秘塔AI多角色视频需手动归类素材：人物图须纯色背景且无干扰，场景图需标注关键区域；上传时分批验证或用【】标签强绑定，避免AI误判主体。
☞☞☞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☜☜☜
想用秘塔AI生成多角色视频却分不清哪张图该当人物、哪张该当场景？上传时混在一起，结果AI把背景里的树当成主角的配饰，把主角手里的包识别成新角色。这问题不是模型不行，是素材归类逻辑没理清。
先搞懂秘塔AI的“参考生”底层逻辑
秘塔AI当前版本不支持原生多参考生视频功能——它没有像Vidu Q1那样明确划分“主体库”“场景库”“道具库”的界面入口。你看到的“多图上传”，本质是让模型从所有图片中自主判断语义权重。这意味着：图一和图二放一起传，AI不会自动说“这是人、那是景”，而是靠图像内容本身争夺注意力。
一张人物特写+一张故宫全景图同传，AI大概率把人物当主语、故宫当状语；但若你传一张穿汉服站在故宫红墙前的全身照+另一张纯红墙砖纹特写，AI就会困惑——它无法区分“人+景”组合图里的主体层级，容易把红墙纹理当成服装图案来复现。
三步手动拆解人物与场景素材
第一步：把所有原始图按“是否含完整可识别主体”二分。含清晰人脸/全身轮廓/标志性服饰的图归为【人物素材】；只含建筑、自然物、空旷空间、无生命物体（如电动车、肥肠面碗）的图归为【场景/道具素材】。
第二步：对【人物素材】做减法。删掉带复杂背景的人物图——哪怕再好看，只要背景里有干扰元素（比如街边招牌、多人合影中的其他脸），就立刻剔除。只保留白底/灰底/纯色幕布前拍摄的正面半身或全身图。若只有生活照，用手机自带修图工具一键抠图，导出PNG透明背景。
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。
第三步：给【场景/道具素材】加锚点。在图上用画图软件标出关键区域：比如电动车图，在车头位置画个红圈并标注“电动车本体”；肥肠面图，在碗沿画箭头写“面碗朝向镜头”。这些标记不会被AI读取，但能帮你后续拖拽标签时不点错位置。
上传时的关键操作口诀
方法一：分批上传，时间换空间
先只传1张人物素材+1句提示词（如“刘备站立微笑”），生成5秒视频确认基础还原度；再新建任务，传同一张人物图+1张场景图+提示词（如“刘备站在赤壁江边”），对比两段视频的脸部一致性。这样能隔离变量，避免人物崩坏时无法归因。
方法二：用文字标签强干预
在提示词里明确切割身份：“【刘备】站在【赤壁江边】旁，手持【青龙偃月刀】”。注意三个关键词必须用中文全角【】包裹，且每个【】内只出现一个名词，不能写成【刘备+关羽】【江边+战船】。秘塔AI会优先将【】内的词与上传图的视觉特征绑定，降低误匹配概率。
方法三：反向验证法
上传两张人物图（如刘备、关羽）和一张纯场景图（如夜店舞池），但提示词只写“【刘备】在【夜店舞池】中跳舞”。生成后观察关羽是否出现：若他完全没露脸，说明场景图未被误判为人物；若他半张脸闪现，立刻退回检查关羽图是否含有镜面反光、模糊动态残影等干扰特征——这类图必须废弃。
