Vidu Q3 Ad 参考生视频提示词配方：可直接复制的广告提示词与真实片段

TL;DR

• 四套可直接复制的 参考生视频 提示词配方，适用于 vidu-q3-ad/reference-to-video，每套都附有在 hiapi 上生成的实际片段——真实产品图片输入，真实广告片段输出，无库存素材。
• Q3 Ad 是 Vidu 的 广告调优 参考层级：你提供 1–7 张产品/主体图片 加一段提示词，它就能渲染出 3–15 秒 的广告风格镜头，分辨率 720p 或 1080p（不支持 4K）。它比 Q4 Preview 更便宜、更快——是产品和社交广告的合适默认选择。
• 配方按 广告意图 组织：单产品主视觉旋转、锁定造型的品牌吉祥物、双参考 UGC“手持产品”和三参考零售场景。
• 一个经实测确认的坑：尽管模型带有 “Native Audio” 标签，我们从 /v1/tasks 拿到的每个 mp4 都是 纯视频（无声）——平台自带的示例片段也是无声的。需要在后期添加音乐/配音。
• q3-ad 的输入 schema 使用 size 枚举（而非 aspect_ratio + resolution），并且 拒绝 reference_audio_urls——与 Q4 不同。复制 JSON 块，替换你的参考 URL，POST 到 /v1/tasks。

vidu-q3-ad/reference-to-video 实际做什么

Vidu Q3 Ad（来自生数科技）是 Vidu 参考生视频产品线中的 广告 层级。“参考生视频”意味着你提供一组静帧——一个产品、一个角色、一个道具、一个表面——模型将它们合成并动画化为一个运动镜头。对应字段是 reference_image_urls，接受 1–7 张图片。

“Ad”定位正是关键：它针对产品旋转、主体一致性的吉祥物和生活方式场景进行调优，而非通用电影叙事。如果你读过我们的 Vidu Q4 Preview 参考生视频配方，以下是实测得到的具体差异：

	q3-ad（本页）	q4-preview
参考图片	1–7	1–15
语音/音频参考	不支持（reference_audio_urls 被拒绝）	最多 3 段音频片段
最高分辨率	1080p	4K
尺寸字段	size 枚举	resolution + aspect_ratio
片段长度	3–15 秒	3–16 秒
最适合	产品与社交广告，预算有限	高端 4K 主视觉镜头、口播主持人

所以当你想要干净、一致、廉价且批量的广告片段时，选择 q3-ad；只有当你确实需要 4K 或语音参考时，才升级到 Q4。如果你需要最长 16 秒或更重的多主体 混合，有一个同类模型 vidu-q3-mix/reference-to-video，同样支持 1–7 张图片预算。

实测确认的输入 schema（2026 年 10 月对 /v1/tasks 实时探测）：

字段	必填	取值
prompt	是	自由文本；按索引引用每个主体
reference_image_urls	是	数组，1–7 个公开图片 URL
duration	否	整数 3–15 秒（默认值因 size 而异）
size	否	1280*720 · 1280*960 · 1280*1280 · 960*1280 · 720*1280（720 档） · 1920*1080 · 1920*1440 · 1808*1808 · 1440*1920 · 1080*1920（1080 档）

duration 必须是整数（4.5 会被拒绝，提示“want integer”）。该模型 没有 aspect_ratio、resolution 或 reference_audio_urls 字段——传入其中任何一个都会返回 400“additional properties not allowed”，这是从 Q4 请求迁移过来时最常见的错误。

定价是 由 size 档位决定的每秒固定费率（所以 5 秒片段是每秒价格乘以 5）。截至 2026 年 10 月，在 hiapi 上，五个 720 档尺寸按 $0.149/秒 计费，五个 1080 档尺寸按 $0.18/秒 计费；实时数字见 定价页面。实用工作流：先在 720 档尺寸锁定提示词，然后用 1080p 重跑保留版本——提示词不变，只是乘数变了。

我们如何运行这些示例（以便你复现）

下面的每个片段都是通过异步任务 API 在 hiapi 上生成的。流程始终相同：

1. 参考图片必须可通过公网访问。我们用 gpt-image-2/text-to-image 生成图片，上传到静态存储桶，然后传入这些 URL——任何托管图片都可以。
2. 用每个配方中显示的请求体 POST /v1/tasks。
3. 轮询 GET /v1/tasks/{taskId} 直到 status 为 success，然后下载 output[0].url（这是限时链接——立即保存）。

完整设置见 hiapi 快速入门。一个最小请求如下——注意是 size，不是 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"
    }
  }'

