Bildgestützter nativer Audioclip: Vidu Q4 Preview Image-to-Video

Am Beispiel der Image-to-Video-Fähigkeit von Vidu Q4 Preview (Autoren-Track für Image-to-Video) wird eine praxisnahe Demonstration mit minimalen Parametern, aber vollständiger Information durchgeführt: Ein Startbild treibt das Bild an, während gleichzeitig der native Audio-Schalter aktiviert wird, sodass Dialog und Soundeffekte im selben Generierungsprozess entstehen. Im Autoren-Track ist nur image_url ein Pflichtfeld. Daher liegt der Schwerpunkt dieses Eintrags auf der Arbeitsteilung „Das Startbild bestimmt Komposition und Bildformat, der Prompt bestimmt Bewegung und Klang“: In der Basis werden explizit duration=8, resolution=1080p und audio=true angegeben und damit die gesamte Semantik der Schema-Standardwerte abgedeckt; der Prompt beschreibt nur Kamerabewegung, Schauspiel der Figur und Klangereignisse und wiederholt nicht die bereits durch das Startbild festgelegten Bildinhalte. Das Startbildmaterial wird von der Pipeline erzeugt (ein image asset) und an image_url gebunden. Geeignete Szenarien: schnelles Prüfen, welche Art von Clip mit Ton aus „einem Bild + einer Bewegungsbeschreibung“ entsteht; Entwickler, die im Bereich von 3–16 Sekunden mehrere Varianten vergleichen möchten; sowie Produktionsteams, die verstehen wollen, wie sich diese Modellfamilie bei Gesichtsausdrücken von Figuren, Kamerabewegung und synchronen Soundeffekten verhält. Beachten Sie: In diesem Track liegt das Limit pro Generierung bei 16 Sekunden; lange Einstellungen müssen in Segmenten zusammengesetzt werden, und das Ausgabeformat folgt dem Seitenverhältnis des Startbilds (1:4 bis 4:1).