Vidu Q4 Preview vs Kling 3.0 : quel modèle image-vers-vidéo choisir ?

Pour un audio natif activé par défaut, 5 paliers de résolution et une durée maximale de 16 secondes par clip, choisissez Vidu Q4 Preview ; pour verrouiller les images de début et de fin avec deux frames, choisissez Kling 3.0.

Vidu Q4 Preview est désormais disponible sur HiAPI. Ouvrez la page du modèle image-vers-vidéo, téléversez une première frame et générez ; les nouveaux utilisateurs reçoivent 200 crédits à l'inscription.

Les différences en un coup d'œil

	Vidu Q4 Preview	Kling 3.0 image-vers-vidéo
ID du modèle	vidu-q4-preview/image-to-video	kling-3.0/image-to-video
Entrée image	1 première frame, image_url	1 à 2 images, image_urls ; la seconde sert de dernière frame
Durée	3 à 16 secondes, 5 par défaut	3 à 15 secondes, 5 par défaut
Résolution	540p / 720p / 1080p / 2K / 4K, 720p par défaut	720p / 1080p / 4K, 1080p par défaut
Audio natif	audio activé par défaut, le désactiver ne change pas le prix	sound désactivé par défaut, l'activer augmente le prix
720p par seconde	0,109 $	0,1 $ sans son / 0,143 $ avec son
1080p par seconde	0,1375 $	0,129 $ sans son / 0,193 $ avec son
4K par seconde	0,446 $	0,479 $

Vidu Q4 facture le nombre entier de secondes soumis multiplié par le prix unitaire par seconde de la résolution choisie ; l'activation de l'audio n'entre pas dans le calcul : 720p 5 secondes = 0,545 $, 10 secondes = 1,09 $, 16 secondes = 1,744 $. Kling 3.0 est également facturé à la seconde : 720p sans son 0,1 $/seconde, avec son 0,143 $/seconde ; 1080p sans son 0,129 $/seconde, avec son 0,193 $/seconde ; la 4K est un palier de transformation à 0,479 $/seconde.

Un même prompt, généré une fois de chaque côté

Chaque groupe partage une première frame, en 5 secondes et 720p, avec une génération de chaque côté. Le premier groupe avec le son, le second sans le son.

Hydravion : moment du travelling avant et flou des pales

Vidu Q4 Preview (avec son)	Kling 3.0 (avec son)

Même prompt, mêmes paramètres, une génération de chaque côté.

Vidu Q4 montre déjà à 2,5 secondes un net travelling avant, l'hélice présente un flou de mouvement et des ondulations apparaissent autour des flotteurs. Kling 3.0 conserve à 2,5 secondes une composition presque identique à la première frame, le travelling avant ne devient visible qu'à 4,8 secondes et le flou de l'hélice apparaît dans la seconde partie ; le bras du pilote reste levé tout du long et les lignes des flotteurs et du ponton se décalent légèrement d'une frame à l'autre. Les deux vidéos font 1280×720 et 5,04 secondes, et ce groupe comporte une piste audio AAC.

Le pilote salue de la main, le moteur de l'hydravion démarre et l'hélice se met à tourner, des ondulations se forment à la surface de l'eau, la caméra avance lentement, lumière dorée du matin.

Générer avec ce prompt →. Une fois la page ouverte, téléversez la première frame de l'hydravion, choisissez 5 secondes et 720p, et laissez l'audio activé par défaut.

Barista : cadrage final et vapeur

Vidu Q4 Preview (sans son)	Kling 3.0 (sans son)

Même prompt, mêmes paramètres, une génération de chaque côté.

La vidéo Vidu Q4 fait 724×1268 et reprend le ratio 4:7 de la première frame ; à la fin, la caméra se rapproche en plan serré sur le personnage, la tasse descend jusqu'au bord inférieur du cadre et la vapeur qui s'en échappe est visible. La vidéo Kling 3.0 fait 720×1280 ; à la fin, le cadrage reste plus large, la fenêtre, les suspensions et le comptoir restent dans l'image, et aucune vapeur n'est visible dans la tasse. Les deux durent 5,04 secondes ; ce groupe servant uniquement à comparer l'image, l'audio a été désactivé des deux côtés.

