Vidu Q3

Présentation

Filière de génération vidéo à partir d'images de référence de Vidu Q3 : utilisez de 1 à 7 images de référence (personnages, objets ou styles) pour contraindre le sujet de l'image, avec un prompt pour générer une courte vidéo de 1 à 16 secondes ; la sortie prend en charge deux niveaux, 720P et 1080P, avec cinq formats d'image, et permet de générer optionnellement un audio synchronisé avec l'image. Adapté aux développeurs qui doivent maintenir la cohérence de l'apparence d'un personnage ou d'un produit sur des segments multi-plans et produire rapidement des versions candidates, pour la création de contenus courts tels que des créations publicitaires, des présentations e-commerce et des mini-séries de personnages.

Points forts

• Contrainte de cohérence du sujet par références multiples — jusqu'à 7 images de référence peuvent être fournies et référencées dans le prompt dans l'ordre Image1, Image2, pour contraindre respectivement les personnages, les objets et le style global.
• Génération optionnelle d'audio synchronisé avec l'image — en activant audio, un son correspondant à l'image est généré ; désactivé, la sortie est une vidéo muette, vous décidez ainsi selon vos besoins de post-synchronisation.
• Contrôle précis de la durée et du format — durée réglable en continu de 1 à 16 secondes, formats couvrant 16:9, 4:3, 1:1, 3:4, 9:16, sans recadrage secondaire pour les contenus verticaux et horizontaux.
• Reproductibilité des résultats via seed — avec une graine fixe, la même combinaison de prompt et d'images de référence produit les mêmes résultats, facilitant la comparaison des réglages et la régression des versions.

Description des capacités

Vidéo à partir d'images de référence : génération guidée par 1 à 7 images JPG, PNG ou WEBP comme base d'apparence et de composition, 50 Mo maximum par image, ratio largeur/hauteur pris en charge de 1:4 à 4:1, facilitant la réutilisation de conceptions de personnages ou d'images produits existantes.

Liaison entre prompt et index d'images : le prompt peut atteindre 5000 caractères, décrire simultanément la scène, le mouvement, la caméra et le son, et spécifier le rôle de chaque image de référence via Image1, Image2 selon l'ordre du tableau.

Sortie à deux niveaux de résolution : les dimensions de sortie couvrent les niveaux 720P et 1080P, chacun avec cinq formats, permettant de choisir directement les spécifications finales selon le canal de diffusion.

Interrupteurs audio et durée : l'interrupteur audio détermine si un son correspondant est généré ; duration prend une valeur entre 1 et 16 secondes, s'adaptant aux besoins allant du court GIF animé au plan complet d'un court métrage.

Contrôle du filigrane et de la graine : le filigrane optionnel de génération IA est désactivé par défaut ; combiné au paramètre seed pour fixer la graine aléatoire, il facilite la reproduction et la traçabilité d'un résultat lors d'essais en série.

Scénarios d'application

• Équipes e-commerce et produit : générer des clips de présentation à partir de plusieurs images produit — contraindre l'apparence à partir d'images multi-angles du produit, produire des clips de démonstration de quelques secondes, pour les pages de détail et les créations publicitaires.
• Équipes de création publicitaire : storyboard piloté par des visuels de personnages — générer des plans courts en 9:16 ou 16:9 à partir d'images de référence de personnages et de scènes, comme versions candidates pour les propositions et les tests A/B.
• Créateurs de mini-séries et d'animation : segments à cohérence de personnage — générer des plans en série à partir d'images de référence de personnages fixes, puis les assembler en courts segments pilotés par le personnage pour la validation de concept.
• Production de contenus sociaux nécessitant du son — activer la génération audio pour obtenir un court clip vertical avec son, directement utilisable pour l'évaluation d'un extrait avant publication sur les plateformes sociales.

Limites et conseils de choix

La durée maximale d'une génération est de 16 secondes ; pour une vidéo longue ou une narration continue complexe, il faut découper soi-même en plans, générer plusieurs fois puis monter et assembler. Les images de référence doivent être des fichiers JPG, PNG ou WEBP accessibles publiquement ; les contenus dont la résolution ou le ratio dépasse 1:4 à 4:1 ne sont pas utilisables. L'interrupteur audio est désactivé par défaut et doit être explicitement activé pour obtenir du son. Si le besoin est une génération vidéo standard pilotée par une seule image, consultez les autres filières de la même famille ; pour un long métrage ou une narration plus complexe, le positionnement en segments courts de cette filière ne convient pas.