Vidu：用多张人物参考图生成身份稳定且带声音的双镜头视频

目标与准备

先明确要交付的结果、现有资料、不能改动的限制和最终验收方式。不要在输入不足时直接要求 AI 给出最终答案。

执行步骤

1. 01

   按任务选择当前视频或实时 Avatar 模型

   完成这一步后保存输入、实际反馈和判断依据，再进入下一步。

2. 02

   上传清晰参考图并写明人物与服装禁改项

   完成这一步后保存输入、实际反馈和判断依据，再进入下一步。

3. 03

   逐镜头描述画面、动作、镜头和声音

   完成这一步后保存输入、实际反馈和判断依据，再进入下一步。

4. 04

   提交任务并按官方异步流程获取结果

   完成这一步后保存输入、实际反馈和判断依据，再进入下一步。

5. 05

   检查脸部、服装、动作和声画同步后重做失败镜头

   完成这一步后保存输入、实际反馈和判断依据，再进入下一步。

可直接使用的任务描述

我要使用Vidu完成以下任务：用多张人物参考图生成身份稳定且带声音的双镜头视频

请先检查我提供的材料是否足够，并列出缺失信息、执行步骤和验收标准；未经确认不要直接生成最终成品。确认后按步骤执行，每一步说明使用了什么输入、得到什么结果。最后输出成品、检查清单和仍需人工确认的事项。

结果检查清单

• 先用小范围材料验证流程和输出格式
• 涉及事实、代码、数据或版权的内容必须人工复核
• 仅上传有权处理的资料，并检查产品当前的数据与权限设置
• 确认最终结果符合目标格式和业务限制
• 记录仍需人工判断或回到官方来源核验的部分