Vidu Q3

Présentation du positionnement

La voie de génération vidéo par référence de Vidu Q3 s'adresse aux productions de vidéos courtes nécessitant un rendu visuel contrôlable et des sujets stables. Les développeurs soumettent de 1 à 7 images de référence ainsi qu'un prompt pour générer une vidéo de 3 à 15 secondes ; les images de référence sont citées dans le prompt sous les termes Image1, Image2 selon l'ordre du tableau, afin de contraindre le personnage, l'objet ou le style visuel. La sortie prend en charge deux niveaux de résolution, 720P et 1080P, pour un total de dix formats d'image, permet d'activer la génération audio synchronisée avec l'image, et prend également en charge la reproduction des résultats via une graine fixe. Idéal pour les équipes qui ont besoin de tester rapidement de multiples versions de matériels publicitaires, de démonstrations de produits ou de courts extraits de personnages.

Points clés

• Contraintes de sujet et de style par références multiples — jusqu'à 7 images de référence peuvent être transmises en une fois, positionnées dans le prompt sous les termes Image1, Image2 selon leur ordre, pour contraindre respectivement le personnage, l'objet ou le style visuel.
• Génération simultanée de l'image et de l'audio — lorsque audio est activé, le son correspondant est généré en synchronisation avec l'image ; par défaut, il est désactivé et la vidéo est produite sans son, ce qui facilite un doublage ultérieur.
• Combinaison de durée et de format selon les besoins — durée de 3 à 15 secondes au choix ; les niveaux 720P et 1080P comportent chacun cinq formats d'image : 16:9, 4:3, 1:1, 3:4 et 9:16.
• Graine fixe pour faciliter la reproduction et l'itération — prise en charge d'une graine aléatoire de 0 à 2147483647 ; à configuration identique, les résultats peuvent être reproduits, ce qui facilite la comparaison des effets des modifications de prompt.

Description des capacités

Génération pilotée par références multiples : accepte de 1 à 7 images JPG, PNG ou WEBP accessibles publiquement, de 50 Mo maximum chacune, avec un rapport largeur-hauteur de 1:4 à 4:1, destinées à verrouiller le personnage, l'apparence de l'objet ou le style global.

Contrôle de la scène et du mouvement de caméra par le prompt : un prompt de 5000 caractères maximum peut décrire la scène, l'action, le mouvement de caméra et le son, et pointer vers des images de référence précises via les index Image1, Image2, afin de répartir les rôles entre les images.

Génération audio optionnelle : l'interrupteur audio contrôle si un audio correspondant est généré avec l'image ; lorsqu'il est désactivé, la vidéo est produite en silence, ce qui facilite l'intégration à vos propres processus de doublage ou de musique.

Choix de la résolution et du format : le paramètre size propose deux niveaux, 720P et 1080P, couvrant chacun les orientations paysage, portrait, carrée et deux ratios verticaux, pour s'adapter aux spécifications de livraison des différents emplacements de diffusion.

Contrôle de la durée et du filigrane : duration prend une valeur entre 3 et 15 secondes ; watermark permet d'ajouter ou non un identifiant de génération par IA dans le coin inférieur droit ; la facturation est basée sur le nombre de secondes de sortie.

Scénarios d'application

• Marques et équipes de diffusion : plusieurs images de produit + texte d'argumentaire — produire de courts extraits publicitaires au format spécifié, destinés à la diffusion sur les réseaux sociaux et aux supports de présentation des fiches produits e-commerce.
• Créateurs de contenu de personnages : feuille de référence du personnage + description du scénario — générer de courts plans narratifs avec une apparence de personnage cohérente, pour des extraits de mini-séries, la validation de concepts de style anime et la prévisualisation de storyboards.
• Équipes créatives : images de référence de style + description de la proposition — produire rapidement plusieurs versions de test pour une comparaison A/B, en contrôlant les variables grâce à une graine fixe, puis sélectionner avant de passer à la production finale.
• Production de démonstrations produits : photos de produit + description des scénarios d'usage — transformer des photos de produit statiques en vidéos de démonstration avec mouvements de caméra, pour les sites web, les lancements de produits et les supports de formation.

Limites et conseils de sélection

La durée de sortie est limitée à 3–15 secondes par génération, ce qui ne permet pas de couvrir directement des vidéos longues ou des récits à plans multiples continus ; la vidéo finale nécessite encore un montage manuel. Les images de référence doivent être accessibles publiquement et ne pas dépasser 50 Mo chacune ; les images stockées de manière privée doivent d'abord être converties en adresses accessibles. L'audio est une option de génération ; lorsqu'un dialogue ou un doublage aligné précisément sur l'image est requis, il est plus contrôlable de produire une sortie silencieuse puis de réaliser l'audio séparément. Actuellement, seule la génération pilotée par images de référence est prise en charge ; les entrées purement textuelles ne sont pas acceptées. Pour les créations sans matériel de référence, veuillez choisir la voie de génération vidéo à partir de texte.