Vidu Q4 Preview 레퍼런스 투 비디오 프롬프트 레시피: 바로 복사할 수 있는 프롬프트와 실제 출력

TL;DR

• 바로 복사할 수 있는 레퍼런스 투 비디오 프롬프트 레시피 다섯 가지로, vidu-q4-preview/reference-to-video를 대상으로 하며, 각각 hiapi에서 실제로 생성된 클립과 함께 제공됩니다 — 스톡 소재도, 렌더 이미지도 아닙니다.
• 레퍼런스 투 비디오는 "여러 정지 이미지를 하나의 샷으로 융합"하는 모드입니다. 1–15장의 레퍼런스 이미지를 주고, 선택적으로 최대 3개의 레퍼런스 오디오를 제공하면, 3–16초의 단일 샷으로 렌더링하며 최대 4K까지 지원합니다.
• 실제 4K 시네마틱 클립과 사용 가능한 오디오 레퍼런스("말하는 진행자") 예시를 포함하며, 정확한 reference_audio_urls 요청을 보여줍니다.
• 출력을 실제로 바꾼 프롬프트 규칙: 번호로 각 레퍼런스를 지칭하기, 샷을 하나의 연속 동작으로 작성하기, 오디오를 첨부할 때 프롬프트에 대사를 유지하기.
• JSON을 복사하고, 자신의 레퍼런스 URL로 바꾼 뒤 /v1/tasks에 POST하세요.

vidu-q4-preview/reference-to-video의 역할

Vidu Q4 Preview(생수커지 제작)는 hiapi에서 두 가지 제품 라인을 제공하며, 서로 호환되지 않습니다:

• reference-to-video(이 페이지): 레퍼런스 이미지 세트 — 캐릭터, 장소, 제품, 소품 — 를 제공하면 모델이 이를 하나의 움직이는 샷으로 조합합니다. 필드는 reference_image_urls이며 1–15장의 이미지를 받습니다.
• image-to-video(레시피는 여기): 단일 첫 프레임(image_url)을 제공하면 그 프레임을 앞으로 애니메이션화합니다. reference_image_urls는 완전히 거부합니다.

따라서 서로 독립적인 주체를 조합해 하나의 장면으로 만들고 싶을 때는 레퍼런스 투 비디오를 선택하고, 정확한 시작 프레임이 이미 있어 움직임만 원할 때는 이미지 투 비디오를 선택하세요. Vidu Q3 레퍼런스 시리즈 페이지를 사용해 본 적이 있다면, 여기서의 도약은 구체적입니다: Q4 Preview는 4K 출력을 추가했고(Q3는 최대 1080p), 레퍼런스 예산을 1–15장 이미지로 늘렸습니다(Q3 Mix는 1–7장 허용). 두 세대 모두 오디오 레퍼런스를 받아들이지만, 이 레시피들은 Q4의 더 큰 이미지 예산과 4K를 활용하는 데 중점을 둡니다.

검증된 입력 스키마(2026년 10월 /v1/tasks에 대해 실측):

필드	필수	값
prompt	예	자유 텍스트; 번호로 레퍼런스 주체 지칭
reference_image_urls	예	배열, 1–15개의 공개 이미지 URL
reference_audio_urls	아니오	배열, 최대 3개의 오디오 URL(목소리/효과음 레퍼런스)
resolution	아니오	540p · 720p · 1080p · 2k · 4k
duration	아니오	정수, 3–16초
aspect_ratio	아니오	16:9 · 9:16 · 1:1 · 4:3 · 3:4

가격은 해상도별 고정 초당 요금입니다(따라서 5초 클립은 초당 단가 × 5). 2026년 10월 기준 hiapi에서: 540p $0.0515/초, 720p $0.109/초, 1080p $0.1375/초, 2K $0.2175/초, 4K $0.446/초. 전체 수치는 가격 페이지를 참고하세요. 실용적인 결론은: 720p에서 프롬프트를 반복하고, 만족스러운 것을 4K로 다시 실행하세요 — 프롬프트 자체는 아무것도 바뀌지 않고 배수만 바뀝니다.

이 결과를 어떻게 얻었는가(재현 가능하도록)

아래 각 클립은 hiapi의 비동기 작업 API를 통해 생성되었습니다. 흐름은 항상 같습니다:

1. 레퍼런스 이미지는 공개적으로 접근 가능해야 합니다. 우리는 gpt-image-2/text-to-image로 자체 이미지를 생성하고, 정적 버킷에 업로드한 뒤 그 URL을 전달했습니다 — 이미 호스팅된 이미지라면 무엇이든 사용할 수 있습니다.
2. 각 레시피에 제시된 요청 본문으로 POST /v1/tasks를 실행합니다.
3. GET /v1/tasks/{taskId}를 폴링하여 status가 success가 될 때까지 기다린 뒤 output[0].url을 다운로드합니다(제한 시간 링크이므로 즉시 저장하세요).

