先说几个核心判断：Vidu Q1此次配合Vidu Agent，真正打通了一条从广告文案到成片输出的完整链路。这不是那种动图式的小打小闹，而是具备推拉镜头、角色走位、UI界面弹出、音效卡点节奏的专业广告片。简单来说，你无需再手动导出素材到剪辑软件中拼接，一步到位就能完成AI视频生成与成片交付。

拆解广告脚本为结构化分镜指令

这一步是整个流程的基石，决定了镜头能否精准踩中卖点的节奏。直接将整段文案扔进Vidu，大概率会生成一堆与主题无关的画面——模型本身并不具备自动识别“核心动作节点”的能力。正确做法是：通读文案，按用户的行为路径切分。例如“手机亮屏→指纹解锁→APP图标弹出→点击进入首页→订单状态更新动画”，必须拆成5个独立的镜头，每个镜头对应一个用户操作反馈点。随后，为每个镜头提取三项硬信息：
- 主体：比如“黑色iPhone 15 Pro”
- 动作：必须是单向动词，例如“屏幕骤亮”“图标向上弹入”“状态栏数字跳变”
- 环境：比如“纯黑背景，仅屏幕发光，光晕边缘柔和”

将这些信息压缩成一句提示词，格式固定为：【主体 + 动作 + 环境 + 风格关键词】。举个例子：“黑色iPhone 15 Pro屏幕骤亮，纯黑背景仅屏幕发光，光晕边缘柔和，科技蓝冷调，微距镜头，0.3秒动态模糊”。【提示词中绝对禁用“可能”“大概”“看起来像”这类模糊词。出现任何一个，镜头生成失败率直接飙到70%以上。】

上传三类锚定参考图并绑定

没有参考图就去跑广告分镜，等于让AI靠猜测来还原产品细节——按钮的圆角弧度、金属中框的反光角度、字体字重，全部都会漂移。方法一：产品正视图。拍一张手机或设备平放在哑光灰背景上的高清图，确保屏幕没有指纹、边框没有被遮挡、摄像头模组纹理清晰可见。方法二：界面状态图。截取3个关键帧：锁屏亮起瞬间、APP图标弹入中帧、订单页加载完成帧。记住，使用系统自带的截图工具，第三方编辑软件加的滤镜一律禁用。方法三：使用场景图。一张真实手持设备的照片，手部自然握持，指关节弯曲弧度真实，设备与手掌比例协调。这张图不用于生成画面，它唯一的作用是教会Vidu Q1“人机交互的真实空间关系”。【上传时务必关闭“自动裁剪”，否则设备边缘坐标丢失，会导致多镜头中手机位置左右晃动。】

在Vidu Q1中启用参考生视频并配置参数

登录Vidu官网→进入「参考生视频」功能页→选择模型版本为Vidu Q1。第一步：在提示词框中粘贴第一个镜头的结构化提示词，例如：“黑色iPhone 15 Pro屏幕骤亮，纯黑背景仅屏幕发光，光晕边缘柔和，科技蓝冷调，微距镜头，0.3秒动态模糊”。第二步：点击“上传参考图”，依次导入对应镜头的产品正视图、界面状态图、使用场景图。系统会自动识别并绑定语义标签，看到“角色：iPhone 15 Pro”“界面：锁屏态”“空间：手持视角”这类标签浮现，就表示绑定成功。第三步：设置输出参数：时长选15秒，分辨率选1080P，数量选1，启用错峰生成。第四步：重复以上三步，为其余镜头逐一配置。不要批量粘贴，每个镜头单独提交，确保参考图与提示词严格一一对应。

用Vidu Agent一键串联成片

Vidu Agent不只是一个辅助工具，它更像是分镜视频的“导演”，负责把零散的镜头合成有呼吸感的广告片。进入Vidu Agent工作台→点击“新建项目”→选择“广告成片”模板。① 将刚才生成的全部分镜视频文件拖入时间线区域，顺序必须与脚本逻辑一致；② 点击“自动配乐”，选择“科技感电子节拍”，系统会根据每个镜头时长自动匹配BPM与音效触发点；③ 勾选“智能转场”，Agent将自动在镜头切换处插入0.5秒黑场衔接或方向性滑动转场，无需手动干预；④ 点击“生成成片”，等待3–5分钟，下载MP4文件即可直接交付投放。