Vidu Q3 Ad Referenz-zu-Video-Prompt-Rezepte: direkt kopierbare Werbe-Prompts und echte Clips

TL;DR

• Vier direkt kopierbare Referenz-zu-Video-Prompt-Rezepte für vidu-q3-ad/reference-to-video, jeweils mit einem tatsächlich auf hiapi generierten Clip – echte Produktbilder als Input, echter Werbeclip als Output, kein Stockmaterial.
• Q3 Ad ist Vidus werbeoptimierte Referenz-Stufe: Du gibst 1–7 Produkt-/Motivbilder plus einen Prompt an, und es rendert einen werbestilisierten Shot von 3–15 Sekunden in 720p oder 1080p (kein 4K). Es ist günstiger und schneller als Q4 Preview – die passende Standardwahl für Produkt- und Social-Werbung.
• Die Rezepte sind nach Werbeabsicht gegliedert: Hero-Rotation eines einzelnen Produkts, Markenmaskottchen mit fixiertem Modell, UGC-„Produkt in der Hand“ mit zwei Referenzen und Retail-Szene mit drei Referenzen.
• Eine im Test bestätigte Falle: Obwohl das Modell das Label „Native Audio“ trägt, war jede mp4, die wir von /v1/tasks erhalten haben, reines Video (stumm) – auch die Beispielclips der Plattform selbst sind stumm. Musik/Voiceover müssen in der Post hinzugefügt werden.
• Das Input-Schema von q3-ad verwendet die size-Enum (nicht aspect_ratio + resolution) und lehnt reference_audio_urls ab – anders als Q4. Kopiere den JSON-Block, ersetze deine Referenz-URLs und POSTe an /v1/tasks.

Was vidu-q3-ad/reference-to-video tatsächlich macht

Vidu Q3 Ad (von Shengshu Technology) ist die Werbe-Stufe innerhalb der Vidu-Referenz-zu-Video-Produktlinie. „Referenz-zu-Video“ bedeutet, dass du eine Reihe von Standbildern lieferst – ein Produkt, eine Figur, ein Requisit, eine Oberfläche – und das Modell sie zu einem bewegten Shot zusammensetzt und animiert. Das entsprechende Feld ist reference_image_urls und akzeptiert 1–7 Bilder.

Die „Ad“-Positionierung ist der entscheidende Punkt: Es ist auf Produktrotationen, motivkonsistente Maskottchen und Lifestyle-Szenen abgestimmt, nicht auf allgemeines cineastisches Erzählen. Wenn du unsere Vidu Q4 Preview Referenz-zu-Video-Rezepte gelesen hast, hier sind die im Test ermittelten konkreten Unterschiede:

	q3-ad (diese Seite)	q4-preview
Referenzbilder	1–7	1–15
Sprach-/Audio-Referenz	nicht unterstützt (reference_audio_urls wird abgelehnt)	bis zu 3 Audioclips
Maximale Auflösung	1080p	4K
Größenfeld	size-Enum	resolution + aspect_ratio
Clip-Länge	3–15 Sekunden	3–16 Sekunden
Am besten für	Produkt- und Social-Werbung mit begrenztem Budget	Hochwertige 4K-Hero-Shots, sprechende Moderatoren

Wähle also q3-ad, wenn du saubere, konsistente, günstige Werbeclips in Serie willst; steige nur dann auf Q4 um, wenn du wirklich 4K oder Sprachreferenzen brauchst. Wenn du bis zu 16 Sekunden oder ein stärkeres Mischen mehrerer Motive benötigst, gibt es ein verwandtes Modell, vidu-q3-mix/reference-to-video, das ebenfalls 1–7 Bilder unterstützt.

Im Test bestätigtes Input-Schema (Live-Abfrage von /v1/tasks im Oktober 2026):

Feld	Erforderlich	Werte
prompt	ja	Freitext; jedes Motiv per Index referenzieren
reference_image_urls	ja	Array mit 1–7 öffentlichen Bild-URLs
duration	nein	Ganzzahl 3–15 Sekunden (Standardwert je nach size)
size	nein	1280*720 · 1280*960 · 1280*1280 · 960*1280 · 720*1280 (720-Stufe) · 1920*1080 · 1920*1440 · 1808*1808 · 1440*1920 · 1080*1920 (1080-Stufe)

duration muss eine Ganzzahl sein (4.5 wird mit „want integer“ abgelehnt). Das Modell hat keine Felder aspect_ratio, resolution oder reference_audio_urls – wird eines davon übergeben, kommt ein 400 „additional properties not allowed“ zurück; das ist der häufigste Fehler beim Migrieren von Q4-Requests.

