Рецепты промптов Vidu Q4 Preview для генерации видео из изображения: готовые к копированию промпты и реальный вывод в 4K

Vidu Q4 Preview (vidu-q4-preview/image-to-video) делает только одно: берёт одно статичное изображение в качестве стартового кадра, анимирует его в клип длительностью 3–16 секунд, с поддержкой настоящего 4K и встроенным звуком. Эта статья — практичная книга рецептов промптов vidu-q4-preview для генерации видео из изображения — три готовых к копированию рецепта, охватывающих приёмы, которые вы действительно будете использовать: медленный кинематографический наезд, облёт продукта и вертикальный динамичный кадр для коротких видео.

Каждый клип ниже — это реальный результат, сгенерированный один раз с точным промптом, стоящим рядом с ним — без отбора среди множества прогонов — и каждая цена сверена с живой страницей тарифов перед публикацией. Если вам нужно несколько референсных изображений или нужно, чтобы конкретный звук оставался согласованным между несколькими кадрами, — это другая конечная точка — генерация из референсов — а не эта.

Краткий обзор схемы за 30 секунд

Vidu i2v работает на асинхронной конечной точке задач hiapi (POST /v1/tasks), и входная схема намеренно остаётся небольшой и строгой:

Поле	Обязательно	Описание
prompt	Да	Описывает движение и камеру, а не сцену — изображение уже является сценой
image_url	Да	Публично доступный URL (в единственном числе — не image_urls); используется как стартовый кадр
resolution	Нет	Одно из значений: 540p, 720p, 1080p, 2k, 4k
duration	Нет	Целое число секунд, 3–16 (целое, не строка)

Два поведения стоит запомнить, потому что оба легко перепутать:

• Поля aspect_ratio нет. Передача этого поля возвращает 400 additional properties 'aspect_ratio' not allowed. Клип наследует форму стартового кадра, поэтому статичный кадр 16:9 даёт клип 16:9, а статичный кадр 9:16 даёт вертикальный клип. Вы управляете соотношением сторон, выбирая (или обрезая) изображение, а не с помощью промпта.
• reference_image_urls также отклоняется. Это поле принадлежит генерации из референсов. Генерация из изображения строго принимает только один стартовый кадр.

Тарификация — по секундам и по разрешению; длительность является множителем:

Разрешение	Цена / сек	Клип 5 секунд
540p	$0.0515	$0.26
720p	$0.109	$0.55
1080p	$0.1375	$0.69
2K	$0.2175	$1.09
4K	$0.446	$2.23

Поскольку стоимость растёт с секундами, разрешение фактически становится регулятором бюджета. Держите черновики на 540p/720p, а затем перерендерите устраивающую версию в 1080p или 4K. (Полные актуальные цифры всегда на странице тарифов.)

Формула промпта для i2v

Генерация видео из изображения переворачивает привычную модель мышления: изображение — это сцена, поэтому промпт — это только движение и камера. Не переописывайте то, что уже есть в кадре — вы будете противоречить модели. Надёжная структура:

[опишите по порядку, что движется] → [одна инструкция для камеры] → [желаемый окружающий звук] → [одна оговорка «без склеек / непрерывный кадр»]

Последние два пункта важнее на большинстве i2v-моделей. Vidu рендерит звук нативно — каждый клип ниже вернулся с подходящей звуковой дорожкой, хотя я вообще не передавал аудиореференс — поэтому если вы упомянете ветер, шипение или шаги, вы часто их получите. А указание одного чёткого движения камеры («медленный наезд», «полукруглый облёт») сохраняет кадр связным; нагромоздите три конкурирующих движения — и получите кашу.

Рецепт 1 — кинематографический наезд в 4K с нативным звуком

Флагманский приём: начните с тихого установочного кадра, дайте камере медленно наезжать, пока маленькие объекты движутся. Это рецепт, достойный уровня 4K.

Стартовый кадр (отдельно сгенерированный статичный кадр, затем переданный как image_url):

Промпт движения:

The camera slowly pushes in toward the glowing cabin window as snowflakes drift
down and the warm lamplight gently flickers; the thin chimney smoke curls and
rises into the dusk air. Soft ambient wind with a faint, cozy crackle of a fire
inside. Calm, unbroken cinematic shot, no cuts.

Реальный вывод (resolution: "4k", duration: 4):

Возвращённый результат: настоящий клип 3840×2160, 4 секунды, с дорожкой AAC с тихим ветром и мягким потрескиванием — созданной исключительно из описания звука в промпте. Стоимость: 4 сек × $0.446 = $1.78.

