Vidu Q4 Preview vs. Kling 3.0: Welches Modell für Bild-zu-Video?

Wenn native Audio standardmäßig aktiviert sein soll, 5 Auflösungsstufen und maximal 16 Sekunden pro Clip gefragt sind, nimm Vidu Q4 Preview; wenn erstes und letztes Frame Anfang und Ende fixieren sollen, nimm Kling 3.0.

Vidu Q4 Preview ist jetzt auf HiAPI verfügbar. Öffne die Modellseite für Bild-zu-Video, lade das erste Frame hoch und generiere los – neue Nutzer erhalten bei der Registrierung 200 Credits.

Die Unterschiede auf einen Blick

	Vidu Q4 Preview	Kling 3.0 Bild-zu-Video
Modell-ID	vidu-q4-preview/image-to-video	kling-3.0/image-to-video
Bildeingabe	1 erstes Frame, image_url	1–2 Bilder, image_urls; das zweite dient als letztes Frame
Dauer	3–16 Sekunden, Standard 5	3–15 Sekunden, Standard 5
Auflösung	540p / 720p / 1080p / 2K / 4K, Standard 720p	720p / 1080p / 4K, Standard 1080p
Native Audio	audio standardmäßig aktiviert, Deaktivieren ändert den Preis nicht	sound standardmäßig deaktiviert, Aktivieren kostet Aufpreis
720p pro Sekunde	$0.109	$0.1 ohne Ton / $0.143 mit Ton
1080p pro Sekunde	$0.1375	$0.129 ohne Ton / $0.193 mit Ton
4K pro Sekunde	$0.446	$0.479

Vidu Q4 rechnet die angegebene ganze Sekundenzahl mit dem Sekundenpreis der gewählten Auflösung ab; der Audio-Schalter spielt bei der Preisberechnung keine Rolle: 720p 5 Sekunden $0.545, 10 Sekunden $1.09, 16 Sekunden $1.744. Kling 3.0 wird ebenfalls sekundengenau abgerechnet: 720p ohne Ton $0.1/Sekunde, mit Ton $0.143/Sekunde; 1080p ohne Ton $0.129/Sekunde, mit Ton $0.193/Sekunde; 4K ist die Transformation-Stufe mit $0.479/Sekunde.

Derselbe Prompt, je einmal auf beiden Seiten generiert

Jede Gruppe nutzt dasselbe erste Frame, 5 Sekunden, 720p, je eine Generierung pro Modell. Die erste Gruppe mit Ton, die zweite ohne Ton.

Wasserflugzeug: Timing des Heranzoomens und Propellerunschärfe

Vidu Q4 Preview (mit Ton)	Kling 3.0 (mit Ton)

Gleicher Prompt, gleiche Parameter, je eine Generierung.

Bei Vidu Q4 ist nach 2.5 Sekunden bereits ein deutliches Heranzoomen erkennbar, der Propeller hat Bewegungsunschärfe, und um die Schwimmer erscheinen konzentrische Wellen. Bei Kling 3.0 ist die Bildkomposition nach 2.5 Sekunden fast identisch mit dem ersten Frame; das Heranzoomen wird erst nach 4.8 Sekunden deutlich, die Propellerunschärfe tritt in der zweiten Hälfte auf; der Arm des Piloten bleibt durchgehend in der erhobenen Pose, und die Linien von Schwimmern und Steg verschieben sich leicht zwischen den Frames. Beide fertigen Clips sind 1280×720 und 5.04 Sekunden lang; in dieser Gruppe haben beide eine AAC-Tonspur.

Der Pilot winkt, der Motor des Wasserflugzeugs springt an, der Propeller dreht sich, auf dem Wasser breiten sich Wellen aus, die Kamera zoomt langsam heran, goldenes Morgenlicht.

Mit diesem Prompt generieren →. Nach dem Öffnen lade das erste Frame des Wasserflugzeugs hoch, wähle 5 Sekunden, 720p, und lasse Audio standardmäßig aktiviert.

Barista: Endbildausschnitt und Dampf

Vidu Q4 Preview (ohne Ton)	Kling 3.0 (ohne Ton)

Gleicher Prompt, gleiche Parameter, je eine Generierung.

Der Vidu-Q4-Clip ist 724×1268 und übernimmt das 4:7-Seitenverhältnis des ersten Frames; am Ende zoomt die Kamera auf eine Nahaufnahme der Person, die Tasse wandert an den unteren Bildrand, und der Dampf in der Tasse ist sichtbar. Der Kling-3.0-Clip ist 720×1280; am Ende bleibt der Ausschnitt breiter, Fenster, Hängelampe und Theke sind im Bild, und in der Tasse ist kein Dampf zu sehen. Beide sind 5.04 Sekunden lang; in dieser Gruppe wurde auf beiden Seiten Audio deaktiviert, um nur die Bilder zu vergleichen.

