参考图引导视频生成
定义
参考图引导视频生成是指在视频生成或视频编辑任务中，将图片作为额外条件输入，并在提示词中用“@图片 N”等引用明确其作用，以引导模型生成或改写目标视频的视觉结果。参考图可用于约束 Logo、人物脸部与姿态、道具、服装、场景材质及 UI 界面。
它不是只上传图片即可自动得到确定结果：需要同时说明每张参考图对应的对象、出现镜头、动作或替换规则，以及需要保持不变的镜头、节奏和构图。
在本文档中的语境
本文档展示的是 Doubao Seedance 2.5 中图片与文字联合驱动视频的用法。一类是从多张图片和文字描述直接生成连续视频；另一类是在已有视频上通过 Prompt 执行增删改，并额外输入参考图来约束编辑后的场景和服饰。
多图生成：为不同视觉资产分工
像素武侠竖版视频示例引用了 6 张图片，并让每张图承担不同角色：
- 图片 1：提供“江湖风云”水墨风格 Logo，首镜头在浅蓝背景上静止展示约 1 秒。
- 图片 2：提供武侠男性角色的像素脸部特写；角色从画面底部滑入、眨眼看向镜头后向下离场。
- 图片 3：在角色离场后替换原 Logo 位置，显示蓝色“武功秘籍”像素书。
- 图片 4：提供像素武侠小人的站姿与相关画面元素；角色跃起顶出蓝色菱形问号标，落地后保持该站姿并打招呼。
- 图片 5：作为角色向右奔跑时的姿态参考。
- 图片 6：提供最终进入画面的 UI 界面；角色从右上方跳入，在“三月廿七日”大字右下方张开双臂定格。
文本还规定全片统一浅蓝底色和像素武侠美术风格，要求一镜到底的连续位移与跟随；元素过渡自然、动作衔接流畅，画面不得卡顿或闪烁，文字与 UI 应清晰稳定。由此可见，多张参考图不仅能指定“画什么”，还可分别控制资产身份、姿态、画面位置和镜头内的出现顺序。
视频编辑中的参考图
文档明确说明：视频编辑可通过 Prompt 对画面内容进行增删改，并支持额外输入参考图引导编辑结果。
武打编辑示例以两人武打素版视频为基础，要求保留原视频动作与节奏，将其改写为冷兵器对决前的空手试探氛围。图片 1 用于指定平整石质地面，并辅助约束中世纪石堡平台、古老庭院平地、山间堡垒外平台或简洁石砖决斗场等场地；背景要求古堡墙体、风、雾与远处山线。
同一示例中，深色衣服男子的服饰替换为图片 2，浅色衣服男子的服饰替换为图片 3。也就是说，参考图可分别绑定视频中不同人物，而不是只作为全局风格参考。
关键机制
-
对象绑定：在提示词中按编号引用图片，并说明其对应的 Logo、角色、道具、服装、场景或 UI。
-
时序控制：说明参考元素在哪个镜头出现、如何进入或离场、何时被另一元素替换，以及最终定格位置。
-
保留约束：编辑已有视频时可要求保留构图、机位、光线、表演节奏或原始动作，避免参考图导致无关内容被重写。
-
局部替换与整体强化并行：人物服饰和场景可按参考图替换；同时可另行要求风吹衣摆、轻雾、少量尘土、冷色金属反光、轻微颗粒和调色等环境与质感强化。
细节与边界
-
参考图用于引导结果，不等于无需文字描述；原文对镜头、运动、风格、稳定性和保留项均给出了明确指令。
-
同一对象可同时受到图像和文字约束。例如角色动作可参照姿态图，同时要求眨眼、打招呼、预备跑与向右离场。
-
视频编辑中应明确“不改变”的部分。示例要求动作保持不变、不改变原始节奏；人物年龄渐变示例还要求一镜到底、不跳切、不闪烁，五官随年龄渐变而不漂移。
-
若要获得可读的画面资产，应直接写出文字与 UI 清晰稳定等质量约束；仅指定参考图不足以表达这些要求。