Come si usa l'API Vidu Q4 Preview image-to-video? Crea un video 4K con audio in 5 minuti

TL;DR

• Cos'è: Vidu Q4 Preview image-to-video è disponibile su HiAPI. Apri la pagina del modello, carica un primo fotogramma e scrivi una frase di azione per ottenere un video da 3 a 16 secondi, fino a 4K, con audio nativo attivo per impostazione predefinita. I nuovi utenti registrati ricevono 200 crediti.
• Quanto costa: si paga in base ai secondi interi inviati moltiplicati per il prezzo unitario della risoluzione scelta: 540p $0,0515/secondo, 720p $0,109/secondo, 1080p $0,1375/secondo, 2K $0,2175/secondo, 4K $0,446/secondo. 5 secondi a 720p costano $0,545, 5 secondi a 4K costano $2,23; l'interruttore audio non incide sul prezzo.
• Come provarlo subito: dalla pagina del modello carica il primo fotogramma, scegli 720p e 5 secondi e avvia; per integrarlo in un prodotto usa POST https://api.hiapi.ai/v1/tasks con model impostato su vidu-q4-preview/image-to-video.

Cos'è Vidu Q4 Preview? Cosa aggiunge rispetto a Q3 Mix

L'input è composto da un solo primo fotogramma. Composizione, posizione della camera, luce e formato sono determinati da questa immagine; il modello si occupa di aggiungere movimento, movimenti di camera e audio, restituendo un MP4.

Rispetto al video di riferimento di Q3 Mix, l'image-to-video di Q4 presenta tre cambiamenti concreti:

• Un solo primo fotogramma per 3–16 secondi. Non servono più immagini di riferimento: una singola immagine basta per l'intera inquadratura; la durata si inserisce in secondi interi, predefinito 5 secondi.
• Fino a 4K. Cinque livelli disponibili: 540p, 720p, 1080p, 2K e 4K. Il limite del video di riferimento di Q3 Mix è 1080P, mentre Q4 porta l'image-to-video fino a 4K.
• Audio nativo attivo per impostazione predefinita. audio è true per impostazione predefinita: i suoni ambientali, i dialoghi e gli effetti sonori scritti nel prompt vengono generati insieme; solo impostandolo su false si ottiene un video senza audio, senza variazione di prezzo.
• Parametri molto ridotti. Solo cinque campi: image_url, prompt, duration, resolution e audio. Non esiste aspect_ratio: se lo invii restituisce 400; il formato segue solo il primo fotogramma.

Il video dell'idrovolante qui sotto è un filmato da 5 secondi a 720p generato da un singolo primo fotogramma: l'avvicinamento della camera, l'avvio dell'elica e le increspature sull'acqua sono tutti descritti nel prompt:

Il pilota saluta, il motore dell'idrovolante si accende, l'elica inizia a girare, l'acqua si increspa, la camera si avvicina lentamente, luce dorata del mattino.

Genera con questo prompt → Il link precompila solo il prompt testuale; dopo l'apertura devi caricare tu il primo fotogramma e impostare la risoluzione su 720p e la durata su 5 secondi.

Prova online: il primo video in 5 passi

1. Apri la pagina del modello Vidu Q4 Preview image-to-video; dopo l'accesso i nuovi account hanno 200 crediti.
2. Carica il primo fotogramma: sono supportati JPG/JPEG/PNG/WEBP, max 50MB per immagine. Assicurati che questo fotogramma sia davvero il secondo 0 che desideri.
3. Nel campo del prompt scrivi solo le azioni, i movimenti di camera e i suoni da aggiungere; non ripetere ciò che è già presente nell'immagine.
4. Imposta una durata in secondi interi tra 3 e 16, iniziando da 5; per la risoluzione scegli prima 720p. Lascia l'audio attivo.
5. Invia, scarica il video quando è pronto, poi decidi se rigenerarlo a risoluzione più alta.

200 crediti equivalgono a circa $0,10, non bastano per un video da 3 secondi a 540p; si consiglia di ricaricare $10 per il primo livello.

Integrazione API: 4 passi per essere operativi

1. Crea una API Key nella console.
2. Esegui POST https://api.hiapi.ai/v1/tasks, imposta model su vidu-q4-preview/image-to-video e inserisci i campi in input.
3. Dopo aver ottenuto il taskId, esegui polling con GET /v1/tasks/{taskId} oppure configura callback al livello superiore del corpo della richiesta.
4. Quando status diventa success, scarica l'MP4 da output[0].url.

curl eseguibile

curl -s -X POST https://api.hiapi.ai/v1/tasks \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "vidu-q4-preview/image-to-video",
    "input": {
      "image_url": "https://your-cdn.com/first-frame.jpg",
      "prompt": "Il pilota saluta, il motore dell'idrovolante si accende, l'elica inizia a girare, l'acqua si increspa, la camera si avvicina lentamente, luce dorata del mattino.",
      "duration": 5,
      "resolution": "720p",
      "audio": true
    }
  }'

L'ID del task si trova in data.taskId; per la richiesta di stato usa la stessa Bearer Key:

curl -s https://api.hiapi.ai/v1/tasks/YOUR_TASK_ID \
  -H "Authorization: Bearer YOUR_API_KEY"

data.status passa attraverso queued, handling, archiving, success o fail. archiving indica che l'elaborazione è ancora in corso, non un errore.

