Рецепты промптов Vidu Q3 Ad для генерации видео по референсу: готовые к копированию рекламные промпты и реальные ролики

TL;DR

• Четыре готовых к копированию рецепта промптов для генерации видео по референсу, предназначенных для vidu-q3-ad/reference-to-video, каждый с реальным роликом, сгенерированным на hiapi — реальные фото продукта на входе, реальный рекламный ролик на выходе, без стоковых материалов.
• Q3 Ad — это оптимизированный под рекламу уровень референсов Vidu: вы передаёте от 1 до 7 изображений продукта/субъекта плюс промпт, и он рендерит 3–15-секундный кадр в рекламном стиле с разрешением 720p или 1080p (4K не поддерживается). Он дешевле и быстрее, чем Q4 Preview — это подходящий выбор по умолчанию для продуктовой и социальной рекламы.
• Рецепты организованы по рекламному замыслу: вращение основного вида одного продукта, брендовый маскот с фиксированным дизайном, UGC «продукт в руке» по двум референсам и ритейл-сцена по трём референсам.
• Одна подтверждённая实测 подводная ловушка: несмотря на метку «Native Audio» у модели, каждый mp4, полученный нами из /v1/tasks, — это чистое видео (без звука); примеры роликов на самой платформе тоже без звука. Музыку и озвучку нужно добавлять на пост-продакшене.
• Входная схема q3-ad использует перечисление size (а не aspect_ratio + resolution) и отклоняет reference_audio_urls — в отличие от Q4. Скопируйте JSON-блок, подставьте свои референсные URL и отправьте POST на /v1/tasks.

Что на самом деле делает vidu-q3-ad/reference-to-video

Vidu Q3 Ad (от Shengshu Technology) — это рекламный уровень в линейке продуктов Vidu для генерации видео по референсу. «Генерация видео по референсу» означает, что вы передаёте набор статичных кадров — продукт, персонажа, реквизит, поверхность — и модель объединяет их и анимирует в движущийся кадр. Соответствующее поле — reference_image_urls, принимает от 1 до 7 изображений.

Позиционирование «Ad» — это и есть ключевой момент: модель оптимизирована под вращение продукта, маскотов с согласованностью субъекта и лайфстайл-сцены, а не под общий кинематографический нарратив. Если вы читали наш рецепты генерации видео по референсу Vidu Q4 Preview, вот конкретные различия, подтверждённые тестами:

	q3-ad (эта страница)	q4-preview
Референсные изображения	1–7	1–15
Речевой/аудиореференс	Не поддерживается (reference_audio_urls отклоняется)	До 3 аудиофрагментов
Максимальное разрешение	1080p	4K
Поле размера	Перечисление size	resolution + aspect_ratio
Длина ролика	3–15 секунд	3–16 секунд
Лучше всего подходит	Продуктовая и социальная реклама, ограниченный бюджет	Премиальные 4K-кадры основного вида, ведущий в кадре

Итак, выбирайте q3-ad, когда вам нужны чистые, согласованные, недорогие рекламные ролики партиями; переходите на Q4 только если вам действительно нужны 4K или речевые референсы. Если вам нужно до 16 секунд или более сложное смешение нескольких субъектов, есть аналогичная модель vidu-q3-mix/reference-to-video, которая также поддерживает от 1 до 7 изображений в рамках бюджета.

Подтверждённая тестами входная схема (живая проверка /v1/tasks в октябре 2026 года):

Поле	Обязательно	Значения
prompt	Да	Свободный текст; ссылайтесь на каждый субъект по индексу
reference_image_urls	Да	Массив, 1–7 публичных URL изображений
duration	Нет	Целое число 3–15 секунд (значение по умолчанию зависит от size)
size	Нет	1280*720 · 1280*960 · 1280*1280 · 960*1280 · 720*1280 (уровень 720) · 1920*1080 · 1920*1440 · 1808*1808 · 1440*1920 · 1080*1920 (уровень 1080)

duration должно быть целым числом (4.5 будет отклонено с сообщением «want integer»). У модели нет полей aspect_ratio, resolution или reference_audio_urls — передача любого из них возвращает 400 «additional properties not allowed», и это самая распространённая ошибка при миграции с запросов Q4.

