
原始資料不清楚，會讓後面的判斷變得困難。
不要從別人的訪談隨手剪一段，就當成可使用的角色聲音。可以採用自有錄音、獲得明確授權的聲音，或產品提供的可用選項。記錄來源與允許用途，才能判斷之後是否適合商業、教學或社群釋出。
第一輪也可以先不加入聲音參考，只檢查角色與鏡頭。視覺路徑穩定後，再加入臺詞與聲音。每輪增加一個主要條件，會比一次使用所有功能更容易找出失敗原因。
寫一段短而明確的對話
第一次可以做八秒，兩位虛構角色在桌邊討論一個簡單問題。臺詞短、動作少、場景固定，更容易觀察角色對應與口形。不要在同一段裡同時安排走路、拿物件、換場景與多次轉身。
提示詞示例：「兩位角色坐在同一張桌旁。角色甲穿藍色上衣，先問：『今天先檢查哪一步？』角色乙穿米色上衣，回答：『先確認資料，再做影片。』保留各自參考圖的臉與衣服。
先給甲近景，再給乙近景，最後回到雙人畫面。動作克制，背景維持一致。」
這是一份教學需求，並非官方保證能精確完成的分鏡。你可以先生成少量候選，再看結果是否符合角色與臺詞。若對話過長，先縮短文字，不要強迫模型把大量資訊塞進短片。
多鏡頭要保持同一場景與角色關係
切換鏡頭最容易出現的問題，是人物的位置、衣服或道具改變。提示詞應指出兩人相對位置，以及哪些元素不能變。參考資料也要支援這些要求。若沒有桌子或場景資訊，就不要期待模型自然保留全部細節。
第一次只使用少量鏡頭。每次切換都應該有用途，例如讓觀眾知道誰在說話。若鏡頭一直旋轉、移動或切換，角色一致性就更難檢查。對對話短片而言，清楚的發言順序通常比華麗運鏡重要。
場景也應有限。先選擇簡單背景與少量道具，完成後再加入更多細節。若你把複雜場景、多人角色與長臺詞一起放進第一次任務，出現錯誤時很難判斷原因。
檢查時把聲音與畫面分開看
先靜音播放，檢查臉、衣服、位置與道具是否一致。再只聽聲音，確認臺詞、發言順序與聲線。最後一起播放，看口形、停頓與情緒是否對應。三輪檢查可以幫助你區分問題發生在哪一部分。
注意不要只看最好看的片段。角色可能在前兩秒正常，轉頭後卻變臉。聲音可能正確，但最後一句被截斷。從頭看完全部時長，並記錄具體時間點。修改提示詞時，指出可觀察的錯誤，會比「再自然一點」更有效。
臺詞內容也應人工核對。模型不能因為需要填滿聲音，就自動加入原文沒有的承諾、價格或建議。對品牌片與教學內容，這一項比口形是否漂亮更影響交付。
第二輪一次只改一個問題
如果角色變臉，先檢查參考圖是否一致，再增加外觀說明。若鏡頭切換時位置改變，先固定空間關係與減少運鏡。若對話速度太快，先縮短臺詞或調整停頓。
不要同時換角色圖、場景與所有參數，否則無法知道哪項修改有效。
每個候選保留提示詞、參考資料與設定。將問題寫成「第三秒角色乙衣服變色」或「結尾一句未完成」。這樣下一輪比較有明確依據，也方便同事共同審片。
成功版本也不要立即覆蓋原始資料。保留它的輸入與輸出，之後換尺寸、語言或場景時，可以從已驗證版本繼續。一次生成成功只說明這組條件可用，不能推論所有任務都有同樣結果。
使用 API 時，先走完建立與查詢
官方 Q4 參考影片檔案提供建立任務與查詢結果的路徑。建立回傳任務資料，不代表影片已經完成。程式需要處理排隊、生成、成功與失敗，才能向使用者提供清楚狀態。
檔案也說明 viduq4-preview 目前不支援特定 subject invocation 方式。因此，不能直接把其他模型的主體呼叫範例搬過來。
先用當前檔案支援的影像與聲音參數，在測試資料中完成一個小任務，再考慮整合更多功能。
驗證、格式與參數應以各介面檔案為準。不要把真實 API 金鑰寫進公開程式碼或截圖。記錄問題時，只保留必要狀態與任務識別資料。第一輪無需把自己的全部素材庫連線到服務。