Die Preisgestaltung ist ein fester Sekundensatz, der von der size-Stufe abhängt (ein 5-Sekunden-Clip kostet also den Sekundenpreis mal 5). Stand Oktober 2026 werden auf hiapi die fünf 720-Stufen-Größen mit 0,149 $/Sekunde und die fünf 1080-Stufen-Größen mit 0,18 $/Sekunde abgerechnet; aktuelle Zahlen findest du auf der Preisseite. Bewährter Workflow: Prompt zuerst in einer 720-Stufen-Größe festzurren, dann die finale Version mit 1080p neu rendern – der Prompt bleibt gleich, nur der Multiplikator ändert sich.

Wie wir diese Beispiele ausgeführt haben (damit du sie reproduzieren kannst)

Jeder Clip unten wurde über die asynchrone Task-API auf hiapi generiert. Der Ablauf ist immer derselbe:

1. Referenzbilder müssen öffentlich erreichbar sein. Wir haben Bilder mit gpt-image-2/text-to-image generiert, in einen statischen Bucket hochgeladen und dann diese URLs übergeben – jedes gehostete Bild funktioniert.
2. Mit dem in jedem Rezept gezeigten Request-Body POST /v1/tasks aufrufen.
3. GET /v1/tasks/{taskId} abfragen, bis status gleich success ist, dann output[0].url herunterladen (das ist ein zeitlich begrenzter Link – sofort speichern).

Die vollständige Einrichtung steht im hiapi Quickstart. Ein minimales Request sieht so aus – beachte size, nicht aspect_ratio/resolution:

curl -X POST https://api.hiapi.ai/v1/tasks \
  -H "Authorization: Bearer $HIAPI_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "vidu-q3-ad/reference-to-video",
    "input": {
      "prompt": "...",
      "reference_image_urls": ["https://.../product.jpg"],
      "duration": 4,
      "size": "1280*720"
    }
  }'

Jetzt zu den Rezepten.

Rezept 1 – Hero-Rotation eines einzelnen Produkts

Am besten für: Die häufigste einfache Produktwerbung – ein sauberes Produkt-Standbild in einen rotierenden Hero-Shot mit Lichtstreifen verwandeln. Hier starten.

Referenzbild-Input:

Tatsächlicher Output (720p, 4 Sekunden):

{
  "model": "vidu-q3-ad/reference-to-video",
  "input": {
    "prompt": "A premium product ad of the teal matte insulated tumbler from reference image 1. It rotates slowly on a dark reflective pedestal while a hard strip of light sweeps across the matte body from left to right, the brushed-metal lid catches a bright glint, soft particles of light drift past in the dark background, the camera holds a low hero angle and pushes in slightly. Commercial studio lighting, high contrast, macro detail.",
    "reference_image_urls": ["https://static.hiapi.ai/blog/vidu-q3-ad-reference-to-video-prompt-recipes/refs/tumbler.jpg"],
    "duration": 4,
    "size": "1280*720"
  }
}

Warum es funktioniert: Das Motiv zu benennen – „der türkisfarbene matte Thermobecher aus Referenzbild 1“ – verankert das exakte Produkt, sodass das Modell genau diesen Becher animiert, inklusive matter Oberfläche und gebürstetem Deckel, statt einen ähnlichen zu erfinden. Der Lichtstreifen-Satz („ein harter Lichtstreifen zieht von … von links nach rechts“) verwandelt eine gewöhnliche Rotation in etwas, das wie Werbung aussieht. Eine durchgehende Kamerabewegung (Rotation + leichter Push-in) rendert über 4 Sekunden sauber. Bei 0,149 $/Sekunde kostet dieser Clip etwa 0,60 $.

Rezept 2 – Markenmaskottchen mit fixiertem Modell

Am besten für: Wiederholbares Marketingmaterial, bei dem die Figur in jedem Clip exakt gleich aussehen muss – etwas, das sowohl handgezeichnete Animation als auch gewöhnliches Text-zu-Video kaum schaffen.

Referenzbild-Input:

Tatsächlicher Output (quadratisch, 4 Sekunden):

{
  "model": "vidu-q3-ad/reference-to-video",
  "input": {
    "prompt": "The mint-green round robot mascot from reference image 1 stands centered, waves its left hand at the camera, gives a happy little bounce and a cheerful nod, then raises a thumbs-up. Clean soft-white studio background, bright even lighting, bouncy springy animation, its shape, colors and face stay exactly on-model the whole time. Upbeat, friendly brand-mascot ad.",
    "reference_image_urls": ["https://static.hiapi.ai/blog/vidu-q3-ad-reference-to-video-prompt-recipes/refs/mascot.jpg"],
    "duration": 4,
    "size": "1280*1280"
  }
}