Ценообразование — фиксированная ставка за секунду, определяемая уровнем size (то есть 5-секундный ролик стоит цену за секунду, умноженную на 5). По состоянию на октябрь 2026 года на hiapi пять размеров уровня 720 тарифицируются по $0.149/сек, а пять размеров уровня 1080 — по $0.18/сек; актуальные цифры смотрите на странице цен. Практический рабочий процесс: сначала зафиксируйте промпт на размере уровня 720, затем перезапустите в 1080p для финальной версии — промпт не меняется, меняется только множитель.

Как мы запускали эти примеры (чтобы вы могли воспроизвести)

Каждый ролик ниже сгенерирован на hiapi через асинхронный API задач. Процесс всегда одинаков:

1. Референсные изображения должны быть доступны из публичной сети. Мы генерировали изображения через gpt-image-2/text-to-image, загружали их в статический бакет и передавали эти URL — подойдёт любое хостинговое изображение.
2. Отправьте POST /v1/tasks с телом запроса, показанным в каждом рецепте.
3. Опрашивайте GET /v1/tasks/{taskId}, пока status не станет success, затем скачайте output[0].url (это временная ссылка — сохраните немедленно).

Полная настройка описана в кратком руководстве hiapi. Минимальный запрос выглядит так — обратите внимание на size, а не aspect_ratio/resolution:

curl -X POST https://api.hiapi.ai/v1/tasks \
  -H "Authorization: Bearer $HIAPI_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "vidu-q3-ad/reference-to-video",
    "input": {
      "prompt": "...",
      "reference_image_urls": ["https://.../product.jpg"],
      "duration": 4,
      "size": "1280*720"
    }
  }'

Теперь к рецептам.

Рецепт 1 — вращение основного вида одного продукта

Лучше всего подходит: Самый распространённый базовый продуктовый рекламный ролик — превращает один чистый кадр продукта во вращающийся кадр основного вида со световым бликом. Начните с этого.

Входное референсное изображение:

Фактический вывод (720p, 4 секунды):

{
  "model": "vidu-q3-ad/reference-to-video",
  "input": {
    "prompt": "A premium product ad of the teal matte insulated tumbler from reference image 1. It rotates slowly on a dark reflective pedestal while a hard strip of light sweeps across the matte body from left to right, the brushed-metal lid catches a bright glint, soft particles of light drift past in the dark background, the camera holds a low hero angle and pushes in slightly. Commercial studio lighting, high contrast, macro detail.",
    "reference_image_urls": ["https://static.hiapi.ai/blog/vidu-q3-ad-reference-to-video-prompt-recipes/refs/tumbler.jpg"],
    "duration": 4,
    "size": "1280*720"
  }
}

Почему это работает: Именованный субъект — «бирюзовый матовый термостакан из референсного изображения 1» — привязывает точный продукт, заставляя модель анимировать именно ту бутылку, включая матовую поверхность, крышку из брашированного металла и т. д., а не изобретать похожий объект. Фраза о световом блике («жёсткая полоса света проходит слева направо по…») превращает обычное вращение в то, что выглядит как реклама. Одно непрерывное движение камеры (вращение + лёгкий наезд) рендерится чисто за 4 секунды. При $0.149/сек этот ролик стоит около $0.60.

Рецепт 2 — брендовый маскот с фиксированным дизайном

Лучше всего подходит: Повторяемые маркетинговые материалы, где персонаж должен оставаться абсолютно одинаковым в каждом ролике — то, с чем плохо справляются и рисованная анимация, и обычная генерация видео из текста.

