Vidu Q4 Preview

Positionnement et présentation

La voie de génération vidéo par référence de Vidu Q4 Preview s'adresse aux développeurs qui doivent maintenir la cohérence des personnages, des scènes et de l'audio dans le rendu final. Importez de 1 à 15 images de référence (personnages, scènes ou accessoires) ainsi que jusqu'à 3 références audio, puis associez un prompt textuel pour générer une vidéo de 3 à 16 secondes, avec une résolution au choix de 540p à 4K, et une sortie par défaut d'un audio natif synchronisé à l'image. Idéal pour des contenus courts en série, des extraits de dialogues entre personnages, et des prévisualisations de plans nécessitant une comparaison de plusieurs propositions.

Points clés

• Cohérence des personnages et des scènes grâce à plusieurs images de référence — jusqu'à 15 images de référence peuvent être utilisées en une seule fois pour contraindre personnages, scènes et accessoires, en les citant dans l'ordre au sein du prompt, ce qui réduit la dérive visuelle d'un plan à l'autre.
• Génération de doublage guidée par des références audio — jusqu'à 3 échantillons vocaux MP3 de 3 à 12 secondes peuvent être ajoutés comme référence de timbre, afin que les dialogues générés se rapprochent de la voix cible.
• Audio natif généré par défaut — les dialogues et effets sonores synchronisés sont produits par défaut avec la vidéo ; il est possible de les désactiver pour obtenir des images muettes, ce qui évite un post-traitement de séparation des pistes audio.
• Durée, format d'image et résolution ajustables — durée de 3 à 16 secondes, cinq formats d'image et cinq paliers de résolution de 540p à 4K : la même voie couvre les besoins en horizontal, vertical et différentes nettetés.

Description des capacités

Génération contrainte par images de référence : saisissez de 1 à 15 images JPG, PNG ou WEBP, citées dans l'ordre au sein du prompt, pour verrouiller l'apparence des personnages, les scènes et les accessoires clés ; idéal pour plusieurs vidéos devant prolonger une même apparence.

Doublage avec référence de timbre : joignez jusqu'à 3 références vocales MP3 de 3 à 12 secondes et précisez dans le prompt le locuteur visé, afin que les dialogues des personnages présentent les caractéristiques du timbre cible.

Activation de l'audio synchronisé : le paramètre audio est activé par défaut et génère un rendu avec dialogues et effets sonores ; une fois désactivé, on obtient une vidéo uniquement visuelle, pratique pour ajouter soi-même doublage et musique en post-production.

Spécifications de sortie personnalisées : prise en charge de cinq formats d'image (16:9, 9:16, 1:1, 4:3, 3:4) et de résolutions de 540p à 4K, pour produire directement des rendus adaptés à différents emplacements de diffusion.

Prompts longs et descriptifs : le prompt peut atteindre 20 000 caractères, ce qui permet d'y intégrer des descriptions structurées telles que la répartition entre plusieurs personnages, les déplacements de caméra et les répliques de dialogue.

Cas d'usage

• Créateurs de contenus courts en série — générer en lot plusieurs courts-métrages à partir d'un même jeu d'images de référence de personnages et de scènes, en conservant l'unité de l'apparence des personnages, pour alimenter directement des publications sur les réseaux sociaux ou des extraits de série.
• Production d'extraits narratifs avec répliques — fournir des images de référence de personnages et des échantillons de timbre, puis rédiger les répliques, pour obtenir un court-métrage avec dialogues synchronisés, utilisable comme prévisualisation de storyboard ou comme matériau final.
• Comparaison de plusieurs propositions pour des films publicitaires et de marque — changer les images de référence et les prompts pour tester rapidement des versions avec différents angles de caméra et modes d'ouverture, afin que l'équipe choisisse une direction avant le tournage officiel.
• Adaptation des matériaux pour une diffusion multiplateforme — générer une version pour chaque format d'image et chaque résolution, afin de couvrir les besoins en matériaux horizontaux, verticaux et en livraison haute définition.

Limites et conseils de sélection

La durée maximale d'une génération est de 16 secondes ; les récits plus longs doivent être générés par segments puis assemblés. Les matériaux de référence sont limités en nombre : au maximum 15 images et 3 pistes audio, les références audio n'étant acceptées qu'en MP3 et de 3 à 12 secondes chacune. En tant que version preview, les capacités et les paramètres pourront évoluer par la suite ; il n'est donc pas recommandé de l'utiliser pour des processus de production de masse exigeant une stabilité de sortie très élevée. Si vous avez seulement besoin de piloter l'image à partir d'une unique première image, vous pouvez choisir la voie de pilotage par première image de la même série ; pour des plans continus plus longs, il convient d'évaluer le coût de post-production lié à l'assemblage par segments.