Vidu Q3 Mix 레퍼런스 투 비디오 프롬프트 레시피: 여러 이미지를 단일 장면으로 융합하기

요약

• vidu-q3-mix/reference-to-video용으로 바로 복사해 붙여넣을 수 있는 레퍼런스 투 비디오 프롬프트 네 가지이며, 각각 hiapi에서 실제로 생성된 클립을 첨부했습니다—스톡 소재도 없고, 단일 정지 이미지로 영상을 대체한 것도 없습니다.
• Q3 Mix는 다중 이미지 혼합 계층입니다. 1–7장의 레퍼런스 이미지(캐릭터, 사물, 장면)를 주면 이를 하나의 동적 장면으로 결합합니다. 아래 레시피는 매번 두 장과 세 장의 정지 이미지를 혼합합니다.
• 혼합의 성패를 가르는 한 가지 규칙: 레퍼런스 이미지에 번호를 매기고 각 이미지에 명확한 역할을 부여하라—"레퍼런스 이미지 1의 드리퍼를 레퍼런스 이미지 2의 유리 서버 위에 올린다"처럼. "이것들을 조합해라"라고 모호하게 말해서는 안 됩니다.
• 이번 실행에서 확인된 것: 세 이미지 혼합(주체 + 효과 + 배경)이 깔끔하게 합성되었고, 출력 픽셀은 표기된 size보다 약간 낮으며, 클립은 H.264입니다(브라우저에서 바로 재생 가능, 트랜스코딩 불필요). 또한 "네이티브 오디오" 태그에도 불구하고 모든 클립이 무음으로 반환되었습니다.
• 프롬프트 하나를 복사하고 자신의 레퍼런스 URL로 바꾼 뒤 /v1/tasks에 POST하세요.

"혼합"이 다른 프롬프트 작업인 이유

Vidu Q3 Mix(ShengShu 제공)는 여러 이미지를 동시에 혼합하는 데 특화된 레퍼런스 투 비디오 계층입니다—최대 일곱 장까지, 캐릭터와 사물, 장면을 하나의 클립으로 혼합합니다. 프롬프트가 모델에게 어떤 이미지가 무엇을 제공하는지 알려주지 않으면 이 능력은 낭비됩니다.

깔끔한 혼합과 탁한 혼합을 구분하는 한 가지 습관: 레퍼런스 이미지에 번호를 매기고 각 이미지에 명확한 역할을 부여하세요. "이 두 장을 하나의 커피 장면으로 조합해라"가 아니라 "레퍼런스 이미지 1의 드리퍼를 레퍼런스 이미지 2의 유리 서버 위에 올린다"라고 쓰세요. 모델은 각 주체를 해당 인덱스에 바인딩합니다. "이것들을 조합해라"는 혼합이 어긋나는 지점입니다—레퍼런스 한 장을 잃어버리거나, 두 주체를 하나로 평균 내거나, 어떤 것을 잘못된 비율로 붙여넣습니다. 이미지 1은 reference_image_urls의 첫 번째 URL이고, 이미지 2는 두 번째이며, 이후도 마찬가지입니다.

아래의 모든 내용은 이 패턴을 사용합니다. 각 레시피는 제가 생성한 정확한 레퍼런스 정지 이미지, 제가 제출한 전체 프롬프트, 그리고 그것이 hiapi에서 생성한 클립을 나열합니다.

레시피 1 — 두 제품, 하나의 히어로 장면(이중 이미지 혼합)

전형적인 "혼합" 작업: 두 개의 개별 제품 샷이 하나의 프레임을 공유해야 합니다. 저는 Q3 Mix에 무광 블랙 핸드드립 드리퍼와 빈 유리 서버를 주었습니다—두 이미지, 두 사물—그리고 두 개가 포개져 추출되도록 요청했습니다.