Die Barista stellt den Milchkrug ab, die Latte Art in der Tasse formt sich zu einem Blatt, Dampf steigt auf; sie hebt den Blick und lächelt in die Kamera. Im Hintergrund leises Gemurmel im Café und das Zischen der Espressomaschine. Langsame Handkamera mit Heranzoomen, warmes Morgenlicht fällt durch das Fenster.

Mit diesem Prompt generieren →. Nach dem Öffnen lade das erste Frame des Baristas hoch, wähle 5 Sekunden, 720p, und schalte audio aus, um nur das Bild zu betrachten.

Welches Modell für welchen Anwendungsfall

• Standardmäßig mit Ton und ein Schalter weniger → Vidu Q4 Preview
• 540p-Entwurf zuerst → Vidu Q4 Preview
• Einzelclip mit 16 Sekunden → Vidu Q4 Preview
• Lieferung in 2K oder 4K → Vidu Q4 Preview
• 1080p mit Ton → Vidu Q4 Preview, $0.1375 pro Sekunde
• Endbild mit letztem Frame fixieren → Kling 3.0
• 1080p ohne Ton, Abrechnung mit $0.129/Sekunde → Kling 3.0
• 720p ohne Ton, Abrechnung mit $0.1/Sekunde → Kling 3.0

Ist der Wechsel von einem zum anderen aufwendig?

Nein. Beide Modelle laufen über POST https://api.hiapi.ai/v1/tasks, denselben API Key, geben eine taskId zurück, und das Ergebnis wird per Polling oder callback.url abgeholt. Beim Wechsel ändern sich nur diese Felder:

• model: vidu-q4-preview/image-to-video durch kling-3.0/image-to-video ersetzen.
• Bildfeld: Vidu Q4 übergibt ein erstes Frame als String image_url; Kling 3.0 nutzt das Array image_urls, 1 Bild ist das erste Frame, 2 Bilder sind erstes und letztes Frame.
• Audiofeld: Bei Vidu Q4 ist audio standardmäßig true; bei Kling 3.0 ist sound standardmäßig false und wird nach Aktivierung zum Mit-Ton-Preis abgerechnet.
• Dauer und Auflösung: Vidu Q4 bietet 3–16 Sekunden und fünf Stufen; Kling 3.0 bietet 3–15 Sekunden und drei Stufen.

Das Seitenverhältnis folgt jeweils dem Eingabebild; beide Modelle bieten bei Bild-zu-Video kein aspect_ratio; Callback, Authentifizierung und Polling müssen nicht geändert werden.

Häufige Fragen

Kann man bei Vidu Q4 Bild-zu-Video zwei Bilder übergeben? Bild-zu-Video akzeptiert nur ein erstes Frame. Für mehrere Referenzbilder nutze das Referenz-zu-Video-Modell derselben Reihe mit bis zu 15 Referenzbildern und 3 Referenzaudios; für Steuerung des letzten Frames nutze Kling 3.0.

Ist standardmäßig Ton vorhanden? Bei Vidu Q4 ist audio standardmäßig aktiviert; Deaktivieren erzeugt ein Video ohne Ton zum gleichen Preis. Bei Kling 3.0 ist sound standardmäßig deaktiviert und wird nach Aktivierung zum Mit-Ton-Preis abgerechnet.

Sind 16 Sekunden möglich? Vidu Q4 unterstützt 3–16 Sekunden; Kling 3.0 bietet 3–15 Sekunden.

Wie wird das Seitenverhältnis festgelegt? Beide Modelle folgen dem Eingabebild. Vidu Q4 Bild-zu-Video hat kein aspect_ratio-Feld; wird es übergeben, kommt ein 400 zurück. Kling 3.0 bietet diesen Parameter ebenfalls nicht.

Kopiere den Prompt für das Wasserflugzeug von oben, gehe zur Vidu Q4 Preview Modellseite, lade das erste Frame hoch, wähle 5 Sekunden, 720p und starte zuerst eine Variante mit Ton; wenn du den Endbildausschnitt vergleichen willst, starte anschließend den Barista-Prompt mit deaktiviertem Audio.

Verwandt: Vidu Q4 Preview Bild-zu-Video Modellseite · Kling 3.0 Bild-zu-Video Modellseite · Vidu Q4 Preview Referenz-zu-Video Modellseite · Dokumentation zur Bild-zu-Video-Integration