Разбор:

• Один глагол для камеры. «Медленный наезд» — это всё направление камеры. Наезд придаёт статичной хижине ощущение «прибытия» без какого-либо монтажа.
• Второстепенное движение оживляет. Падающий снег, мерцающий свет и вьющийся дым — это небольшие физически правдоподобные движения, в которых i2v силён. Они читаются как «фотография ожила» — именно тот эффект, который вам нужен.
• Звук описывается, а не загружается. «Мягкий окружающий ветер… слабое, уютное потрескивание» достаточно; нативная дорожка соответствует. Для атмосферных клипов без диалогов это всё, что нужно.
• Оставьте 4K для финальной версии. При $0.446/сек это самый дорогой уровень, значительно выше остальных. Сначала прототипируйте этот точный промпт на 720p (те же 4 секунды за $0.44) и тратьте на рендер 4K только когда движение выглядит правильно.

Рецепт 2 — плавный облёт продукта в 1080p

Облёт — козырь i2v в электронной коммерции и гастрономии: чистая дуга вокруг главного объекта, позволяющая материалу поверхности проявиться. 1080p — золотая середина: достаточно чётко, чтобы поддержать продажи, а по стоимости — лишь доля от 4K.

Стартовый кадр:

Промпт движения:

The camera smoothly orbits a slow half-circle around the burger while thin steam
keeps rising and the melted cheddar glistens as the warm light sweeps across it;
subtle reflections travel over the dark slate. Ambient kitchen room tone with a
faint sizzle. Locked focus on the burger, no cuts.

Реальный вывод (resolution: "1080p", duration: 5):

Возвращённый результат: клип 1920×1080, 5 секунд, с тихим окружающим звуком кухни. Стоимость: 5 сек × $0.1375 = $0.69.

Разбор:

• «Полукруг», а не «вращение». Ограничение дуги облёта («медленный полукруг») держит объект в центре, а движение читаемым. «Вращение по кругу» без ограничения часто уходит слишком далеко и теряет продукт.
• Дайте двигаться свету, а не только камере. «Тёплый свет скользит… отражения движутся по сланцу» даёт облёту что раскрывать, поэтому клип ощущается трёхмерным, а не как поворотный стол.
• Называйте материалы, которые хотите анимировать. «Тонкий пар», «расплавленный чеддер блестит» — назовите физические свойства, чтобы получить поднимающийся пар и зеркальные блики. Неназванные поверхности часто остаются плоскими.
• «Фокус зафиксирован на бургере» — дешёвый способ не дать модели увести внимание на фон.

Рецепт 3 — вертикальное действие в 720p для коротких видео

Для Reels/TikTok/Shorts вам нужны 9:16, однотактное движение человека и достаточно низкая стоимость для итераций. Поскольку у i2v нет поля соотношения сторон, вертикальная форма полностью берётся из вертикального стартового кадра — самое наглядное проявление этого правила.

Стартовый кадр (статичный кадр 9:16):

Промпт движения:

The dancer breaks from the frozen pose into one smooth spin and settles back into
a confident stance on the beat; a light handheld camera sway follows the motion as
dust motes swirl through the golden backlight. Ambient city-street tone with soft
footsteps and distant traffic.

Реальный вывод (resolution: "720p", duration: 6):

Возвращённый результат: вертикальный клип 720×1280, 6 секунд, с атмосферной дорожкой улицы. Обратите внимание на роль 720p здесь — оно задаёт короткую сторону как 720 и сохраняет форму 9:16 стартового кадра. Стоимость: 6 сек × $0.109 = $0.65.

Разбор:

• Движение в один такт. «Вырывается из позы, делает один плавный поворот и снова встаёт» — законченное, ограниченное движение. Расплывчатые промпты «танец» уходят в сторону; дуга начало-движение-конец работает.
• Дрожание как у ручной камеры продаёт ощущение «снято на телефон». Лёгкое следование добавляет жизни без головокружения от крупного движения камеры — отлично для коротких видео.
• Соотношение сторон — обязанность кадра. Здесь нет поля для настройки; вертикальный результат напрямую берётся из входного вертикального статичного кадра. Хотите квадрат? Введите изображение 1:1. Хотите широкий экран? Введите 16:9.

Воспроизведите любой рецепт через /v1/tasks

Все три вызова одинаковы — меняются только image_url, resolution и duration. Отправьте, затем опрашивайте возвращённый taskId, пока status не станет success, и прочитайте output[0].url.