Входное референсное изображение:

Фактический вывод (квадрат, 4 секунды):

{
  "model": "vidu-q3-ad/reference-to-video",
  "input": {
    "prompt": "The mint-green round robot mascot from reference image 1 stands centered, waves its left hand at the camera, gives a happy little bounce and a cheerful nod, then raises a thumbs-up. Clean soft-white studio background, bright even lighting, bouncy springy animation, its shape, colors and face stay exactly on-model the whole time. Upbeat, friendly brand-mascot ad.",
    "reference_image_urls": ["https://static.hiapi.ai/blog/vidu-q3-ad-reference-to-video-prompt-recipes/refs/mascot.jpg"],
    "duration": 4,
    "size": "1280*1280"
  }
}

Почему это работает: Фраза «его форма, цвета и лицо всё время остаются точно в соответствии с моделью» сообщает модели, что её задача — согласованность, а не переосмысление — q3-ad сохраняет пропорции, антенны и лицо маскота на протяжении всего движения. Свяжите несколько простых, называемых действий («машет… подпрыгивает… кивает… поднимает большой палец»), вместо расплывчатого «будь живее»; тогда модели есть за что зацепиться на каждом такте. Мы используем квадратный размер 1280*1280 (всё ещё уровень 720, около $0.60 за 4 секунды), чтобы материал можно было сразу использовать в постах ленты или на экране запуска приложения.

Рецепт 3 — UGC «продукт в руке» (два референса)

Лучше всего подходит: Социальная реклама, останавливающая прокрутку — настоящая рука в реальной обстановке поднимает продукт в кадр. Именно здесь генерация видео по референсу превосходит генерацию видео из изображения: вы объединяете два отдельных статичных кадра в один ролик.

Входные референсные изображения (продукт + сцена):

Фактический вывод (вертикальный 9:16, 5 секунд):

{
  "model": "vidu-q3-ad/reference-to-video",
  "input": {
    "prompt": "Vertical social ad clip: on the wooden cafe table from reference image 2, the coral-pink sparkling-water can from reference image 1 stands with fresh cold condensation. A hand enters from the bottom of the frame, picks up the can and lifts it up toward the camera, water droplets glistening. Natural handheld motion, warm cafe bokeh behind, soft window light, lively authentic UGC commercial feel.",
    "reference_image_urls": ["https://static.hiapi.ai/blog/vidu-q3-ad-reference-to-video-prompt-recipes/refs/can.jpg", "https://static.hiapi.ai/blog/vidu-q3-ad-reference-to-video-prompt-recipes/refs/hand_cafe.jpg"],
    "duration": 5,
    "size": "720*1280"
  }
}

Почему это работает: У каждого референсного изображения есть роль — изображение 1 — продукт, изображение 2 — окружение — так модель знает, какой статичный кадр является главным героем, а какой — фоном. Явно опишите действие и камеру («рука входит снизу… поднимает его к камере… естественное движение с рук») — только так возникает ощущение UGC; иначе вы получите статичную фотографию продукта на столе. Вертикальный размер 720*1280, 5 секунд (около $0.75) даёт вам формат, готовый к публикации в Reels/TikTok/Shorts.

Рецепт 4 — ритейл-сцена по нескольким референсам (три референса)

Лучше всего подходит: Каталожные и лайфстайл-композиции, собранные из отдельных статичных кадров продуктов и реквизита — те раскладки, которые физически трудно организовать.

Входные референсные изображения (продукт + реквизит + поверхность):

Фактический вывод (1080p, 4 секунды):

{
  "model": "vidu-q3-ad/reference-to-video",
  "input": {
    "prompt": "Compose a bright summer retail ad scene: place the tortoiseshell sunglasses from reference image 1 open on the warm travertine stone surface from reference image 3, with the seashells and dried coral from reference image 2 arranged neatly beside them. Slow cinematic push-in, bright natural sunlight casting soft moving shadows, a gentle breeze, premium eyewear commercial look, shallow depth of field.",
    "reference_image_urls": ["https://static.hiapi.ai/blog/vidu-q3-ad-reference-to-video-prompt-recipes/refs/sunglasses.jpg", "https://static.hiapi.ai/blog/vidu-q3-ad-reference-to-video-prompt-recipes/refs/seashells.jpg", "https://static.hiapi.ai/blog/vidu-q3-ad-reference-to-video-prompt-recipes/refs/travertine.jpg"],
    "duration": 4,
    "size": "1920*1080"
  }
}

Почему это работает: Три чистых, изолированных статичных кадра — каждый субъект на однородном фоне — дают модели однозначные части для сборки. Промпт явно задаёт пространственное расположение («на травертине… рядом с ними») и называет каждое изображение по точному индексу; когда референсы загромождены или вы просто говорите «объедини это», слияние плывёт. Здесь же вы используете уровень 1080 — при $0.18/сек 4-секундный ролик стоит около $0.72, и поскольку вы уже проверили композицию, доплата идёт только за разрешение. q3-ad принимает до 7 референсных изображений, так что у вас есть место, чтобы добавить второй реквизит или логотип для той же сцены.

