3 个模型可选
AI 网红制作人需要让 "Mia" 在 12 周的内容系列里保持完全一致——脸、下巴、发际线，每一镜都不变。在 Martini 画布上，把人物设定页钉到参考节点，然后扇出到 Vidu Q2 Subject Ref（支持 1-7 张参考图）、Kling O3 Reference 或 Seedance 2 Omni 节点。每段视频都从同一身份锚点取参考，AI 形象在不同集数、不同造型、不同场景下都像同一个人。选择下方模型，走完你的内容日历依赖的固定代言人或 AI 网红工作流。
Vidu
Vidu Q2 Subject Ref 每次生成接收 1-7 张角色参考图——本场景三个模型里参考槽位最密。对一位让"Mia"在 12 周内容系列里完全一致的 AI 网红制作人，这套 7 张人物设定页（正面、四分之三、侧面、全身、手部、表情范围）给 Vidu 比任何单锚点模型都更多的身份向量。结果是跨镜头脸/下巴/发际线锁定最强，尤其当服装和场景变化时。
Kling
Kling O3 Reference 增加了角色参考图像以维持跨剪辑外观一致，并支持对单独元素的语音控制。它共享 Kling 3.0 骨干（原生 4K、16 位 HDR、Omni Native Audio），是一位 AI 网红或品牌代言人需要跨多镜头交付唇形同步对白且要求电影节级别细节时的合适选择。在编排紧凑的动作上参考比 Vidu 更强；在参考密度上不如 Vidu Q2（Vidu 接收 7 张，Kling O3 Reference 读取较少但更严格地排序）。
ByteDance
Seedance 2 Omni 在一次已经接收最多 12 个参考素材的生成里加入角色参考图像——身份锁定 + 多模态上下文广度（音频参考、场景参考、色调参考）的独特组合。对一位运营高量内容、每集都变服装、场景、情绪但身份保持锚定的 AI 网红制作人，Seedance Omni 在每片 Sutui 经济性上很有优势。它是 Vidu Q2（最密参考）和 Kling O3 Reference（最紧编排）之间的务实中间选项。