Recettes de prompts Vidu Q3 Ad référence-vers-vidéo : prompts publicitaires prêts à copier et clips réels

TL;DR

• Quatre recettes de prompts référence-vers-vidéo prêtes à copier pour vidu-q3-ad/reference-to-video, chacune accompagnée d'un clip réel généré sur hiapi — vraies images produit en entrée, vrai clip publicitaire en sortie, aucune banque d'images.
• Q3 Ad est le niveau optimisé publicité de la gamme référence-vers-vidéo de Vidu : vous fournissez 1 à 7 images produit/sujet plus un prompt, et il rend un plan de style publicitaire de 3 à 15 secondes, en résolution 720p ou 1080p (pas de 4K). Il est moins cher et plus rapide que Q4 Preview — le choix par défaut adapté aux publicités produit et sociales.
• Les recettes sont organisées par intention publicitaire : rotation héroïque d'un produit unique, mascotte de marque verrouillée sur modèle, UGC « produit en main » à double référence et scène retail à triple référence.
• Un piège confirmé par nos tests : bien que le modèle porte le label « Native Audio », chaque mp4 récupéré via /v1/tasks est une vidéo pure (muette) — les clips d'exemple de la plateforme sont eux aussi muets. Il faut ajouter musique/voix en post-production.
• Le schéma d'entrée de q3-ad utilise l'énumération size (et non aspect_ratio + resolution), et refuse reference_audio_urls — contrairement à Q4. Copiez le bloc JSON, remplacez vos URL de référence, puis POSTez vers /v1/tasks.

Ce que fait réellement vidu-q3-ad/reference-to-video

Vidu Q3 Ad (de Shengshu Technology) est le niveau publicité de la gamme référence-vers-vidéo de Vidu. « Référence-vers-vidéo » signifie que vous fournissez un ensemble d'images fixes — un produit, un personnage, un accessoire, une surface — et le modèle les compose et les anime en un plan en mouvement. Le champ correspondant est reference_image_urls, qui accepte 1 à 7 images.

Le positionnement « Ad » est l'essentiel : il est optimisé pour les rotations de produit, les mascottes à cohérence de sujet et les scènes lifestyle, plutôt que pour la narration cinématographique générique. Si vous avez lu nos recettes référence-vers-vidéo Vidu Q4 Preview, voici les différences concrètes mesurées :

	q3-ad (cette page)	q4-preview
Images de référence	1–7	1–15
Référence voix/audio	Non prise en charge (reference_audio_urls est refusé)	Jusqu'à 3 extraits audio
Résolution maximale	1080p	4K
Champ de dimension	Énumération size	resolution + aspect_ratio
Durée du clip	3–15 secondes	3–16 secondes
Idéal pour	Publicités produit et sociales, budget limité	Plans héros 4K haut de gamme, présentateurs face caméra

Choisissez donc q3-ad lorsque vous voulez des clips publicitaires propres, cohérents, bon marché et en volume ; passez à Q4 uniquement si vous avez réellement besoin de 4K ou de références vocales. Si vous avez besoin de jusqu'à 16 secondes ou d'un mélange plus lourd de plusieurs sujets, il existe un modèle de la même famille, vidu-q3-mix/reference-to-video, qui accepte lui aussi 1 à 7 images.

Schéma d'entrée confirmé par les tests (sonde en direct de /v1/tasks, octobre 2026) :

Champ	Obligatoire	Valeurs
prompt	Oui	Texte libre ; référencez chaque sujet par son index
reference_image_urls	Oui	Tableau de 1 à 7 URL d'images publiques
duration	Non	Entier de 3 à 15 secondes (valeur par défaut variable selon size)
size	Non	1280*720 · 1280*960 · 1280*1280 · 960*1280 · 720*1280 (palier 720) · 1920*1080 · 1920*1440 · 1808*1808 · 1440*1920 · 1080*1920 (palier 1080)

duration doit être un entier (4.5 est refusé avec « want integer »). Le modèle n'a pas de champ aspect_ratio, resolution ou reference_audio_urls — en passer un seul renvoie une erreur 400 « additional properties not allowed », l'erreur la plus fréquente lorsqu'on migre une requête depuis Q4.

