Vidu Q4 Preview

Visão geral do posicionamento

vidu-q4-preview/image-to-video é a versão de pré-visualização de lançamento da série Vidu Q4, que gera vídeos com áudio nativo a partir de uma imagem de primeiro quadro. O modelo suporta durações de 3 a 16 segundos e saídas de 540p a 4K, mantendo a proporção da imagem do primeiro quadro; é possível descrever movimento, câmera e som por meio de prompts. É indicado para desenvolvedores que precisam de atuação de personagens, linguagem cinematográfica e efeitos sonoros sincronizados, em curtas narrativos, pré-produção de anúncios ou comparação de múltiplas propostas.

Destaques principais

• Gerado a partir da imagem do primeiro quadro com áudio originalmente sincronizado — a imagem do primeiro quadro fixa a composição e a proporção da cena, e a geração produz por padrão diálogos e efeitos sonoros ao mesmo tempo; também é possível desativar a saída de áudio para obter um vídeo silencioso.
• Uma única geração cobre 3–16 segundos e saída em 4K — os parâmetros de duração e resolução são ajustáveis no mesmo fluxo, de 540p a 4K conforme a necessidade, reduzindo a necessidade de segmentar e emendar planos longos.
• A versão prévia do Q4 prioriza atuação expressiva — o posicionamento oficial prevê uma atualização abrangente em atuação de personagens, linguagem cinematográfica e efeitos visuais, adequada a planos que exigem continuidade de ação e emoção.

Descrição das capacidades

Do primeiro quadro ao vídeo com som: basta enviar uma imagem de primeiro quadro para gerar um vídeo, e a proporção da imagem acompanha a da imagem enviada; o áudio nativo vem ativado por padrão, permitindo obter diálogos e efeitos sonoros ao mesmo tempo, e, ao desativá-lo, a saída é um vídeo sem som.

Duração e resolução ajustáveis: a duração de cada geração pode ser definida em segundos inteiros entre 3 e 16 segundos, e a resolução tem cinco níveis — 540p, 720p, 1080p, 2K e 4K —, permitindo planejar o uso conforme a especificação de saída.

Controle de movimento e som por prompt: o prompt tem até 20000 caracteres e pode descrever movimento, movimento de câmera e som, servindo para orientar a dinâmica da cena e o conteúdo do áudio.

Limites claros de entrada de imagem: a imagem do primeiro quadro aceita JPG, JPEG, PNG e WEBP, com no máximo 50MB, e a proporção entre largura e altura deve ficar entre 1:4 e 4:1, o que facilita validar o material antes da integração.

Cenários de aplicação

• Curtas narrativos de criadores independentes e pequenos estúdios — usar uma imagem-chave como primeiro quadro e combiná-la com prompts para gerar trechos de vídeo com diálogos e efeitos sonoros, que seguem diretamente para a edição.
• Pré-visualização de planos para anúncios e filmes de marca — usar imagens de produto ou quadros do storyboard como base para gerar vídeos em diferentes resoluções, permitindo que o cliente confirme enquadramento, ritmo e direção sonora antes da produção oficial.
• Comparação de múltiplas propostas para planos dramáticos — ajustar prompts e parâmetros de duração para o mesmo primeiro quadro e gerar em lote diferentes propostas de atuação ou movimento de câmera, para seleção interna.

Limitações e recomendações de escolha

Este modelo é uma versão Preview, e a própria documentação oficial indica que capacidades e funcionalidades ainda sofrerão alterações; portanto, não é recomendável usá-lo como única dependência de um pipeline de produção estável de longo prazo. A duração máxima de cada geração é de 16 segundos, e planos mais longos exigem geração em segmentos e posterior emenda; a entrada parte de uma única imagem de primeiro quadro, não sendo possível misturar várias referências em um mesmo fluxo. Se for necessário manter consistência de personagem e voz com imagens ou áudio de referência, deve-se usar o fluxo reference-to-video da mesma série. Quando houver necessidade rígida de narrativa coerente com vários planos ou vídeos muito longos, é preciso avaliar outros modelos com suporte a durações maiores ou controle de consistência mais forte.