Warum es funktioniert: Der Satz „Seine Form, Farben und sein Gesicht bleiben die ganze Zeit exakt dem Modell treu“ sagt dem Modell, dass seine Aufgabe Konsistenz ist, nicht Neuinterpretation – q3-ad bewahrt Proportionen, Antenne und Gesicht des Maskottchens während der gesamten Bewegung. Verkette einige einfache, benennbare Aktionen („winkt … hüpft … nickt … zeigt Daumen hoch“) statt eines vagen „sei lebhaft“; so hat das Modell für jeden Beat etwas Konkretes. Wir verwenden quadratisch 1280*1280 (weiterhin 720-Stufe, ca. 0,60 $ für 4 Sekunden), damit das Material direkt für Feed-Posts oder App-Startbildschirme passt.

Rezept 3 – UGC „Produkt in der Hand“ (zwei Referenzen)

Am besten für: Social-Werbung, die den Scroll stoppt – eine echte Hand hebt das Produkt in einer echten Umgebung ins Bild. Genau hier ist Referenz-zu-Video dem Bild-zu-Video überlegen: Du führst zwei separate Standbilder zu einem Shot zusammen.

Referenzbild-Input (Produkt + Szene):

Tatsächlicher Output (vertikal 9:16, 5 Sekunden):

{
  "model": "vidu-q3-ad/reference-to-video",
  "input": {
    "prompt": "Vertical social ad clip: on the wooden cafe table from reference image 2, the coral-pink sparkling-water can from reference image 1 stands with fresh cold condensation. A hand enters from the bottom of the frame, picks up the can and lifts it up toward the camera, water droplets glistening. Natural handheld motion, warm cafe bokeh behind, soft window light, lively authentic UGC commercial feel.",
    "reference_image_urls": ["https://static.hiapi.ai/blog/vidu-q3-ad-reference-to-video-prompt-recipes/refs/can.jpg", "https://static.hiapi.ai/blog/vidu-q3-ad-reference-to-video-prompt-recipes/refs/hand_cafe.jpg"],
    "duration": 5,
    "size": "720*1280"
  }
}

Warum es funktioniert: Jedes Referenzbild hat eine Rolle – Bild 1 ist das Produkt, Bild 2 die Umgebung –, damit das Modell weiß, welches Standbild der Hauptdarsteller und welches der Hintergrund ist. Aktion und Kamera explizit zu beschreiben („eine Hand kommt von unten ins Bild … hebt sie zur Kamera … natürliche Handkamera-Bewegung“) erzeugt erst den UGC-Look; sonst bekommst du ein statisches Produktfoto auf dem Tisch. Vertikal 720*1280 bei 5 Sekunden (ca. 0,75 $) liefert ein direkt veröffentlichbares Reels-/TikTok-/Shorts-Format.

Rezept 4 – Retail-Szene mit mehreren Referenzen (drei Referenzen)

Am besten für: Katalog- und Lifestyle-Kompositionen, die aus separaten Standbildern von Produkt und Requisiten zusammengesetzt werden – die Art von Flat-Lay-Setup, das physisch mühsam aufzubauen ist.

Referenzbild-Input (Produkt + Requisiten + Oberfläche):

Tatsächlicher Output (1080p, 4 Sekunden):

{
  "model": "vidu-q3-ad/reference-to-video",
  "input": {
    "prompt": "Compose a bright summer retail ad scene: place the tortoiseshell sunglasses from reference image 1 open on the warm travertine stone surface from reference image 3, with the seashells and dried coral from reference image 2 arranged neatly beside them. Slow cinematic push-in, bright natural sunlight casting soft moving shadows, a gentle breeze, premium eyewear commercial look, shallow depth of field.",
    "reference_image_urls": ["https://static.hiapi.ai/blog/vidu-q3-ad-reference-to-video-prompt-recipes/refs/sunglasses.jpg", "https://static.hiapi.ai/blog/vidu-q3-ad-reference-to-video-prompt-recipes/refs/seashells.jpg", "https://static.hiapi.ai/blog/vidu-q3-ad-reference-to-video-prompt-recipes/refs/travertine.jpg"],
    "duration": 4,
    "size": "1920*1080"
  }
}

Warum es funktioniert: Drei saubere, freigestellte Standbilder – jedes Motiv vor einfarbigem Hintergrund – geben dem Modell eindeutige Bausteine zum Zusammensetzen. Der Prompt legt das Raumlayout ausdrücklich fest („auf dem Travertin … daneben“) und benennt jedes Bild mit dem exakten Index; bei unruhigen Referenzbildern oder einem bloßen „kombiniere diese“ driftet die Verschmelzung. Hier kommt auch die 1080-Stufe ins Spiel – bei 0,18 $/Sekunde kostet ein 4-Sekunden-Shot etwa 0,72 $, und da du die Komposition bereits als stimmig verifiziert hast, zahlst du den Aufpreis nur für die Auflösung. q3-ad akzeptiert bis zu 7 Referenzbilder, du hast also Platz, derselben Szene noch eine zweite Requisite oder eine Logo-Karte hinzuzufügen.

