Vidu Q3

位置づけの概要

Vidu Q3 の参照画像による動画生成ラインは、制御可能な画面と安定した被写体を必要とするショート動画制作に向けられています。開発者は 1〜7 枚の参照画像とプロンプトを送信するだけで、3〜15 秒の動画を生成できます。参照画像は配列の順序に従ってプロンプト内で Image1、Image2 として参照され、キャラクター、物体、または画面スタイルを制約するために用いられます。出力は 720P と 1080P の 2 段階、計 10 種類のアスペクト比に対応し、音声を画面と同期して生成する機能を有効にでき、固定シードによる結果の再現も可能です。広告素材、製品デモ、キャラクターの短いクリップなど、迅速に複数バージョンを試作する必要があるチームに適しています。

主な特長

• 複数画像参照で被写体とスタイルを制約——一度に最大 7 枚の参照画像を渡せ、順序に従って Image1、Image2 としてプロンプト内で指定し、それぞれキャラクター、物体、または画面スタイルを制約します。
• 画面と音声を一度に生成——audio を有効にすると動画と同期して対応する音声が生成され、既定のオフでは無音動画が出力されるため、後から自分で音声を当てるのに便利です。
• 長さとアスペクト比を必要に応じて組み合わせ——長さは 3〜15 秒から選択でき、720P と 1080P の 2 段階にそれぞれ 16:9、4:3、1:1、3:4、9:16 の 5 種類のアスペクト比があります。
• シード固定で再現・反復が容易——0〜2147483647 の乱数シードを指定でき、同じ設定で結果を再現できるため、プロンプト変更の効果を比較しやすくなります。

機能説明

複数参照画像による生成：1〜7 枚の公開アクセス可能な JPG、PNG、WEBP 画像を受け付け、1 枚あたり最大 50MB、アスペクト比 1:4〜4:1 で、キャラクター、物体の外観、または全体的なスタイルを固定するために使用します。

プロンプトでシーンとカメラワークを制御：最大 5000 文字のプロンプトでシーン、動作、カメラの動き、音声を記述でき、Image1、Image2 のインデックスで特定の参照画像を指し示すことで、画像ごとに役割を分担できます。

音声生成は任意：audio スイッチで画面と同期した音声を生成するかどうかを制御し、オフの場合は無音動画を出力するため、自前の音声や音楽のフローに組み込みやすくなります。

解像度とアスペクト比の選択：size パラメータは 720P と 1080P の 2 段階を提供し、それぞれ横長、縦長、正方形、および 2 種類の縦比率をカバーし、異なる掲載枠の完成尺に適合します。

長さとウォーターマークの制御：duration は 3〜15 秒の間で値を取り、watermark は右下隅に AI 生成标识を付けるかどうかを選択でき、出力秒数に応じて課金されます。

適用シーン

• ブランド・広告配信チーム：複数の商品画像 + セールスポイントのコピー——指定したアスペクト比の短い広告クリップを制作し、SNS 配信や EC 詳細ページの表示素材に利用します。
• キャラクターコンテンツ制作者：キャラクター設定画 + ストーリー記述——キャラクターの外観が一貫したストーリーの短いショットを生成し、ショートドラマのクリップ、アニメ風のコンセプト検証、絵コンテプレビューに利用します。
• クリエイティブチーム：スタイル参照画像 + 案の記述——複数バージョンの試作を迅速に制作して A/B 比較を行い、固定シードで変数を制御し、選別後に本番制作へ進みます。
• 製品デモ制作：製品写真 + 使用シーンの記述——静止した製品画像をカメラワーク付きのデモ動画に変換し、公式サイト、発表会、研修資料に利用します。

制限と選定のアドバイス

1 回の出力の長さは 3〜15 秒に制限され、長尺動画や連続するマルチショットの物語を直接カバーすることはできず、完成品には人手による編集・連結が依然として必要です。参照画像は公開アクセス可能で、1 枚あたり 50MB 以下である必要があり、非公開ストレージの画像は先にアクセス可能なアドレスへ変換する必要があります。音声は任意生成の項目であり、画面と正確に同期する必要があるセリフや吹き替えが必要な場合は、無音で出力した後に別途制作する方が制御しやすくなります。現在は参照画像による生成のみに対応し、純粋なテキスト入力は受け付けません。参照素材のないアイデアにはテキストからの動画生成ラインを選択してください。