用Vidu生成视频时，人物总是不像你设定的角色——不是五官偏移就是体态走样。这个问题的根子其实很简单：参考图的信息没有被模型充分捕获，或者提示词里缺少可执行的视觉锚点。要解决，得从图像质量、结构规范、文本约束三个方向同时下手，缺一不可。

参考图必须满足三项硬性条件

上传前不检查分辨率、构图和光照，那基本等于白传。Vidu对低质量参考图的容忍度极低，一旦觉得图片模糊或构图混乱，它就会直接放弃面部几何建模，转而依赖文本去“猜”——结果就是“像又不像”。 第一步，裁掉所有背景和无关肢体，只留主体上半身或者标准正面头肩像，确保人脸占画面面积不低于65%。 第二步，用手机原相机在均匀自然光下拍摄，美颜、滤镜、闪光灯统统关掉。如果用的是已有的照片，要确认没有动态模糊，也没有强阴影挡住眉骨和鼻翼。 【分辨率不得低于768×768像素，低于这个值，系统会自动降级为通用特征提取模式】 第三步，同一个角色至少上传3张：1张正脸（双眼睁开、嘴唇微启）、1张左45°侧脸（清晰露出左耳和颧骨）、1张右45°侧脸。三张图的光照方向必须一致，否则模型会误判成不同的人。

提示词要带解剖级动词和空间坐标

“一个穿红衣服的女孩”——这种描述，Vidu会随机匹配数据库里17个相似的面孔，根本不会锁定你的目标。你必须让每个词都能对应到真实的肌肉运动或骨骼位置。 方法一：绑定部位+动作+幅度。比如写成“左眼睑缓慢下垂→持续0.8秒→形成自然眨眼弧线”，而不是简单说“眨眼睛”。后者会让模型自由选择眨眼速度、角度甚至单眼闭合。 方法二：插入不可替换的识别标记。比如“耳垂下方有浅褐色小痣”“右眉尾比左眉尾高3毫米”“门牙轻微外凸，笑时露齿间隙≤1.2mm”。这些细节能迫使模型优先重建该特征，而不是泛化。 方法三：用英文动词锚定关节运动——中文容易被分词切碎。写成“raising right hand → palm up → elbow bent at 110 degrees”，比“右手抬起掌心向上手肘弯曲”稳定3倍以上。 注意：禁止混用冲突修饰，比如“纤细手指+粗壮前臂”。模型无法协调二者的解剖逻辑，会随机丢弃某一项，结果就是手部断裂或比例崩坏。

启用主体库并强制调用@符号

这是2024年9月上线的“主体参照”功能，也是目前唯一能跨场景锁定角色外观的机制。不启用它，就等于放弃了角色一致性的控制权。 进入Vidu正式版，点击「主体库」，上传已经通过前面质检的参考图，填写一个唯一的名称（比如“银发剑士_01”），然后保存。 在新视频的提示词开头，直接输入@银发剑士_01——不要加空格、不要换行、不要放在句中。模型只识别开头@后紧邻的字符作为主体ID。 如果需要多人物共存，用空格分隔多个@，比如@银发剑士_01 @黑袍法师_02，但每张参考图必须单独入库，且命名不能重复。 【没有使用@调用的生成任务，系统默认忽略主体库数据，完全按文本重建角色】