레퍼런스 이미지 1(드리퍼) 및 레퍼런스 이미지 2(유리 서버):

레퍼런스 이미지 1의 무광 블랙 세라믹 핸드드립 드리퍼가 레퍼런스 이미지 2의 투명 유리 커피 서버 위에 안정적으로 놓여 있고, 둘은 함께 밝은 콘크리트 카페 카운터 위에 있습니다. 느린 푸시인 카메라, 한 줄기 신선한 커피가 드리퍼에서 서버로 떨어지기 시작하고, 증기가 위로 피어오르며, 따뜻한 아침 햇빛이 왼쪽 창문에서 비스듬히 들어옵니다. 고급 제품 광고 질감, 얕은 심도, 부드러운 카페 환경음.

무엇이 혼합되었고, 모델이 무엇을 만들어냈는가. 두 사물 모두 올바르게 배치되었습니다: 이미지 1의 드리퍼가 이미지 2의 서버 위에 앉아 있고, 상대적 비율이 정확하며 형태가 정지 이미지와 매우 잘 일치합니다. 두 제품 사이의 모든 것—콘크리트 카운터, 뒤쪽의 초점이 흐려진 카페, 창문 빛, 서버로 떨어지는 커피, 증기—은 모델이 만들어낸 것이며, 두 레퍼런스 이미지 어디에도 포함되어 있지 않습니다. 이것이 Q3 Mix의 유용한 사고 모델입니다: 당신은 사물을 고정하고, 모델이 주변 세계를 채웁니다. 카메라는 제가 요청한 단일 푸시인을 수행했습니다. 1920*1080으로 5초 렌더링, 전달 파일은 1914×1084(아래 "표기 크기보다 낮은 픽셀" 참조), 이 생성 비용은 약 $0.93.

레시피 2 — 캐릭터를 완전히 새로운 방에 넣기(주체 + 장면)

두 번째로 흔한 혼합은 주체 + 환경입니다: 한 이미지는 누구를, 다른 한 이미지는 어디를 담당합니다. 저는 순수 흰색 배경 위의 봉제 로봇 장난감과, 캐릭터가 없는 햇빛 드는 어린이 침실을 렌더링한 뒤, 전자를 후자에 넣어 달라고 요청했습니다.

레퍼런스 이미지 1의 연한 파란색 봉제 로봇 장난감이 레퍼런스 이미지 2의 햇빛 드는 어린이 침실 나무 바닥에 앉아 있습니다. 천천히 고개를 기울이고 짧은 팔 하나를 들어 카메라를 향해 손을 흔들며, 먼지 입자가 따뜻한 창문 빛 속에서 떠다니고, 부드러운 핸드헬드 푸시인 카메라. 부드럽고 밝은, 시네마틱, 은은한 방 환경음.

무엇이 혼합되었고, 모델이 무엇을 만들어냈는가. 이미지 2의 침실은 거의 그대로 유지되었습니다—책장, 줄무늬 침대, 창문과 그 빛, 카펫 위의 블록이 모두 합성에 남아 있습니다. 이미지 1의 로봇은 그 바닥에 배치되었고 따뜻한 조명에 맞춰져서 방 안에 있는 것처럼 보이지, 붙여넣은 것처럼 보이지 않습니다. 제가 지정한 동작(고개 기울이기와 팔 들어 손 흔들기)을 수행했고, 카메라는 핸드헬드 푸시인을 수행했습니다. 이것이 "장면 속 캐릭터" 패턴입니다: 한 레퍼런스 이미지가 전체 환경을 담당하게 하면, 모델이 주체를 환경에 맞춰 다시 조명합니다. 1280*720, 5초, 약 $0.78.

레시피 3 — 세 장의 이미지, 하나의 장면: 주체 + 효과 + 배경

이 레시피가 "혼합"이라는 이름을 증명합니다. 세 장의 개별 정지 이미지—스니커즈, 컬러 파우더 폭발, 그라디언트 배경—가 각각 뚜렷이 다른 역할을 맡아 하나의 역동적인 제품 샷으로 혼합됩니다.