La tarification est un tarif fixe par seconde déterminé par le palier size (un clip de 5 secondes coûte donc le prix par seconde multiplié par 5). En octobre 2026, sur hiapi, les cinq dimensions du palier 720 sont facturées $0.149/seconde et les cinq dimensions du palier 1080 $0.18/seconde ; les chiffres à jour figurent sur la page de tarification. Workflow pratique : verrouillez d'abord le prompt sur une dimension du palier 720, puis relancez en 1080p pour la version à conserver — le prompt ne change pas, seul le multiplicateur change.

Comment nous avons exécuté ces exemples (pour que vous puissiez les reproduire)

Chaque clip ci-dessous a été généré sur hiapi via l'API de tâches asynchrones. La procédure est toujours la même :

1. Les images de référence doivent être accessibles publiquement. Nous générons les images avec gpt-image-2/text-to-image, les téléversons dans un bucket statique, puis transmettons ces URL — n'importe quelle image hébergée convient.
2. Envoyez POST /v1/tasks avec le corps de requête indiqué dans chaque recette.
3. Interrogez GET /v1/tasks/{taskId} jusqu'à ce que status vaille success, puis téléchargez output[0].url (lien à durée limitée — enregistrez-le immédiatement).

La configuration complète est décrite dans le guide de démarrage rapide hiapi. Voici une requête minimale — notez size, et non 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"
    }
  }'

Passons aux recettes.

Recette 1 — Rotation héroïque d'un produit unique

Idéal pour : la publicité produit de base la plus courante — transformer une image produit propre en plan héros en rotation avec un balayage lumineux. Commencez ici.

Image de référence en entrée :

Sortie réelle (720p, 4 secondes) :

{
  "model": "vidu-q3-ad/reference-to-video",
  "input": {
    "prompt": "Une publicité produit haut de gamme du gobelet isotherme mat bleu canard de l'image de référence 1. Il tourne lentement sur un socle sombre réfléchissant tandis qu'une bande de lumière dure balaie le corps mat de gauche à droite, le couvercle en métal brossé capte un éclat lumineux, de douces particules de lumière dérivent dans le fond sombre, la caméra garde un angle héros bas et avance légèrement. Éclairage de studio publicitaire, contraste élevé, détail macro.",
    "reference_image_urls": ["https://static.hiapi.ai/blog/vidu-q3-ad-reference-to-video-prompt-recipes/refs/tumbler.jpg"],
    "duration": 4,
    "size": "1280*720"
  }
}

Pourquoi ça marche : nommer le sujet — « le gobelet isotherme mat bleu canard de l'image de référence 1 » — ancre le produit exact, ce qui pousse le modèle à animer cette gourde, avec sa surface mate et son couvercle brossé, plutôt qu'à en inventer une similaire. La phrase sur le balayage lumineux (« une bande de lumière dure balaie le corps mat de gauche à droite ») transforme une simple rotation en quelque chose qui ressemble à une publicité. Une intention de caméra continue (rotation + légère avance) rend proprement sur 4 secondes. À $0.149/seconde, ce clip coûte environ $0.60.

Recette 2 — Mascotte de marque verrouillée sur modèle

Idéal pour : des créations marketing réutilisables où le personnage doit rester exactement identique dans chaque clip — ce que l'animation dessinée à la main et la génération vidéo texte-vers-vidéo classique ont du mal à faire.

