参考生视频（Reference-to-Video，简称 R2V）是一种用一张或多张参考图引导视频生成的 AI 技术——参考图不是字面意义上的首帧，而是身份锚点。模型学习你的参考图（角色的脸、产品的设计、一种画风），然后在全新的场景中生成保持该身份一致的视频。
参考图 vs 首帧
这是它与图生视频的核心区别：
- 图生视频把你的图片当作开场帧，视频从那里精确开始。
- 参考生视频把你的图片当作"事物长什么样"的定义。模型可以把这个角色或产品放进提示词描述的全新场景、角度和动作中。
一句话：I2V 是让一张图"续写"，R2V 是给一个角色"选角"。
为什么重要
一致性是 AI 视频最难的问题。仅凭文字生成两次"穿黄雨衣的红发女孩"，你会得到两个不同的女孩。参考生视频正是为此而生：
- 角色一致性 —— 让同一个主角贯穿多个镜头、场景乃至剧集。
- 产品保真 —— 用新角度、新环境展示你真实的产品。
- 风格延续 —— 让一种插画风格或品牌视觉贯穿整个系列。
提示词技巧
给模型干净、光线良好、主体清晰的参考图，然后让提示词来"导演"：新场景、新动作、新镜头。提示词说清要变的——参考图已经说清了要保持的。更多技巧见提示词写作指南。