Die Wahrheit über „Native Audio“ (vor der Veröffentlichung lesen)

Die Modellseite von q3-ad ist mit „Native Audio“ gekennzeichnet und bewirbt Werbevideos mit „intelligentem Schnitt, Kamerabewegung und Ton“. Tatsächlich war jeder Clip, den wir für diese Seite generiert haben, eine reine Video-mp4 ohne Tonspur – wir haben das mit ffprobe bestätigt, und auch die Beispielclips der Plattform für dieses Modell sind stumm.

Betrachte q3-ad derzeit also als stummen Werbevideo-Generator: Alle vier Clips oben benötigen in der Post Hintergrundmusik oder Voiceover. Für die meisten Produkt- und Social-Anzeigen ist das kein Hindernis (du würdest ohnehin lizenzierte Musik hinzufügen), aber es bedeutet, dass du dich nicht darauf verlassen solltest, dass das Modell einen fertigen Mix erzeugt, und es gibt auch kein Feld reference_audio_urls, um Sprache zu liefern. Wenn du einen sprechenden Moderator mit Lippensynchronisation brauchst, ist das die Aufgabe von Q4 Preview – siehe die Sprachreferenz-Rezepte dort.

Prompt-Regeln, die den Output wirklich beeinflussen

• Nummeriere die Referenzbilder. „Die Dose aus Referenzbild 1 … auf dem Tisch aus Referenzbild 2“ bindet das Motiv zuverlässiger an den Index als „die Dose und der Tisch“.
• Weise jedem Standbild in Multi-Referenz-Shots eine Rolle zu – Hauptdarsteller vs. Hintergrund vs. Oberfläche – und beschreibe das Raumlayout („auf …“, „neben …“, „hinter …“).
• Beschreibe die Kamera als eine durchgehende Bewegung (Rotation + Push-in, Fahren + Anheben). q3-ad rendert einen einzigen Shot; gestapelte Schnitte in einem Prompt verwirren es.
• Sage bei Maskottchen und Figuren „exakt dem Modell treu“, um das Modell in Richtung Konsistenz statt Neuerfindung zu drängen.
• Halte Referenz-Standbilder sauber – ein Motiv, einfarbiger Hintergrund. Unruhige Referenzbilder sind die häufigste Ursache für Drift.
• Iteriere in einer 720-Stufen-size, finalisiere in 1080p. Der Prompt ist identisch; nur der Sekundensatz ändert sich.

Häufige Fragen

Kann ich Fotos meines echten Produkts verwenden? Ja – jede öffentlich erreichbare Bild-URL kann als Referenz dienen. Wir haben Bilder mit gpt-image-2/text-to-image generiert, nur damit die Beispiele reproduzierbar sind; gehostete Produktfotos sind sogar besser, weil das Motiv bereits genau das ist, was du verkaufst.

Wie viele Referenzbilder kann ich übergeben? 1 bis 7. Neun schlagen mit einem maxItems-Fehler fehl; für die Hero-Rotation reicht eins.

Warum gibt mein Request 400 „additional properties not allowed“ zurück? Du hast mit ziemlicher Sicherheit aspect_ratio, resolution oder reference_audio_urls gesendet. q3-ad verwendet eine einzelne size-Enum und hat keinen Audio-Input – entferne diese Felder.

Gibt es 4K aus? Nein. q3-ad geht bis maximal 1080p. Wenn du 4K brauchst, verwende Vidu Q4 Preview.

Wie lang können die Clips sein? 3 bis 15 Sekunden, als Ganzzahl. Längere erzählerische Schnitte setzt man besser aus mehreren kurzen Shots zusammen.

Jetzt generieren

Hole dir deinen Key, kopiere ein beliebiges Rezept oben, setze deine eigenen Produkt-URLs ein und POSTe an /v1/tasks. Modell-Details und aktuelle Limits stehen auf der vidu-q3-ad/reference-to-video-Seite, der schrittweise Aufrufablauf im Quickstart, und im Modellkatalog kannst du die übrigen Videoproduktlinien durchstöbern. Validiere den Prompt zuerst in 720p und rendere dann deinen Favoriten mit 1080p neu – das ist der ganze Workflow.