Image de référence en entrée :

Sortie réelle (carré, 4 secondes) :

{
  "model": "vidu-q3-ad/reference-to-video",
  "input": {
    "prompt": "La mascotte robot ronde vert menthe de l'image de référence 1 se tient centrée, salue de la main gauche vers la caméra, fait un petit rebond joyeux et un signe de tête enthousiaste, puis lève le pouce. Fond de studio blanc doux et épuré, éclairage lumineux et uniforme, animation bondissante et élastique, sa forme, ses couleurs et son visage restent exactement sur modèle tout du long. Publicité de mascotte de marque dynamique et amicale.",
    "reference_image_urls": ["https://static.hiapi.ai/blog/vidu-q3-ad-reference-to-video-prompt-recipes/refs/mascot.jpg"],
    "duration": 4,
    "size": "1280*1280"
  }
}

Pourquoi ça marche : la phrase « sa forme, ses couleurs et son visage restent exactement sur modèle tout du long » indique au modèle que sa tâche est la cohérence, pas la réinterprétation — q3-ad conserve les proportions, l'antenne et le visage de la mascotte pendant tout le mouvement. Enchaînez plusieurs actions simples et nommables (« salue… rebondit… hoche la tête… lève le pouce ») plutôt qu'un vague « sois plus vivant » ; le modèle a ainsi du concret à associer à chaque temps. Nous utilisons le format carré 1280*1280 (toujours dans le palier 720, environ $0.60 pour 4 secondes), afin que la création serve directement dans un post de fil ou un écran de lancement d'application.

Recette 3 — UGC « produit en main » (double référence)

Idéal pour : les publicités sociales qui arrêtent le défilement — une vraie main qui lève le produit dans le cadre, dans un vrai décor. C'est précisément là que la référence-vers-vidéo surpasse la génération image-vers-vidéo : vous combinez deux images fixes indépendantes en un seul plan.

Images de référence en entrée (produit + décor) :

Sortie réelle (verticale 9:16, 5 secondes) :

{
  "model": "vidu-q3-ad/reference-to-video",
  "input": {
    "prompt": "Clip publicitaire social vertical : sur la table de café en bois de l'image de référence 2, la canette d'eau pétillante corail rose de l'image de référence 1 se dresse avec une condensation fraîche et froide. Une main entre par le bas du cadre, saisit la canette et la lève vers la caméra, des gouttelettes d'eau scintillent. Mouvement naturel à la main, bokeh chaleureux de café en arrière-plan, lumière douce de fenêtre, sensation de publicité UGC authentique et vivante.",
    "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"
  }
}

Pourquoi ça marche : chaque image de référence a un rôle — l'image 1 est le produit, l'image 2 est l'environnement — ce qui indique au modèle quelle image fixe est le sujet principal et laquelle est le décor. Expliciter l'action et la caméra (« une main entre par le bas… la lève vers la caméra… mouvement naturel à la main ») produit la sensation UGC ; sinon, vous obtenez une nature morte de produit sur une table. La dimension verticale 720*1280 sur 5 secondes (environ $0.75) vous donne un format Reels/TikTok/Shorts directement publiable.

Recette 4 — Scène retail à références multiples (triple référence)

Idéal pour : les compositions catalogue et lifestyle assemblées à partir d'images fixes indépendantes de produit et d'accessoires — ces natures mortes en flat lay qu'il est pénible de disposer physiquement.

Images de référence en entrée (produit + accessoires + surface) :

Sortie réelle (1080p, 4 secondes) :

{
  "model": "vidu-q3-ad/reference-to-video",
  "input": {
    "prompt": "Composez une scène publicitaire retail estivale lumineuse : placez les lunettes de soleil en écaille de l'image de référence 1 ouvertes sur la surface chaude en pierre travertin de l'image de référence 3, avec les coquillages et le corail séché de l'image de référence 2 disposés soigneusement à côté. Lente avancée cinématographique, lumière naturelle vive du soleil projetant des ombres douces en mouvement, une légère brise, allure de publicité de lunettes haut de gamme, faible profondeur de champ.",
    "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"
  }
}

Pourquoi ça marche : trois images fixes propres et isolées — chaque sujet sur fond uni — donnent au modèle des éléments nets et sans ambiguïté à assembler. Le prompt précise explicitement la disposition spatiale (« sur le travertin… à côté d'eux ») et nomme chaque image par son index exact ; quand les références sont encombrées ou que vous dites seulement « combinez ceci », la fusion dérive. C'est aussi ici que vous utilisez le palier 1080 — à $0.18/seconde, un plan de 4 secondes coûte environ $0.72, et comme vous avez déjà validé que la composition fonctionne, le surcoût ne sert qu'à la résolution. q3-ad accepte jusqu'à 7 images de référence, vous avez donc de la marge pour ajouter un second accessoire ou une vignette logo à la même scène.

