跨场景角色一致性
上传不同角度的 1-3 张参考图。Veo 3.1 的 AI 可在所有帧中保留主体外观,在整个视频中维持面部特征、服装和身份。使用 2-3 张图片比单张图片效果更好。
上传 1-3 张参考图,利用 Veo 3.1 的角色一致性技术生成 8 秒视频。在多个场景中保持主体外观一致,并支持原生音频同步。

在适配剪辑、营销、动画与社交发布等用途时,持续保留受众熟知的资产。
无需手动逐帧匹配,即可构建重复出现的角色与兼容的 B-Roll 素材。
在全新场景、格式与营销活动概念中复用相同产品与品牌细节。
在开发分镜脚本、动画序列与游戏概念时,确保角色特征始终可识别。
将同一人设或视觉世界融入 Reels、Shorts 及周期性社交故事中。
上传不同角度的 1-3 张参考图。Veo 3.1 的 AI 可在所有帧中保留主体外观,在整个视频中维持面部特征、服装和身份。使用 2-3 张图片比单张图片效果更好。
Veo 3.1 自动生成同步音频。对话、环境音和特效与画面自然匹配,消除后期配音成本,增强真实感。
锁定角色身份后,可将其置于任何场景。用同一组参考图一镜一镜地生成,让角色在更长的故事里保持一致;想让某段视频接着往下走,可以用 AI 视频延长。
控制起始/结束帧、相机移动和物体位置。Veo 3.1 在提供帧之间生成平滑过渡,并配有同步音频。支持 16:9 或 9:16 比例的 720p/1080p 分辨率。
只需三个简单步骤,即可使用 Veo 3.1 创建具有一致角色身份的视频
支持 JPEG/PNG,建议 720p+,多角度、光线清晰的效果最佳。
描述场景、动作和音频。获取带音频的 8 秒视频。
生成需 60-120 秒,完成后在历史记录中下载。
关于 Veo 3.1 reference to video 功能实现一致性角色生成的常见问题
Veo3 reference to video 使用 1-3 张参考图作为“资产约束”,以在视频帧中保留主体外观。与动画化单个起始帧的图生视频 (I2V) 不同,R2V 将参考图视为身份锚点,在保持角色一致性的同时生成全新场景。
Veo 3.1 旨在“保留主体外观”,但不保证 100% 像素级的一致性。使用 2-3 张不同角度(正面/侧面)的高质量参考图可显著提高稳定性。
您可以上传 1 到 3 张参考图。虽然 1 张图片也可以工作,但使用 2-3 张不同角度的图片可以更好地覆盖面部特征、服装细节和整体外观,从而实现更一致的角色渲染。
图生视频 (I2V) 将单张图片作为起始帧进行动画处理。Reference to video (R2V) 将 1-3 张图片作为身份约束,而不将其作为起始帧,允许您在全新的场景和姿势中生成视频,同时保持角色外观。
Veo 3.1 参考生视频固定生成 8 秒片段;选择其他模型时,可选时长以时长控件为准。想把视频变长,可以把它上传到 AI 视频延长,设置更长的成片时长并描述接下来发生什么。该工具基于 Seedance 和 Wan 3,按模型不同,成片最长 15 秒或 30 秒。
使用 720p 或更高分辨率的 JPEG 或 PNG 格式。主体清晰可见、光线良好、背景简单且遮挡最少可提高一致性。结合正面、侧面和半身照效果最佳。每张图片最大 10MB。
Veo3 R2V 支持 16:9(横屏)和 9:16(竖屏)宽高比。输出分辨率可设置为 720p 或 1080p。非标准宽高比在生成过程中可能会被裁剪或缩放。
Reference to video 使用与图生视频相同的积分定价。费用取决于视频时长和分辨率。您可以在生成每个视频前查看确切的积分消耗。按生成的秒数应用标准费率。