Vidu Q4 Preview

Общее описание

Ветка генерации видео по референсам Vidu Q4 Preview предназначена для разработчиков, которым нужно сохранять согласованность персонажей, сцен и звука в готовом ролике. Загрузите от 1 до 15 референсных изображений (персонажи, сцены, реквизит) и до 3 аудиореференсов вместе с текстовым запросом, чтобы создать видео длительностью от 3 до 16 секунд с разрешением от 540p до 4K и по умолчанию с нативным аудио, синхронизированным с изображением. Подходит для серийного короткого контента, диалоговых фрагментов с персонажами и раскадровок, где требуется сравнить несколько вариантов.

Ключевые особенности

• Согласованность персонажей и сцен благодаря нескольким референсам — за один раз можно использовать до 15 референсных изображений для задания внешнего вида персонажей, сцен и реквизита; ссылайтесь на них в запросе по порядку, чтобы снизить «дрейф» облика между кадрами.
• Генерация озвучки на основе аудиореференсов — можно приложить до 3 образцов голоса в формате MP3 длительностью от 3 до 12 секунд в качестве тембрального референса, чтобы сгенерированные реплики были ближе к заданному голосу.
• Нативное аудио выводится по умолчанию — по умолчанию вместе с видео генерируются синхронные реплики и звуковые эффекты; функцию можно отключить, чтобы получить немой материал и избавиться от повторной обработки при отделении звуковой дорожки.
• Настраиваемые длительность, соотношение сторон и разрешение — длительность от 3 до 16 секунд, пять соотношений сторон и пять уровней разрешения от 540p до 4K: одна ветка покрывает потребности в горизонтальных, вертикальных роликах и разной чёткости.

Описание возможностей

Генерация с ограничением по референсам: на вход подаются от 1 до 15 изображений в формате JPG, PNG или WEBP; ссылайтесь на них в запросе по порядку, чтобы зафиксировать внешний вид персонажей, сцены и ключевой реквизит — подходит для нескольких видео с продолжением одного и того же образа.

Озвучка по тембральному референсу: приложите до 3 речевых референсов в формате MP3 длительностью от 3 до 12 секунд и укажите в запросе, кто говорит, чтобы реплики персонажа приобрели черты целевого тембра.

Переключатель синхронного аудио: параметр audio включён по умолчанию, и генерируется готовый ролик с репликами и звуковыми эффектами; при отключении получается видео без звука, удобное для самостоятельной озвучки и подбора музыки на постпродакшене.

Настраиваемые выходные параметры: поддерживаются пять соотношений сторон — 16:9, 9:16, 1:1, 4:3, 3:4 — и разрешение от 540p до 4K, что позволяет сразу получать ролики под разные площадки размещения.

Длинные описательные запросы: prompt может содержать до 20000 символов и вмещать структурированное описание распределения ролей между персонажами, движения камеры и реплик диалога.

Сценарии применения

• Авторы серийного короткого контента — пакетная генерация нескольких коротких роликов по одному набору референсов персонажей и сцен с сохранением единого облика, сразу для публикаций в соцсетях или фрагментов сериала.
• Создание сюжетных фрагментов с репликами — задайте референсы персонажей и образцы голоса, пропишите реплики и получите короткий ролик с синхронным диалогом для раскадровки или готового материала.
• Сравнение вариантов для рекламных и брендовых роликов — меняйте референсы и запросы, чтобы быстро опробовать разные ракурсы и варианты открывающей сцены, и выбирайте направление до официальных съёмок.
• Адаптация материалов для нескольких платформ — генерируйте по версии для каждого соотношения сторон и разрешения, чтобы покрыть потребности в горизонтальных, вертикальных и HD-материалах.

Ограничения и рекомендации по выбору

Максимальная длительность одной генерации — 16 секунд; более длинное повествование нужно генерировать по частям и затем склеивать. Количество референсных материалов ограничено: не более 15 изображений и 3 аудиофрагментов, причём аудиореференсы поддерживаются только в формате MP3 и длительностью от 3 до 12 секунд каждая. Это предварительная версия: возможности и параметры могут в дальнейшем измениться, поэтому её не стоит использовать в производственных процессах с очень высокими требованиями к стабильности результата. Если изображение нужно задавать только одним первым кадром, можно выбрать ветку генерации по первому кадру из той же серии; при необходимости более длинных непрерывных кадров следует оценить затраты на постпродакшн при склейке фрагментов.