Versione Python: creazione, polling, download

import time
import requests

BASE = "https://api.hiapi.ai/v1/tasks"
HEADERS = {"Authorization": "Bearer YOUR_API_KEY"}

payload = {
    "model": "vidu-q4-preview/image-to-video",
    "input": {
        "image_url": "https://your-cdn.com/first-frame.jpg",
        "prompt": "Il pilota saluta, il motore dell'idrovolante si accende, l'elica inizia a girare, l'acqua si increspa, la camera si avvicina lentamente, luce dorata del mattino.",
        "duration": 5,
        "resolution": "720p",
        "audio": True,
    },
}

task_id = requests.post(BASE, headers=HEADERS, json=payload, timeout=30).json()["data"]["taskId"]

while True:
    data = requests.get(f"{BASE}/{task_id}", headers=HEADERS, timeout=30).json()["data"]
    if data["status"] in ("success", "fail"):
        break
    time.sleep(5)

if data["status"] == "success":
    with open("vidu-q4.mp4", "wb") as f:
        f.write(requests.get(data["output"][0]["url"], timeout=120).content)
    print("saved vidu-q4.mp4")
else:
    print(data.get("error"))

I task video richiedono in genere da decine di secondi a qualche minuto; un intervallo di polling di 5 secondi è sufficiente e si consiglia di impostare un timeout massimo di 10–15 minuti.

Come configurare primo fotogramma, formato, audio e risoluzione

Il primo fotogramma determina il formato. Non esiste il campo aspect_ratio: le proporzioni del video seguono completamente il primo fotogramma, con rapporto larghezza/altezza compreso tra 1:4 e 4:1. Per un formato verticale, ritaglia prima il primo fotogramma in 9:16 e poi caricalo; se carichi un'immagine verticale 4:7, anche il video sarà 4:7.

L'audio è incluso per impostazione predefinita. Nel prompt del video da 5 secondi a 720p della barista sono indicati il brusio del caffè e il vapore della macchina del caffè: l'audio viene generato insieme:

La barista posa la brocca del latte, il disegno nella tazza si fissa in forma di foglia, il vapore sale; lei alza lo sguardo verso la camera e sorride. Sullo sfondo il brusio del caffè e il vapore della macchina del caffè. Avvicinamento lento a mano, luce calda del mattino che filtra dalla finestra.

Genera con questo prompt → Anche in questo caso, dopo l'apertura devi caricare questo primo fotogramma in formato verticale e scegliere 720p come risoluzione.

Impostando audio su false si ottiene un video senza audio, senza variazione di prezzo. Disattivalo solo quando ti serve solo l'immagine e preferisci aggiungere la musica in post-produzione.

Scegli la risoluzione in base alla fase. Usa 540p o 720p per testare la direzione, poi passa a 2K / 4K per la versione definitiva. Il 4K costa $0,446 al secondo, circa 8,7 volte il 540p; un video da 16 secondi a 4K costa $7,136, mentre gli stessi 16 secondi a 720p costano $1,744. Con $10 si possono generare circa 38 video da 5 secondi a 540p, 18 da 5 secondi a 720p, 4 da 5 secondi a 4K.

La durata si paga in secondi interi. duration accetta solo numeri interi da 3 a 16, predefinito 5; la fatturazione è pari ai secondi interi inviati moltiplicati per il prezzo unitario al secondo. 16 secondi costano come 16 secondi, senza arrotondamenti a scaglioni superiori.

3 cose da sapere prima del lancio

1. Callback più polling come rete di sicurezza. Aggiungi al livello superiore del corpo della richiesta "callback": {"url": "https://yourapp.com/hook", "when": "final"}: riceverai notifiche sia in caso di successo sia di errore; i callback possono essere consegnati più volte, deduplica per taskId e mantieni un controllo periodico come compensazione.
2. In caso di timeout non inviare di nuovo la POST. Ogni invio crea un nuovo task e viene fatturato al secondo. Salva il taskId, e in caso di problemi di rete interroga lo stesso ID invece di inviare di nuovo.
3. Specifica esplicitamente duration e resolution. I valori predefiniti sono 5 secondi e 720p; se non li specifichi, il video viene generato e fatturato con i valori predefiniti. Per l'image-to-video non includere aspect_ratio o reference_image_urls: questi campi appartengono ad altre modalità e restituiscono direttamente 400.
4. I link ai risultati scadono. L'url in output contiene expireAt: appena lo ricevi, salvalo nel tuo storage.

Domande frequenti

L'image-to-video accetta due immagini, primo e ultimo fotogramma? No, accetta solo un image_url. Per combinare più immagini di riferimento, usa il modello image-to-video della stessa serie.

Posso scegliere 16:9 o 9:16? No, il formato segue il primo fotogramma. Ritaglia prima il primo fotogramma nel rapporto desiderato, poi caricalo.

Disattivare l'audio costa meno? No, audio non incide sul prezzo: con o senza audio il costo è lo stesso.

Quanto costa un singolo video? Secondi interi inviati × prezzo unitario della risoluzione. 5 secondi a 720p costano $0,545, 10 secondi a 1080p costano $1,375, 16 secondi a 4K costano $7,136.

Genera subito il tuo primo video

Copia il prompt dell'idrovolante qui sopra, apri la pagina del modello Vidu Q4 Preview image-to-video, carica il primo fotogramma, scegli 720p / 5 secondi e ottieni un video con audio per $0,545. Dopo aver verificato inquadratura e ritmo, cambia resolution in 2k o 4k e rigenera la versione finale. Per tutti i parametri consulta la documentazione di integrazione.

Letture correlate: Prezzi di Vidu Q4 Preview · Vidu Q4 Preview vs Kling 3.0 · Raccolta di prompt per image-to-video