Vidu的视频生成并不是简单地把文字映射成画面，而是在文本语义、参考图特征和模型先验知识之间做动态推演。要想得到一个能反复使用的拥抱视频模板，需要同时解决两个问题：让拥抱动作符合真实物理逻辑，并且保证人物长相、服装和场景在视频中不漂移。围绕这两个目标，参考图准备、平台操作、API参数和动作调优是四个关键环节。
一、参考图准备：先保证输入质量
拥抱视频模板的质量上限很大程度上由参考图决定。如果上传的照片模糊、光线过暗或人物被遮挡，模型很难在动态生成过程中还原准确的面部与肢体轮廓。建议选择正面或四分之三侧面的半身照，分辨率不低于720p，避免使用广角镜头造成的边缘拉伸。对于双人拥抱场景，最好准备两张人物参考图，一张作为主体人物，另一张作为拥抱对象。两张图的拍摄角度、色温和清晰度越接近，生成结果越不容易出现肤色或服装风格割裂。
如果只有一张单人照片，Vidu同样支持结合文本描述生成想象中的对方角色，但此时身份稳定性会下降，更适合制作风格化、艺术化模板，而不是严格还原某个真实对象。需要严格锁定两个人时，可以使用Vidu的主体参考功能，将两张参考图分别标记为不同主体，再在提示词中明确对应关系，例如左侧人物穿深色大衣，右侧人物穿浅色毛衣。这样模型在扩散过程中会尽量保持各自特征。
背景参考图不是必需的，但如果希望模板具备固定场景，比如雪地、黄昏街道或室内沙发，额外上传一张背景图可以显著降低背景闪烁和物体漂移。背景图要与人物图的光线方向一致，否则成片会出现人物像贴上去的感觉。对于纯色背景或绿幕素材，后期替换背景也更方便。
二、网页端生成拥抱视频模板的步骤
在Vidu网页端，进入视频生成页面后通常可以选择图生视频或参考生视频模式。图生视频适合用一张静态图扩展出动态拥抱动作，参考生视频则适合用多张参考图锁定人物与场景。选择后先上传人物图，再根据模板需求调整画幅比例。竖屏9比16适合手机端展示，横屏16比9适合商业素材或纪念视频，方形1比1则更适合社交媒体信息流。
提示词是控制拥抱动作的核心。不要只写两个人拥抱，而要拆解出镜头、动作、服装、光线和氛围。下面是一个可以直接参考的中文提示词模板：固定镜头，一位穿深色大衣的男性与一位穿浅色毛衣的女性在雪地中缓缓拥抱，男性的右手轻放在女性背部，女性的头靠在男性肩膀，柔和的逆光，飘落的雪花，电影感，浅景深。把其中的服装、场景和动作替换成自己的素材即可。提示词越具体，模型越容易生成符合预期的肢体动作。
参数方面，Vidu的网页端通常提供时长和运动幅度选项。拥抱动作本身幅度不算小，但运动幅度不建议直接拉到最高，否则容易出现手臂变形或身体穿插。建议先从默认值或中低档开始，生成两到三个版本对比，再决定是否需要增加幅度。分辨率优先选择1080p或更高，如果只是预览效果，720p可以节省时间。
- 画幅比例：根据发布平台选择竖屏、横屏或方形
- 时长：默认5秒足够表现完整拥抱过程，长视频需要分段扩展
- 运动幅度：中低档开始，逐步调整
- 主体参考：需要锁定人物时务必开启
三、通过API批量生成拥抱视频模板
如果需要批量生成不同服装、不同场景的拥抱视频模板，网页端逐条操作效率太低。Vidu提供API接口，可以把参考图URL、提示词和生成参数组织成请求体，通过脚本自动创建任务并轮询下载结果。下面是一段Python调用示例，演示如何提交一个双人拥抱视频生成任务。实际接入时请将请求地址替换为你所在区域的官方接口地址，并把API密钥放在环境变量中管理。
import requests
import time
import os
API_URL = 'https://api.vidu.cn/v1/videos'
API_KEY = os.environ.get('VIDU_API_KEY')
headers = {
'Authorization': f'Bearer {API_KEY}',
'Content-Type': 'application/json'
}
payload = {
'model': 'vidu-2.0',
'prompt': '固定镜头，一位穿深色大衣的男性与一位穿浅色毛衣的女性在雪地中缓缓拥抱，男性的右手轻放在女性背部，女性的头靠在男性肩膀，柔和的逆光，飘落的雪花，电影感，浅景深',
'images': [
'https://ipipp.com/person1.jpg',
'https://ipipp.com/person2.jpg'
],
'duration': 5,
'resolution': '1080p',
'motion_strength': 0.6,
'negative_prompt': '扭曲的手指, 面部模糊, 肢体错位, 多余的手臂'
}
resp = requests.post(API_URL, json=payload, headers=headers)
print(resp.status_code)
print(resp.json())
这段代码会提交一个异步任务，服务端返回任务ID。接下来需要轮询任务状态，直到状态变为完成。轮询间隔建议设置为10秒左右，避免频繁请求触发限流。任务完成后返回的视频地址可以直接下载，也可以交给后续剪辑流程添加字幕和背景音乐。
参数中的motion_strength对应网页端的运动幅度，数值范围通常在0到1之间，0.5到0.7适合拥抱动作。negative_prompt用来排除不希望出现的元素，对于拥抱视频尤其要强调手指、手臂和面部，因为多人互动最容易在这些区域出现形变。分辨率与时长会直接影响生成耗时和费用，批量生成前可以先小规模测试一组参数，确认效果稳定后再扩大任务量。
四、提升拥抱动作自然度的调参技巧
失败的拥抱视频往往不是模型能力不够，而是提示词和参数没有给到足够的约束。只写两个人拥抱，模型可以生成任何姿势，包括背对镜头、手臂环抱但身体距离很远，或者一方完全被遮挡。把动作拆开描述会更有效：手放在哪个位置、头部朝向哪边、身体重心是否前倾、两人之间距离多少。比如可以写两个人的肩膀轻微接触，女性双手环住男性脖子，男性双手放在女性腰后，额头相抵，镜头从侧面拍摄。这种带有空间关系的描述能明显减少肢体错位。
负向提示词同样重要。对于双人互动，推荐加入以下词汇：扭曲的手指、多余的手臂、肢体错位、面部模糊、身份混合、比例失调、肤色异常。这些词可以抑制模型生成常见错误。负向提示词不需要太长，但一定要覆盖最可能出现的缺陷类型。如果发现生成结果中某类问题反复出现，就把对应描述加入负向提示词再重新测试。
风格化处理时，可以在提示词开头加入风格前缀。例如写实向模板使用真实摄影、自然肤色、35mm镜头；动漫向模板使用日系动漫、柔和线条、明亮色彩；电影感模板使用35mm胶片、浅景深、冷色调、柔和颗粒。不同风格对肢体动作的容错也不同，写实风格对手指和面部要求更高，动漫风格则能掩盖一部分细节缺陷。如果是商业素材，建议选择风格化程度较低、动作稳定的版本，方便后期统一调色。
最后，生成拥抱视频模板时不要期待一次成功。建议固定参考图后，只改变提示词中的动作描述或背景描述，保持其他参数不变，生成三到五个候选片段。对比时重点关注手部接触是否自然、两人面部是否清晰、服装边缘是否稳定。选择最佳片段后，可以再通过高清化或帧插值工具提升流畅度，这样就能得到一段可复用的拥抱视频模板。