La barista repose le pichet à lait, le latte art dans la tasse se fixe en forme de feuille, la vapeur s'élève ; elle lève les yeux vers la caméra et sourit. En arrière-plan, les murmures du café et le bruit de la vapeur de la machine à espresso. Travelling avant lent à la main, lumière chaude du matin à travers la fenêtre.

Générer avec ce prompt →. Une fois la page ouverte, téléversez la première frame de la barista, choisissez 5 secondes et 720p, désactivez audio pour ne regarder que l'image.

Comment choisir selon le cas d'usage

• Besoin de son par défaut, avec un interrupteur en moins → Vidu Q4 Preview
• Besoin d'un brouillon en 540p d'abord → Vidu Q4 Preview
• Besoin d'un clip de 16 secondes → Vidu Q4 Preview
• Livraison en 2K ou 4K → Vidu Q4 Preview
• 1080p avec son → Vidu Q4 Preview, 0,1375 $/seconde
• Verrouiller l'image finale avec une dernière frame → Kling 3.0
• 1080p sans son, facturé 0,129 $/seconde → Kling 3.0
• 720p sans son, facturé 0,1 $/seconde → Kling 3.0

Passer de l'un à l'autre est-il compliqué ?

Non. Les deux modèles passent par POST https://api.hiapi.ai/v1/tasks, avec la même clé API, renvoient un taskId et le résultat s'obtient par polling ou via callback.url. Pour basculer, seuls ces champs changent :

• model : remplacez vidu-q4-preview/image-to-video par kling-3.0/image-to-video.
• Champ image : Vidu Q4 utilise la chaîne image_url pour transmettre une première frame ; Kling 3.0 utilise le tableau image_urls, 1 image pour la première frame, 2 pour les frames de début et de fin.
• Champ audio : le audio de Vidu Q4 vaut true par défaut ; le sound de Kling 3.0 vaut false par défaut et, une fois activé, est facturé au tarif avec son.
• Durée et résolution : Vidu Q4 propose 3 à 16 secondes et cinq paliers ; Kling 3.0 propose 3 à 15 secondes et trois paliers.

Le format d'image suit l'image d'entrée ; pour l'image-vers-vidéo, aucun des deux modèles ne propose aspect_ratio ; le callback, l'authentification et le polling restent inchangés.

Questions fréquentes

Peut-on transmettre deux images à Vidu Q4 image-vers-vidéo ? Le mode image-vers-vidéo n'accepte qu'une seule première frame. Pour plusieurs images de référence, utilisez le modèle référence-vers-vidéo de la même série, avec jusqu'à 15 images de référence et 3 pistes audio de référence ; pour contrôler la dernière frame, utilisez Kling 3.0.

Le son est-il activé par défaut ? Le audio de Vidu Q4 est activé par défaut ; le désactiver produit une vidéo muette sans changer le prix. Le sound de Kling 3.0 est désactivé par défaut et, une fois activé, est facturé au tarif avec son.

Peut-on générer 16 secondes ? Vidu Q4 prend en charge 3 à 16 secondes ; Kling 3.0 prend en charge 3 à 15 secondes.

Comment le format d'image est-il défini ? Les deux modèles suivent l'image d'entrée. Le mode image-vers-vidéo de Vidu Q4 n'a pas de champ aspect_ratio ; le transmettre renvoie une erreur 400. Kling 3.0 ne propose pas non plus ce paramètre.

Copiez le prompt de l'hydravion ci-dessus, rendez-vous sur la page du modèle Vidu Q4 Preview, téléversez une première frame, choisissez 5 secondes et 720p et lancez d'abord une génération avec son ; pour comparer le cadrage final, relancez ensuite celle de la barista avec l'audio désactivé.

Voir aussi : page du modèle Vidu Q4 Preview image-vers-vidéo · page du modèle Kling 3.0 image-vers-vidéo · page du modèle Vidu Q4 Preview référence-vers-vidéo · documentation d'intégration image-vers-vidéo