레퍼런스 이미지 1의 흰색 하이탑 스니커즈가 중앙에 떠 있고, 배경은 레퍼런스 이미지 3의 인디고에서 코럴로 이어지는 그라디언트 배경이며, 동시에 레퍼런스 이미지 2의 청록색과 마젠타색 파우더가 슬로모션으로 바깥으로 터져 나옵니다. 카메라가 신발 주위를 사십오 도 호를 그리며 이동하고, 파우더 궤적이 회전하며 떨어집니다. 역동적인 스니커즈 광고, 극적인 스튜디오 조명, 힘찬 휘익 소리.

무엇이 혼합되었고, 모델이 무엇을 만들어냈는가. 세 레퍼런스 이미지 모두 등장하며 각자의 역할을 유지했습니다: 스니커즈는 주체, 청록색과 마젠타색 파우더는 그것을 감싸는 효과, 인디고에서 코럴로 이어지는 그라디언트는 의심할 여지 없이 배경입니다. 제가 요청한 카메라 호가 보입니다—신발이 5초 동안 화면 기준으로 회전합니다. 세 이미지가 여기서 함께 유지될 수 있었고 더 모호한 프롬프트라면 흐려졌을 이유는: 각 레퍼런스 이미지가 문장에서 겹치지 않는 역할(주체 / 효과 / 배경)을 맡고, 배경을 위해 순서를 바꿔 인용한 "이미지 3"을 포함해 인덱스로 참조했기 때문입니다. 세네 장을 넘어가면 이 규율은 선택 사항이 아닙니다—각 이미지에 명확한 역할을 부여하지 않으면 모델이 가장 약한 이미지를 조용히 버립니다. 1280*720, 5초, 약 $0.78. (이 프레임이 글의 표지입니다.)

레시피 4 — 세로형 소셜: 마스코트가 제품을 보여주기

마지막은 소셜용 9:16 혼합입니다: 한 이미지는 브랜드 마스코트, 다른 한 이미지는 그것이 판매할 제품입니다. 과제는 캐릭터가 제품을 들고 있게 하는 것, 세로형, 피드에 바로 쓸 수 있게 하는 것입니다.

세로형 샷. 레퍼런스 이미지 1의 주황색 만화 여우 마스코트가 레퍼런스 이미지 2의 민트 그린 탄산수 캔을 들어 올리며, 경쾌한 작은 점프와 함께 카메라에 보여주고, 밝은 팝 컬러 스튜디오 배경, 색종이가 흩날립니다. 장난스러운 소셜 광고, 강하고 경쾌한 조명, 활기찬 탄산 소리.

무엇이 혼합되었고, 모델이 무엇을 만들어냈는가. 여우는 이미지 1의 디자인(주황색 털, 초록 스카프, 큰 눈)을 유지했고, 캔은 이미지 2의 무광 민트 그린 표면을 유지했으며, 캐릭터의 앞발이 그것을 감쌌습니다—"들어 올리다... 카메라에 보여주다"라는 동사가 두 레퍼런스 이미지를 두 사물이 화면을 공유하는 것이 아니라 하나의 동작으로 묶었습니다. 팝 컬러 배경과 색종이는 만들어낸 것입니다. 세로형 size(720*1280)를 선택해야 세로형이 됩니다; aspect_ratio 필드는 없습니다(아래 참조). 4초, 약 $0.62.

이 레시피들을 실행한 뒤 배운 것

크레딧을 쓰기 전에 알아둘 만한 다섯 가지, 모두 이번 테스트 배치에서 나온 것입니다:

