什么是可控视频生成?
可控视频生成是一类 AI 视频技术,能让用户精确掌控生成视频中的每一个细节。你无需输入一段文字提示词后被动接受随机结果,而是提供具体的输入内容——参考动作视频、角色图片、镜头方向或场景参数,AI 会依据这些指令生成完全符合你需求的视频。
这一点至关重要,因为 Sora、Runway、Pika 等标准文生视频工具虽然效果惊艳,但你却很难对生成内容进行精准指导。输入“一个人在跳舞”,你得到的确实是一个跳舞的人,但那既不是你想要的人物,也不是你想要的舞步,更不是你脑海中设想的具体动作。
可控视频生成通过接受文字之外的额外输入解决了这一问题。其中最强大的形式是将角色图片与动作参考视频相结合:你告诉 AI 谁该动、怎么动,它就会生成该角色精确执行这一动作的视频。
Viggle 的 JST-1 模型就是一套可控视频生成系统。它基于理解物理规律与 3D 人体力学的视频-3D 基础模型构建而成,这意味着它能够将芭蕾旋转、体操动作、武术招式、快节奏舞蹈编排等复杂动作映射到任意角色身上,同时在每一帧画面中都保持角色身份的一致性。
可控视频生成常见问题
可控视频生成与文生视频有什么区别?
文生视频仅依靠文字描述生成视频——你输入想要的内容,AI 自行理解并生成。可控视频生成则加入了动作参考视频、角色图片、姿态数据等精确输入,让你能够真正“导演”输出结果,而不只是描述它。可以把文生视频看作给出大致方向,而可控生成则相当于提供了剧本、演员和编舞。
我可以控制生成视频中的具体动作吗?
可以。使用可控视频生成时,你只需提供一段展示所需动作的参考视频,AI 会将其中的每一个手臂动作、转头姿势和步伐都精准映射到你的角色身上。如果你希望角色跳一支特定的舞蹈,只需提供该舞蹈作为参考即可。
Viggle 是如何实现可控视频生成的?
Viggle 采用自研的视频-3D 基础模型 JST-1。与大多数竞品所使用的 2D 方案不同,JST-1 能够理解 3D 人体力学与物理规律。这意味着它在处理芭蕾、体操、快节奏编舞等复杂动作时表现更出色,并能在旋转、翻转等高难度动作中保持角色的一致性。
可控视频生成只适合专业人士使用吗?
完全不是。Viggle 让每个人都能轻松上手——表情包创作者、TikTok 创作者、动画师和业余爱好者每天都在使用可控视频生成。技术虽然先进,但操作却简单到只需上传一张照片、选择一个模板即可。
基于 3D 的可控生成相比 2D 有哪些优势?
2D 方案将每一帧视频都当作平面图像处理,因此在处理深度、遮挡(身体部位重叠)和视角变化时容易出现问题。而像 Viggle 的 JST-1 这样基于 3D 的系统则理解人体存在于三维空间中,因此旋转动作看起来更自然,肢体不会相互穿模,角色运动时光影也能保持一致。
可控视频生成可以免费使用吗?
可以。Viggle 提供免费使用额度,每天最多可生成 3 个视频,无需信用卡即可开始创作。付费方案则可解锁更多生成次数和更快的处理速度。
想亲眼看看可控视频生成的实际效果吗?
免费试用 Viggle