빠른 시작 문서는 hiapi 문서를 참고하세요. 최소 요청은 다음과 같습니다:

curl -X POST https://api.hiapi.ai/v1/tasks \
  -H "Authorization: Bearer $HIAPI_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "vidu-q4-preview/reference-to-video",
    "input": {
      "prompt": "...",
      "reference_image_urls": ["https://.../subject.jpg"],
      "resolution": "1080p",
      "duration": 5,
      "aspect_ratio": "16:9"
    }
  }'

다음은 레시피입니다.

레시피 1 — 단일 레퍼런스 빠른 시작

최적 용도: 가장 단순한 레퍼런스 투 비디오 — 하나의 주체, 깔끔한 애니메이션. 융합을 시작하기 전에 여기서 시작하세요.

입력 레퍼런스 이미지:

실제 출력(720p, 3초):

{
  "model": "vidu-q4-preview/reference-to-video",
  "input": {
    "prompt": "레퍼런스 이미지 1의 보송보송한 파란 곰이 눈밭에서 앞으로 천천히 두 걸음 걷다가 고개를 들어 카메라를 바라보며 한쪽 발을 흔든다. 부드럽게 내리는 눈, 시네마틱 소프트 조명.",
    "reference_image_urls": ["https://static.hiapi.ai/blog/vidu-q4-preview-reference-to-video-prompt-recipes/refs/smoke_bear.jpg"],
    "resolution": "720p",
    "duration": 3,
    "aspect_ratio": "16:9"
  }
}

효과적인 이유: 이미지가 한 장뿐이어도 그것을 지목하면("레퍼런스 이미지 1의 보송보송한 파란 곰") 주체가 고정되어, 모델이 새로 만들어내지 않고 그 곰을 애니메이션화합니다. 짧고 구체적인 동작("두 걸음 걷다가… 한쪽 발을 흔든다")은 3초 안에 모호한 "움직이게 해줘"보다 깔끔하게 렌더링됩니다. 참고 오디오를 첨부하지 않았는데도 클립에 환경음 트랙이 포함되어 돌아온 점에 주목하세요.

레시피 2 — 시네마틱 4K, 캐릭터 + 장면 융합

최적 용도: 메인 비주얼 샷. 두 장의 레퍼런스 — 주체와 환경 — 를 융합해 분위기 있는 샷으로 만들고 4K로 마무리합니다.

입력 레퍼런스(주체 + 장소):

실제 출력(4K, 3초):

{
  "model": "vidu-q4-preview/reference-to-video",
  "input": {
    "prompt": "레퍼런스 이미지 1의 황동 태엽 부엉이가 레퍼런스 이미지 2의 촛불이 흔들리는 작업실로 날아들어 날개가 웅웅거리고 기어가 보이며, 나무 작업대 위에 살포시 내려앉는다. 천천히 고개를 카메라 쪽으로 돌리며 한 번 눈을 깜빡인다. 따뜻한 호박색 촛불이 일렁이고, 먼지 입자가 떠다니며, 얕은 심도의 시네마틱 느낌.",
    "reference_image_urls": ["https://static.hiapi.ai/blog/vidu-q4-preview-reference-to-video-prompt-recipes/refs/owl_char.jpg", "https://static.hiapi.ai/blog/vidu-q4-preview-reference-to-video-prompt-recipes/refs/clock_workshop.jpg"],
    "resolution": "4k",
    "duration": 3,
    "aspect_ratio": "16:9"
  }
}

효과적인 이유: 프롬프트가 각 레퍼런스에 역할을 부여합니다 — 이미지 1은 배우, 이미지 2는 무대 배경 — 그래서 모델은 어느 정지 이미지가 주체이고 어느 것이 배경인지 압니다. 카메라 방향은 하나의 연속된 구상(날아들기 → 착륙 → 카메라로 돌아보기)이고, 레퍼런스 투 비디오는 이를 끊김 없는 하나의 샷으로 렌더링합니다. $0.446/초 기준으로 이 3초 4K 클립은 약 $1.34입니다. 우리는 먼저 720p에서 구도를 검증했습니다.

레시피 3 — 오디오 레퍼런스(말하는 진행자)

최적 용도: 특정 목소리로 말하는 캐릭터. 오디오를 reference_audio_urls로 첨부하고, 오디오가 음색을, 프롬프트가 대사와 립싱크를 설정합니다.

입력 레퍼런스 이미지:

입력 레퍼런스 오디오: presenter_voice.mp3(우리는 qwen-audio-3.0-tts-plus로 이 대사를 생성했습니다; 이미 호스팅된 오디오 URL이면 무엇이든 사용 가능합니다).