• 인덱스 바인딩이 핵심입니다. 여기 모든 클립이 "레퍼런스 이미지 N의 X"를 따랐습니다. 두 주체가 상호작용하게 하고 싶을 때는 나란히 나열하지 말고, 둘을 연결하는 동사를 동작에 부여하세요("들어 올리다", "...위에 올려놓다").
• 당신은 사물을 고정하고, 모델은 연결 조직을 만들어냅니다. 카운터, 방 전체의 조명, 색종이, 회전하는 파우더—이 중 어느 것도 레퍼런스 이미지에 없습니다. "장면 속 주체"에는 이것이 장점이지만, 보존해야 하는 것은 무엇이든 반드시 레퍼런스 이미지에서 와야 한다는 뜻이기도 합니다.
• 전달 픽셀이 표기된 size보다 약간 낮습니다. 1920*1080은 1914×1084로, 1280*720은 1276×722로, 720*1280은 722×1276으로 반환됩니다. 웹에는 충분히 가깝지만 다운스트림에서 정확한 크기를 하드코딩하지 마세요.
• 출력은 H.264이며 바로 임베드 가능합니다. HEVC로 전달되는 4K 계층과 달리, 이 클립들은 재인코딩 없이 바로 인라인 재생할 수 있습니다—이 페이지의 모든 비디오는 API가 직접 반환한 파일입니다.
• "네이티브 오디오"라고 해서 오디오가 나오지는 않았습니다. 네 클립 모두 무음, 비디오 전용 MP4로 반환되었습니다—모델에 "네이티브 오디오" 태그가 있고 제 프롬프트에 소리 단서("부드러운 카페 환경음", "힘찬 휘익 소리")가 포함되어 있었는데도 말입니다. 플랫폼 자체의 Q3 Mix 예시 클립도 무음입니다. 후반 작업에서 소리를 추가할 계획을 세우거나, 음성 트랙이 타협 불가라면 명시적 오디오 입력이 있는 계층을 사용하세요—Vidu Q4 Preview 레시피가 음성 레퍼런스 워크플로를 다룹니다.

/v1/tasks로 어떤 레시피든 재현하기

레퍼런스 투 비디오는 비동기 작업 API에서 실행됩니다: 작업을 제출하고, 상태가 success가 될 때까지 폴링한 뒤, output[0].url에서 클립을 다운로드하세요(이 URL은 유효 기간이 짧습니다—파일을 즉시 저장하세요).

curl -X POST https://api.hiapi.ai/v1/tasks \
  -H "Authorization: Bearer $HIAPI_TOKEN" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "vidu-q3-mix/reference-to-video",
    "input": {
      "prompt": "레퍼런스 이미지 1의 드리퍼를 레퍼런스 이미지 2의 유리 서버 위에...",
      "reference_image_urls": [
        "https://your-host/dripper.png",
        "https://your-host/carafe.png"
      ],
      "duration": 5,
      "size": "1920*1080"
    }
  }'
# -> {"data":{"taskId":"tk-..."}}   그런 다음 GET /v1/tasks/tk-... 를 status == "success"가 될 때까지

import requests, time

H = {"Authorization": f"Bearer {TOKEN}"}
job = requests.post("https://api.hiapi.ai/v1/tasks", headers=H, json={
    "model": "vidu-q3-mix/reference-to-video",
    "input": {"prompt": PROMPT, "reference_image_urls": REFS,
              "duration": 5, "size": "1920*1080"},
}).json()["data"]["taskId"]

while True:
    t = requests.get(f"https://api.hiapi.ai/v1/tasks/{job}", headers=H).json()["data"]
    if t["status"] in ("success", "fail"):
        break
    time.sleep(5)

open("clip.mp4", "wb").write(requests.get(t["output"][0]["url"]).content)

레시피를 복사하기 전에 알아둘 만한 필드 규칙:

• reference_image_urls는 1–7장의 이미지를 받습니다. 여덟 번째는 400 maxItems: want 7을 반환합니다.
• duration은 정수이며, 1초에서 16초까지입니다. 4.5나 99 같은 소수는 제출 시 거부됩니다.
• 형태는 aspect_ratio가 아니라 size로 설정합니다—aspect_ratio(또는 resolution)를 전달하면 400 additional properties not allowed가 반환됩니다. 열 가지 size 값은 720급과 1080급 두 계층에 걸친 다섯 가지 화면 비율입니다; 세로형에는 세로형 값을, 16:9에는 가로형 값을 선택하세요.
• 오디오 레퍼런스 필드는 없습니다—reference_audio_urls는 거부됩니다. 오디오 샘플로 음성을 구동해야 한다면 그것은 Q3 Mix가 아니라 Q4 Preview 계층입니다.
• 초당 과금(720급 vs 1080급)은 가격 페이지에 있습니다; 여기 네 클립은 각각 약 $0.62–$0.93이 들었습니다. 먼저 720급 size에서 구도를 반복한 뒤, 최종 버전을 1080에서 다시 실행하세요.