下載結果後，也保留生成記錄
官方 API 文件列出結果網址有效期限為 24 小時。你需要在有效期間取得需要儲存的檔案，而不是只保留一個可能過期的連結。完成下載後，檢查影片長度、聲音與格式，確認它是正確任務的結果。
生成記錄應包含模型、輸入素材、提示詞、設定與日期。影片檔案本身無法說明用了哪些參考，後續若要修改臺詞或回覆客戶，就需要這份資料。可以用一個簡單表格，與影片放在同一專案中。
費用也應記錄實際消耗。社群宣傳的最低價格，可能有不同解析度、聲音或入口條件。本文不採用未核實的單價作承諾。試作前看當下官方計費，並限制第一次的候選數量，會比較容易控制預算。
從八秒對話延伸成短片系列
第一段穩定後，可以保留角色參考與基本場景，再改一段臺詞。檢查新片段是否仍保持同一人物。若每次都重新換圖，系列一致性就很難建立。先積累一套可複用的資料，再擴大故事。
不同語言也要重新看節奏。同樣意思的中文、英文長度可能不同，不能只換文字就認為八秒仍合適。先調整臺詞，再看聲音與鏡頭。必要時用字幕輔助，但字幕內容也要與實際發言一致。
多段影片組合時，另行檢查前後位置、道具與情緒。每段單獨正確，不代表串接後自然。可以先把片段排列成低成本預覽，確定故事與節奏後，再做最終剪輯與輸出。
把角色對應寫進每一次生成記錄
素材表可以再加上「角色代號」與「本段發言」兩欄。甲的正面與側面都歸入甲，乙的聲音也只對應乙。這是你管理素材的方法，不是產品保證能讀懂的特殊指令語法。
送出前仍要檢查介面或 API 的實際參考順序。
例如甲有兩張圖、乙有兩張圖、場景一張圖，就逐項記錄檔名與用途。避免下一輪刪掉一張參考後，文字仍寫著舊順序。若某段只讓甲發言，需求也應說清楚乙保持聆聽，讓審片時有可核對的對應關係。
這份表還能標記哪些條件已經確認，哪些仍在試驗。藍色上衣是否穩定、乙的聲線是否被甲使用、雙人畫面是否出現多餘人物，都可以各自記錄。
不要把角色一致性合併成一個「成功」標籤，因為衣服正確與聲音正確是不同的觀察。
直式短片先確認構圖，再提高輸出規格
想把片段用在手機直式畫面，應在生成前確認實際入口提供的比例設定。人物臉部與重要道具需要留在主要區域，避免後來裁切才發現說話者在畫面外。最高解析度能保留細節，但無法修復原本沒有拍到的內容。
可先用較低成本設定看角色、鏡頭與臺詞，再決定是否做更高規格。重新生成的高解析度版本仍要完整檢查，不能以先前候選的通過結果代替。模型再生成可能改變細節，字幕與剪接時間也可能需要重新對齊。
若最後另加字幕，先根據真正說出的話整理逐句文字。片段中多一句、少一句或停頓改變，都應以輸出為準核對。觀眾看到的姓名、角色標籤與實際聲音要一致，才能理解兩人的對話關係。
設定一個可停止的試作範圍
第一次可以限制在同一場景、兩個角色與少量候選。若連續結果都無法保持發言順序，先回到單人短句，確認素材與功能路徑，再組合雙人情境。這樣的縮小測試能定位問題，也能避免一直付費重跑相同失敗。
保留一份候選比較：每個版本改了什麼、哪個問題改善，以及哪個問題仍存在。當結果已足以判斷功能是否適合，就停止無關重試。真正需要擴大時，再加新場景或更長故事，讓每一次生成都有清楚目的。
常見問題：更多參考圖一定比較好嗎？
不一定。參考應提供一致而有用途的資訊。重複或互相矛盾的圖片，可能讓角色更難維持。第一次從少量清楚資料開始，發現具體缺口再補。素材數量上限是能力條件，不是品質目標。
Vidu Q4 Preview 值得關注的是多參考與聲音一起控制的方向。真正可交付的結果，仍需來源使用許可、角色一致性、正確臺詞與完整播放檢查。
先做一段短對話，留下可比較記錄，再決定是否用它製作更長作品。
