Vidu Q3

Visão geral

A linha de geração de vídeo por referência do Vidu Q3 é voltada para produções de vídeos curtos que exigem controle de imagem e consistência de sujeitos. O desenvolvedor envia de 1 a 7 imagens de referência mais um prompt e gera vídeos de 3 a 15 segundos; as imagens de referência são citadas no prompt como Image1, Image2, na ordem do array, para restringir personagens, objetos ou o estilo visual. A saída oferece duas resoluções, 720P e 1080P, em dez formatos de tela, permite gerar áudio sincronizado com a imagem e também oferece suporte à reprodução de resultados com seed fixa. É adequado para equipes que precisam testar rapidamente várias versões de materiais publicitários, demonstrações de produtos e trechos curtos de personagens.

Destaques principais

• Múltiplas imagens de referência restringem sujeito e estilo — é possível enviar até 7 imagens de referência por vez, posicionadas no prompt na ordem como Image1, Image2, para restringir respectivamente personagens, objetos ou estilo visual.
• Imagem e áudio gerados de uma só vez — ao ativar audio, o vídeo gera som correspondente em sincronia com a imagem; por padrão fica desativado e produz vídeo sem som, facilitando a dublagem posterior.
• Duração e formato de tela combináveis conforme a necessidade — duração de 3 a 15 segundos, com 720P e 1080P, cada uma incluindo cinco formatos: 16:9, 4:3, 1:1, 3:4 e 9:16.
• Seed fixa facilita reprodução e iteração — oferece suporte a seed aleatória de 0 a 2147483647; com a mesma configuração é possível reproduzir o resultado, o que facilita comparar o efeito de alterações no prompt.

Descrição das capacidades

Geração orientada por múltiplas imagens de referência: aceita de 1 a 7 imagens JPG, PNG ou WEBP acessíveis publicamente, com até 50MB cada e proporção entre 1:4 e 4:1, usadas para fixar personagens, aparência de objetos ou o estilo geral.

Controle de cenário e movimento de câmera por prompt: o prompt, com até 5000 caracteres, pode descrever cenário, ações, movimento de câmera e som, e aponta para imagens de referência específicas por meio dos índices Image1, Image2, permitindo atribuir funções distintas a cada imagem.

Geração de áudio opcional: a chave audio controla se o áudio correspondente é gerado junto com a imagem; quando desativada, a saída é um vídeo silencioso, facilitando a integração com fluxos próprios de dublagem ou música.

Escolha de resolução e formato de tela: o parâmetro size oferece as opções 720P e 1080P, cada uma cobrindo formatos horizontais, verticais, quadrado e duas proporções verticais, adaptando-se às especificações finais de diferentes posicionamentos.

Controle de duração e marca d'água: duration aceita valores de 3 a 15 segundos, e watermark permite optar por adicionar ou não a marca de geração por IA no canto inferior direito; a cobrança é feita pelos segundos de saída.

Cenários de aplicação

• Equipes de marca e mídia paga: várias imagens de produto + texto de argumento de venda — produzem trechos publicitários curtos com formato de tela especificado para anúncios em redes sociais e materiais de exibição em páginas de detalhes de e-commerce.
• Criadores de conteúdo de personagem: imagem de ficha de personagem + descrição de enredo — geram trechos curtos de história com aparência consistente do personagem, para esquetes de curtas, validação conceitual de estilo anime e pré-visualização de storyboard.
• Equipes criativas: imagem de referência de estilo + descrição de proposta — produzem rapidamente várias versões de teste para comparação A/B, usando seed fixa para controlar variáveis, e depois de filtrar partem para a produção final.
• Produção de demonstrações de produto: foto do produto + descrição de cenário de uso — transformam fotos estáticas de produtos em vídeos de demonstração com movimento de câmera, para sites, lançamentos e materiais de treinamento.

Limitações e recomendações de escolha

A duração de cada saída é limitada a 3 a 15 segundos, não cobrindo diretamente vídeos longos ou narrativas contínuas com múltiplos planos; o vídeo final ainda requer edição e montagem manual. As imagens de referência devem ser acessíveis publicamente e ter no máximo 50MB cada; imagens em armazenamento privado precisam primeiro ser convertidas em endereços acessíveis. O áudio é um item opcional; quando for necessário diálogo ou dublagem alinhados com precisão à imagem, é mais controlável gerar a saída silenciosa e produzir o áudio separadamente. Atualmente só há suporte a geração orientada por imagem de referência, sem aceitar entrada apenas de texto; para ideias sem material de referência, escolha a linha de texto para vídeo.