자주 묻는 질문

Q3 Mix는 레퍼런스 이미지를 몇 장까지 혼합할 수 있나요? 한 장에서 일곱 장까지입니다. 두 장이 흔한 경우(주체 + 장면)이고, 위의 스니커즈 레시피처럼 각 이미지가 뚜렷이 다른 역할을 맡는다면 세 장도 깔끔하게 합성됩니다. 네 장을 넘어가면 각 레퍼런스 이미지에 명확하고 겹치지 않는 역할을 부여하세요, 그렇지 않으면 모델이 가장 약한 이미지를 버리기 시작합니다.

어떤 이미지가 주체이고 어떤 것이 배경인지 어떻게 제어하나요? 인덱스로 참조하고 같은 문장에서 역할을 할당하세요: "레퍼런스 이미지 1의 스니커즈... 배경은 레퍼런스 이미지 3의 배경." reference_image_urls의 URL 순서가 인덱스 순서입니다—이미지 1은 첫 번째 URL입니다.

Q3 Mix는 오디오를 자동으로 추가하나요? 제 테스트에서는 아닙니다. "네이티브 오디오" 태그에도 불구하고 네 클립 모두—그리고 플랫폼 자체의 Q3 Mix 예시도—프롬프트에 소리 어휘가 포함되었음에도 무음 MP4로 반환되었습니다. Q3 Mix를 화면 전용 생성기로 보고 후반 작업에서 오디오를 추가하거나, 명시적 오디오 입력이 있는 계층으로 전환하세요.

4K나 사용자 지정 화면 비율을 얻을 수 있나요? 4K는 없습니다—Q3 Mix는 최대 1080급 size 값입니다. 화면 비율은 size에서 선택하는 다섯 가지 형태 중 하나입니다(가로형, 세로형, 정사각형). 4K나 음성 레퍼런스가 필요하면 Vidu Q4 Preview를 대신 사용하세요.

Q3 Mix와 Q3 Ad—어느 것을 선택해야 하나요? 호출 인터페이스는 거의 동일합니다(1–7장 이미지, 동일한 열 가지 size 값, 오디오 입력 없음)이므로 프롬프트를 거의 그대로 이식할 수 있습니다. 요구가 제품 광고일 때는 Q3 Ad를 선택하세요—스마트 편집과 마케팅 샷 무브에 최적화되어 있습니다; 일반적인 다중 주체 혼합에는 Q3 Mix를 선택하세요. 초당 요금은 비슷하지만 완전히 같지는 않습니다; 가격 페이지를 확인하세요.

제 혼합이 왜 레퍼런스 이미지 한 장을 무시했나요? 거의 항상 모델 한계가 아니라 프롬프트 바인딩 문제입니다. 레퍼런스 이미지가 문장에서 명확한 역할을 갖지 못하면 다른 레퍼런스와 경쟁하다가 실패합니다. 동사와 위치를 부여하고("레퍼런스 이미지 2의 캔을 들어 올린다"), 충돌하는 레퍼런스는 비율상 거리를 두세요.

---

시도해 볼 준비가 되셨나요? vidu-q3-mix/reference-to-video 모델 페이지를 열고, 빠른 시작에서 키를 받은 뒤, 위의 레시피를 붙여넣고 자신의 레퍼런스 URL로 바꾸세요. 혼합에서 카메라 무브를 계획하고 싶으신가요? 시네마틱 카메라 무브 프롬프트를 이들 중 어느 것에든 바로 사용할 수 있습니다.