curl -X POST https://api.hiapi.ai/v1/tasks \
  -H "Authorization: Bearer $HIAPI_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "vidu-q4-preview/image-to-video",
    "input": {
      "prompt": "The camera slowly pushes in toward the glowing cabin window as snowflakes drift down...",
      "image_url": "https://your-cdn.example.com/first-frame.jpg",
      "resolution": "4k",
      "duration": 4
    }
  }'

import os, time, requests

BASE = "https://api.hiapi.ai/v1/tasks"
headers = {"Authorization": f"Bearer {os.environ['HIAPI_KEY']}"}

payload = {
    "model": "vidu-q4-preview/image-to-video",
    "input": {
        "prompt": "The camera smoothly orbits a slow half-circle around the burger...",
        "image_url": "https://your-cdn.example.com/burger.jpg",
        "resolution": "1080p",
        "duration": 5,
    },
}

task_id = requests.post(BASE, json=payload, headers=headers).json()["data"]["taskId"]

while True:
    task = requests.get(f"{BASE}/{task_id}", headers=headers).json()["data"]
    if task["status"] == "success":
        print(task["output"][0]["url"])   # expiring link — download it immediately
        break
    if task["status"] == "fail":
        raise RuntimeError(task.get("error"))
    time.sleep(8)

Две ловушки, о которых стоит знать перед вызовом:

• duration — целое число, не строка — 4, а не "4". (Если вы использовали на этой платформе другие видеомодели, принимающие "6", здесь всё наоборот.) Значения выше 16 возвращают 400 duration: maximum: got N, want 16.
• URL вывода истекает. output[0].url — это ссылка с ограниченным временем; сразу скачайте байты и переместите в собственное хранилище, а не горячо ссылайтесь на неё.

Настройка разрешения, длительности и соотношения сторон

Несколько проверенных поведений сэкономят деньги и предотвратят сюрпризы:

• Разрешение задаёт короткую сторону, соотношение сторон следует за кадром. 720p на статичном кадре 9:16 выше даёт 720×1280. Число — это качество, а не форма.
• 4K поставляется в HEVC (H.265). Рендер 4K возвращается как HEVC .mp4; выше качество, но больше размер, и некоторые браузеры не могут воспроизводить HEVC встроенно. Для встраивания в веб мы перекодировали клип выше в H.264 — пиксели от модели, просто более дружелюбный контейнер. Если вы доставляете в открытый веб, планируйте шаг транскодирования для 4K.
• Аудио бесплатно и автоматично. Каждый клип несёт звуковую дорожку без какого-либо аудиореференса, управляемый словами в промпте. Если вам нужна тишина, не описывайте звук.
• Длительность — линейная стоимость. 4-секундный клип 4K ($1.78) дороже 16-секундного клипа 540p ($0.82). Пусть уровень соответствует доставляемому результату, а не наоборот.

Для более глубокого изучения двух рычагов, на которые опирается эта модель, у hiapi есть отдельные статьи: кинематографические движения камеры в промптах для ИИ-видео и управление первым и последним кадром — обе напрямую применимы к рецептам выше.

Часто задаваемые вопросы

Действительно ли vidu-q4-preview image-to-video поддерживает 4K? Да. Рецепт наезда выше рендерится с resolution: "4k", и файл — настоящий клип 3840×2160. Это самый дорогой уровень, $0.446/сек, поэтому используйте его для финальной версии, а не для черновиков.

Как задать соотношение сторон? Вам не нужно — поля aspect_ratio нет, передача возвращает 400. Клип принимает форму стартового кадра: 16:9 на входе — 16:9 на выходе; 9:16 на входе — вертикально на выходе. Обрежьте статичный кадр до нужного соотношения сторон.

Добавляет ли он звук автоматически? Да. Каждый вывод несёт звуковую дорожку, даже если вы не передаёте аудиореференс. Описания звука в промпте (ветер, шипение, шаги) формируют то, что вы получите. Для беззвучного клипа просто не упоминайте звук.

В чём разница между генерацией из изображения и генерацией из референсов? Генерация из изображения анимирует один стартовый кадр — она о движении. Генерация из референсов принимает 1–15 референсных изображений (и опционально референс звука), чтобы сохранять персонажа, сцену и звук согласованными между кадрами. Если вы начинаете с одного изображения, вам нужна конечная точка этой страницы; для работы с согласованностью см. генерацию из референсов.

Сколько стоит клип? Количество секунд × ваша посекундная ставка для разрешения. Три клипа здесь стоят $1.78 (4K, 4 сек), $0.69 (1080p, 5 сек) и $0.65 (720p, 6 сек) соответственно. Актуальные ставки на странице тарифов.

Что составляет хороший стартовый кадр? Чистый, хорошо скомпонованный статичный кадр с очевидным «потенциалом движения» — что-то, что явно хочет двигаться (дым, вода, персонаж в готовности, источник света). Чем чётче и менее загромождён кадр, тем чище движение.

Начните анимировать свои статичные кадры

Выберите статичный кадр, в котором что-то хочет двигаться, опишите движение по порядку, укажите одно движение камеры и желаемый звук, затем начните настройку с 720p. Когда движение выглядит правильно, перерендерите устраивающую версию в 1080p или 4K.

Получите свой ключ и полную входную схему на странице модели vidu-q4-preview image-to-video, или начните с быстрого старта Task API и вставьте любой из рецептов выше.