La vérité sur « Native Audio » (à lire avant publication)

La page du modèle q3-ad affiche « Native Audio » et vante des vidéos publicitaires « avec montage intelligent, mouvements de caméra et son ». En pratique, chaque clip généré pour cette page est revenu en mp4 vidéo pure, sans piste audio — nous l'avons confirmé avec ffprobe, et les clips d'exemple du modèle fournis par la plateforme sont eux aussi muets.

Considérez donc q3-ad pour l'instant comme un générateur de vidéos publicitaires muettes : les quatre clips ci-dessus nécessitent tous l'ajout d'une musique de fond ou d'une voix en post-production. Ce n'est pas un obstacle pour la plupart des publicités produit et sociales (vous auriez de toute façon ajouté de la musique sous licence), mais cela signifie que vous ne devez pas compter sur le modèle pour produire un mixage finalisé, et qu'il n'existe aucun champ reference_audio_urls pour fournir une voix. Si vous avez besoin d'un présentateur qui parle avec synchronisation labiale, c'est le travail de Q4 Preview — voir les recettes avec référence vocale à cet endroit.

Les règles de prompt qui changent vraiment le résultat

• Numérotez les images de référence. « La canette de l'image de référence 1… sur la table de l'image de référence 2 » lie plus fiablement le sujet à son index que « la canette et la table ».
• Attribuez un rôle à chaque image fixe dans les plans multi-références — sujet principal vs décor vs surface — et précisez la disposition spatiale (« sur… », « à côté de… », « derrière… »).
• Écrivez la caméra comme un mouvement continu (rotation + avance, entrée + levée). q3-ad rend un seul plan ; empiler des coupes dans un même prompt le rend confus.
• Dites « exactement sur modèle » pour les mascottes et les personnages, afin de pousser le modèle vers la cohérence plutôt que la réinvention.
• Gardez des images fixes propres — un seul sujet, fond uni. Les références encombrées sont la première cause de dérive.
• Itérez sur un size du palier 720, finalisez en 1080p. Le prompt est identique ; seul le tarif par seconde change.

Questions fréquentes

Puis-je utiliser des photos de mon vrai produit ? Oui — toute URL d'image accessible publiquement convient comme référence. Nous générons les images avec gpt-image-2/text-to-image uniquement pour rendre les exemples reproductibles ; des photos produit hébergées sont en fait préférables, car le sujet est déjà exactement ce que vous vendez.

Combien d'images de référence puis-je passer ? De 1 à 7. Neuf échoue avec une erreur maxItems ; une seule suffit pour la rotation héroïque.

Pourquoi ma requête renvoie-t-elle une 400 « additional properties not allowed » ? Vous avez presque certainement envoyé aspect_ratio, resolution ou reference_audio_urls. q3-ad utilise une seule énumération size et n'a pas d'entrée audio — retirez ces champs.

Produit-il du 4K ? Non. q3-ad monte à 1080p. Si vous avez besoin de 4K, utilisez Vidu Q4 Preview.

Quelle longueur peut faire un clip ? De 3 à 15 secondes, en entier. Les montages narratifs plus longs s'assemblent mieux à partir de plusieurs plans courts.

Commencez à générer

Récupérez votre clé, copiez n'importe quelle recette ci-dessus, remplacez les URL par celles de vos produits, puis POSTez vers /v1/tasks. Les détails du modèle et les limites à jour sont sur la page vidu-q3-ad/reference-to-video, la procédure d'appel pas à pas dans le guide de démarrage rapide, et vous pouvez parcourir le reste de la gamme vidéo dans le catalogue de modèles. Validez le prompt en 720p, puis relancez votre préféré en 1080p — c'est tout le workflow.