Правда о «Native Audio» (обязательно прочитать перед публикацией)

Страница модели q3-ad помечена тегом «Native Audio» и рекламирует рекламные видео, которые «обладают интеллектуальным монтажом, движением камеры и звуком». На практике каждый ролик, сгенерированный нами для этой страницы, возвращался как чистый mp4 без аудиодорожки — мы подтвердили это через ffprobe, и примеры роликов этой модели на самой платформе тоже без звука.

Поэтому пока относитесь к q3-ad как к генератору немого рекламного видео: всем четырём роликам выше нужно добавить фоновую музыку или озвучку на пост-продакшене. Для большинства продуктовой и социальной рекламы это не помеха (вам всё равно, вероятно, понадобится добавить лицензионную музыку), но это означает, что вы не должны полагаться на модель в создании готового микса, и у неё нет поля reference_audio_urls для передачи речи. Если вам нужен ведущий с озвучкой и синхронизацией губ, это задача Q4 Preview — смотрите рецепты с речевыми референсами там.

Правила промптов, которые действительно влияют на вывод

• Нумеруйте референсные изображения. «Банка из референсного изображения 1… на столе из референсного изображения 2» надёжнее привязывает субъект к индексу, чем «банка и стол».
• В кадрах с несколькими референсами назначайте роль каждому статичному кадру — главный герой vs фон vs поверхность — и указывайте пространственное расположение («на…», «рядом с…», «за…»).
• Описывайте камеру как одно непрерывное движение (вращение + наезд, вход + подъём). q3-ad рендерит один кадр; нагромождение склеек в одном промпте приводит его в замешательство.
• Говорите «точно в соответствии с моделью» для маскотов и персонажей, чтобы подтолкнуть модель к согласованности, а не к изобретению заново.
• Держите референсные статичные кадры чистыми — один субъект, однородный фон. Загромождённые референсы — главная причина дрейфа.
• Итерируйте на размере уровня 720, финализируйте на 1080p. Промпт идентичен; меняется только ставка за секунду.

Частые вопросы

Могу ли я использовать фотографии своего реального продукта? Да — подойдёт любой публично доступный URL изображения в качестве референса. Мы генерировали изображения через gpt-image-2/text-to-image только чтобы примеры были воспроизводимы; размещённые фотографии продукта на самом деле лучше, потому что субъект уже именно то, что вы продаёте.

Сколько референсных изображений можно передать? От 1 до 7. Девять завершатся ошибкой maxItems; для вращения основного вида достаточно одного.

Почему мой запрос возвращает 400 «additional properties not allowed»? Вы почти наверняка отправили aspect_ratio, resolution или reference_audio_urls. q3-ad использует единое перечисление size и не имеет аудиовхода — уберите эти поля.

Выдаёт ли он 4K? Нет. q3-ad максимум 1080p. Если вам нужно 4K, используйте Vidu Q4 Preview.

Какой длины может быть ролик? От 3 до 15 секунд, целое число. Более длинные нарративные монтажи лучше собирать из нескольких коротких кадров.

Начните генерировать

Получите свой ключ, скопируйте любой рецепт выше, подставьте свои URL продукта и отправьте POST на /v1/tasks. Детали модели и актуальные ограничения — на странице vidu-q3-ad/reference-to-video, пошаговый процесс вызова — в кратком руководстве, а остальные продуктовые линейки видео можно посмотреть в каталоге моделей. Сначала проверьте промпт на 720p, затем перезапустите понравившийся вариант на 1080p — это и есть весь рабочий процесс.