실제 출력(1080p, 5초):

{
  "model": "vidu-q4-preview/reference-to-video",
  "input": {
    "prompt": "레퍼런스 이미지 1의 진행자가 카메라를 정면으로 바라보며 레퍼런스 오디오 1의 목소리로 이 대사를 말하고, 입 모양이 자연스럽게 동기화되며, 머리를 살짝 흔들고, 따뜻하게 미소 짓는다. 안정적인 스튜디오 카메라, 부드러운 조명, 약간의 호흡감.",
    "reference_image_urls": ["https://static.hiapi.ai/blog/vidu-q4-preview-reference-to-video-prompt-recipes/refs/presenter.jpg"],
    "reference_audio_urls": ["https://static.hiapi.ai/blog/vidu-q4-preview-reference-to-video-prompt-recipes/audio/presenter_voice.mp3"],
    "resolution": "1080p",
    "duration": 5,
    "aspect_ratio": "16:9"
  }
}

효과적인 이유: 핵심 문구는 "레퍼런스 오디오 1의 목소리로 이 대사를 말한다"입니다. 오디오 레퍼런스가 목소리를, 프롬프트가 여전히 연기 지시("자연스러운 립싱크", "따뜻한 미소")를 담당합니다. 오디오 클립 길이를 duration에 가깝게 맞추면 음성이 샷 안에 들어갑니다. reference_audio_urls는 배열이므로 — 여러 목소리 또는 하나의 목소리와 환경음 레이어를 참조하려면 최대 세 개의 클립을 전달할 수 있습니다.

레시피 4 — 세 레퍼런스 제품 융합

최적 용도: 서로 독립적인 제품 정지 이미지로 상업적 느낌의 구도 만들기 — 병, 소품, 대면 — 을 하나의 장면으로 배치.

입력 레퍼런스(제품 + 소품 + 장면):

실제 출력(1080p, 4초):

{
  "model": "vidu-q4-preview/reference-to-video",
  "input": {
    "prompt": "장면을 구성한다: 레퍼런스 이미지 1의 무광 세럼 병을 레퍼런스 이미지 3의 대리석 화장대 위에 똑바로 세우고, 레퍼런스 이미지 2의 유칼립투스 가지를 그 옆에 기대어 놓는다. 느린 시네마틱 푸시인, 병 표면을 타고 흐르는 물방울 하나, 부드러운 아침 빛, 은은한 김. 하이엔드 스킨케어 광고 질감.",
    "reference_image_urls": ["https://static.hiapi.ai/blog/vidu-q4-preview-reference-to-video-prompt-recipes/refs/serum_bottle.jpg", "https://static.hiapi.ai/blog/vidu-q4-preview-reference-to-video-prompt-recipes/refs/eucalyptus.jpg", "https://static.hiapi.ai/blog/vidu-q4-preview-reference-to-video-prompt-recipes/refs/marble_vanity.jpg"],
    "resolution": "1080p",
    "duration": 4,
    "aspect_ratio": "16:9"
  }
}

효과적인 이유: 깔끔하고 독립적인 세 장의 정지 이미지(각 주체가 단색 배경 위에 있음)가 모델에 모호함 없는 부품을 제공합니다. 프롬프트는 공간 배치를 명시하고("화장대 위에", "그 옆에") 정확한 번호로 각 이미지를 지칭합니다. 레퍼런스 이미지 자체가 어수선하거나, 각 요소가 어디에 놓일지 알려주지 않고 "이것들을 합쳐줘"라고만 하면 융합이 어긋납니다.

레시피 5 — 세로형 소셜 루프(9:16)

최적 용도: 숏폼 플랫폼. 같은 모델, 같은 프롬프트 규율, 단지 aspect_ratio: "9:16".

입력 레퍼런스 이미지:

실제 출력(720p, 5초, 세로형):

{
  "model": "vidu-q4-preview/reference-to-video",
  "input": {
    "prompt": "레퍼런스 이미지 1의 흰색-청록색 로봇 마스코트가 양팔을 흔들며 신나게 작게 점프하고, 마지막에 카메라를 향해 엄지를 치켜든다. 색색의 종이 조각이 터져 나오고, 탄력 있는 동작, 밝고 경쾌한 조명, 세로형 소셜 미디어 구도.",
    "reference_image_urls": ["https://static.hiapi.ai/blog/vidu-q4-preview-reference-to-video-prompt-recipes/refs/robot_mascot.jpg"],
    "resolution": "720p",
    "duration": 5,
    "aspect_ratio": "9:16"
  }
}

효과적인 이유: aspect_ratio는 출력 프레임을 제어하므로 세로형 클립은 9:16만 설정하면 됩니다 — 레퍼런스 이미지는 어떤 형태든 가능합니다. 소셜 루프의 경우 캐릭터에 명확한 시작—중간—끝 리듬(손 흔들기 → 점프 → 엄지 척)을 주어야 5초가 파편이 아니라 완결된 짧은 순간으로 읽힙니다.

