在Vidu中生成人物由远及近的长镜头视频，需结合首尾帧控制、语义化运镜提示词及动态遮罩校准：一、上传远景与中景两张精准构图图像，配合空间运动提示词；二、在Q3模型下用含起始状态、量化运动过程与镜头响应的提示词驱动；三、导入步行视频骨骼数据并加中央遮罩优化轨迹。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您希望在Vidu中生成人物从远处走来的长镜头视频，关键在于利用其首尾帧控制能力与语义化运镜提示词协同作用，使人物运动轨迹具备空间纵深感与自然加速度。以下是具体操作路径：
一、使用首尾帧精准定义起止位置与姿态
该方法通过上传两张静态图明确人物在画面中的初始远距离位置与终点近距离位置，VIDU据此推算中间运动路径，避免随机漂移或比例突变。
1、拍摄或绘制第一张图：人物位于画面远景中央，全身入镜，占比约1/8高度，背景开阔（如空旷街道、广场），确保人物轮廓清晰、无遮挡。
2、拍摄或绘制第二张图：同一人物站立于画面中景偏下位置，全身占比约1/3高度，姿态微前倾、双臂自然摆动，背景元素保持逻辑一致（如相同建筑立面）。
3、登录vidu.cn，进入「Studio」→「Reference-to-Video」→ 选择「Based on First and Last Frame」模式。
4、依次上传上述两张图，系统自动对齐主体特征点，等待解析完成（约10秒）。
5、在提示词框中输入：“人物沿直线向镜头匀速走近，地面有真实阴影随距离缩短而变浅，背景景深自然虚化，电影广角镜头，缓慢推进视角”。
二、纯提示词驱动的语义化运镜控制
适用于无需自备图像、仅依赖文字指令快速生成的场景。VIDU Q2/Q3模型已强化对空间动词与镜头术语的理解，可直接响应“由远及近”“纵深移动”等描述。
1、进入「Text-to-Video」模式，确保已切换至Q3模型（界面右上角显示“Q3”标识）。
Vidu视频生成插件（viduq3-pro、viduq3-turbo、viduq2、viduq1）。支持文字转视频、图片转视频、参考转视频以及起始编辑。
2、输入完整提示词，必须包含三类要素：起始状态、运动过程、镜头响应。例如：“一位穿红外套的女性站在千米外公路起点，缓慢朝镜头走来，每步间距均匀，头发随风轻微飘动，背景山体与树木按透视规律缩放，镜头同步缓慢前推，保持人物始终居中，写实风格，16秒”。
3、禁用模糊动词如“慢慢”“渐渐”，改用物理可量化的表述，如“行走12步后抵达画面中线”“3秒内从远景缩放至中景”。
4、添加镜头约束词强化轨迹稳定性：“无横向位移，无旋转，Z轴位移主导运动，保持脚底接触地面”。
三、参考生视频+动态遮罩辅助轨迹校准
当首尾帧或纯文本生成出现轻微路径偏移时，此法通过外部动作参考锁定行走节律，并用遮罩隔离干扰区域，提升纵向运动可信度。
1、准备一段真实人物沿直线步行的5秒视频（手机竖屏拍摄，人物居中，背景单一）。
2、访问堆友平台，使用「动作提取」功能，导出该视频的骨骼关键点序列（.json格式）。
3、在VIDU「Reference-to-Video」中，上传原始人物主体图，并在「Reference Type」中选择「Motion Reference」，导入上述.json文件。
4、提示词中明确限定空间维度：“仅复用导入视频中的垂直方向步态节奏，禁止任何水平方向移动，人物Z轴坐标从100降至0，背景静止”。
5、生成后，在剪映中叠加动态遮罩：用矩形蒙版覆盖画面左右两侧15%区域，仅保留中央通道，消除边缘畸变干扰。