출력을 실제로 바꾼 프롬프트 작성 규칙

• 레퍼런스에 번호를 매기세요. "레퍼런스 이미지 1의 부엉이", "레퍼런스 이미지 2의 장면". 모델은 주체를 번호와 연결하므로 "이 이미지들을 합쳐줘"가 바로 융합이 잘못되는 원인입니다.
• 각 레퍼런스에 역할을 주세요. 어느 정지 이미지가 배우, 어느 것이 배경, 어느 것이 소품인지 명시하세요. 애매하면 모델이 추측합니다.
• 샷을 하나의 동작으로 작성하세요. 레퍼런스 투 비디오는 3–16초의 단일 연속 샷입니다. 하나의 샷 구상("푸시인", "날아들어 착륙")이 다중 샷 목록보다 낫습니다.
• 오디오를 쓸 때는 오디오를 지목하고 대사를 유지하세요. "레퍼런스 오디오 1의 목소리로 말한다" + 프롬프트에 실제 문장. 오디오 길이를 duration과 맞추세요.
• 저렴한 반복, 4K로 확정. 해상도는 프롬프트를 건드리지 않는 고정 초당 배수입니다 — 먼저 720p에서 샷을 검증하고, 승자를 4K로 다시 실행하세요.

FAQ

Vidu Q4 Preview에서 레퍼런스 투 비디오와 이미지 투 비디오의 차이는? 레퍼런스 투 비디오는 이미지 세트(reference_image_urls, 1–15장)를 받아 하나의 샷으로 조합합니다. 이미지 투 비디오는 단일 첫 프레임(image_url)을 받아 애니메이션화하며 reference_image_urls를 거부합니다. 서로 독립적인 주체를 융합하려면 레퍼런스 투 비디오, 정확한 시작 프레임이 이미 있으면 이미지 투 비디오를 사용하세요.

레퍼런스 오디오는 어떻게 추가하나요? reference_audio_urls — 최대 세 개의 공개 오디오 URL 배열 — 를 전달하고 프롬프트에 "레퍼런스 오디오 1의 목소리로 말한다"고 알려주세요. 오디오가 음색을, 프롬프트가 대사와 립싱크를 설정합니다.

레퍼런스 이미지를 몇 장까지 쓸 수 있나요? 1에서 15장. 간단한 애니메이션은 한 장이면 충분하고, 캐릭터·장소·소품을 하나의 장면에 융합하려면 더 많이 주세요.

어떤 해상도와 길이를 지원하나요? 해상도 540p, 720p, 1080p, 2k, 4k; 길이는 3–16초 정수; 화면 비율 16:9, 9:16, 1:1, 4:3, 3:4.

4K 클립 하나에 비용이 얼마인가요? 4K는 초당 $0.446이므로 3초 4K 클립은 약 $1.34, 5초는 약 $2.23입니다. 낮은 해상도는 훨씬 저렴합니다(720p는 초당 $0.109). 현재 수치는 가격 페이지를 확인하세요.

레퍼런스 이미지는 공개 URL이어야 하나요? 예 — 모델이 이미지를 가져오므로 인터넷을 통해 접근 가능해야 합니다. 공개적으로 접근 가능한 곳 어디든 호스팅하고 URL을 전달하세요.

핵심 요약

• 레퍼런스 투 비디오는 1–15장의 정지 이미지를 융합해 3–16초 샷으로 만들고, 이미지 투 비디오는 단일 첫 프레임을 애니메이션화합니다.
• 각 레퍼런스를 번호로 지칭하고 역할을 부여하세요 — 이 하나의 습관이 대부분의 융합 어긋남을 고칩니다.
• 오디오 레퍼런스는 reference_audio_urls(최대 3개)입니다; 오디오가 목소리를, 프롬프트가 대사를 설정합니다.
• 4K(초당 $0.446)는 Q4 Preview의 Q3 대비 대표 기능입니다 — 확정에 사용하고, 720p에서 반복하세요.
• 위 레시피 중 하나를 복사하고, 레퍼런스 URL로 바꾼 뒤 실행하세요.

해볼 준비가 되셨나요? vidu-q4-preview/reference-to-video 모델 페이지를 열고, 문서에서 API 키를 받은 뒤 레시피 하나를 붙여넣으세요. 이미지 세트가 아니라 고정 프레임 하나만 있다면 이미지 투 비디오 제품 라인에서 시작하거나, hiapi 블로그의 더 많은 레퍼런스 투 비디오 워크플로와 프롬프트 레시피를 둘러보세요.