现在开始配方。

配方 1 — 单产品主视觉旋转

最适合： 最常见的基础产品广告——将一张干净的产品静帧变成带光扫的旋转主视觉镜头。从这里开始。

参考图片输入：

实际输出（720p，4 秒）：

{
  "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"
  }
}

为什么有效： 命名主体——“参考图 1 中的青绿色磨砂保温杯”——锚定了确切产品，使模型动画化 那个 瓶子，包括磨砂表面、拉丝杯盖等，而不是发明一个相似物。光扫这句（“一道硬光从……从左到右扫过”）把普通旋转变成看起来像广告的东西。一个连续的相机意图（旋转 + 轻微推进）在 4 秒内渲染得很干净。按 $0.149/秒计算，这个片段花费约 $0.60。

配方 2 — 锁定造型的品牌吉祥物

最适合： 可重复的营销素材，角色必须在每个片段中保持 完全 一致的造型——这是手绘动画和普通文生视频都难以做到的。

参考图片输入：

实际输出（方形，4 秒）：

{
  "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"
  }
}

为什么有效： “它的形状、颜色和面部全程 完全保持造型”这句话告诉模型其任务是 一致性，而非重新诠释——q3-ad 在整个运动过程中保持吉祥物的比例、天线和面部。串联几个简单、可命名的动作（“挥手……弹跳……点头……竖大拇指”），而不是一个模糊的“活泼一点”；模型有具体内容来对应每个节拍。我们使用方形 1280*1280（仍属 720 档，4 秒约 $0.60），这样素材可以直接用于信息流帖子或应用启动页。

配方 3 — UGC“手持产品”（双参考）

最适合： 能阻止滑动的社交广告——真实的手在真实场景中把产品举入画面。这正是参考生视频优于图生视频的地方：你把两张独立静帧合成为一个镜头。

参考图片输入（产品 + 场景）：

实际输出（竖屏 9:16，5 秒）：

{
  "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"
  }
}

为什么有效： 每张参考图都有 角色——图 1 是产品，图 2 是环境——这样模型就知道哪张静帧是主角，哪张是背景。明确写出动作和相机（“一只手从底部进入……将它举向相机……自然的手持运动”）才能产生 UGC 感；否则你得到的是静态的桌面产品图。竖屏 720*1280 尺寸 5 秒（约 $0.75）给你一个可直接发布的 Reels/TikTok/Shorts 画幅。

配方 4 — 多参考零售场景（三参考）

最适合： 由独立产品和道具静帧组装而成的目录和生活方式风格构图——那种物理布置起来很麻烦的平铺摆拍。

参考图片输入（产品 + 道具 + 表面）：

实际输出（1080p，4 秒）：

{
  "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"
  }
}

为什么有效： 三张干净、隔离的静帧——每个主体都在纯色背景上——给模型提供了明确无歧义的部件来组装。提示词明确说明 空间布局（“在洞石上……在它们旁边”），并按确切索引命名每张图片；当参考图杂乱或你只说“组合这些”时，融合会漂移。这也是你用上 1080 档的地方——按 $0.18/秒，4 秒镜头约 $0.72，而且因为你已经验证了构图合理，额外付费只是为了分辨率。q3-ad 最多接受 7 张参考图，所以你有空间为同一场景添加第二个道具或 logo 卡片。

“Native Audio”的真相（发布前必读）

q3-ad 模型页面标有 “Native Audio”，并宣传广告视频“具有智能剪辑、相机运动和声音”。实际上，我们为本页生成的每个片段返回的都是 纯视频 mp4，无音轨——我们用 ffprobe 确认过，平台自带的该模型示例片段也是无声的。

所以目前请将 q3-ad 视为 无声广告视频生成器：上述四个片段都需要在后期添加背景音乐或配音。这对大多数产品和社交广告不是障碍（你本来可能就要加入授权音乐），但这确实意味着你 不应 依赖模型生成完成的混音，也没有 reference_audio_urls 字段来提供语音。如果你需要口播、唇同步的主持人，那是 Q4 Preview 的工作——参见 那里的语音参考配方。

真正影响输出的提示词规则

• 给参考图编号。 “参考图 1 中的罐子……在参考图 2 的桌子上”比“罐子和桌子”更可靠地将主体绑定到索引。
• 在多参考镜头中为每张静帧分配角色——主角 vs 背景 vs 表面——并说明空间布局（“在……上”、“在……旁边”、“在……后面”）。
• 把相机写成一个连续运动（旋转 + 推进，进入 + 举起）。q3-ad 渲染单个镜头；在一个提示词中堆叠剪切会使其混乱。
• 对吉祥物和角色说“完全保持造型”，以推动模型趋向一致性而非重新发明。
• 保持参考静帧干净——一个主体，纯色背景。杂乱的参考图是漂移的头号原因。
• 在 720 档 size 上迭代，在 1080p 上定稿。 提示词完全相同；只有每秒费率变化。

常见问题

我可以使用自己真实产品的照片吗？ 可以——任何可公开访问的图片 URL 都可以作为参考。我们用 gpt-image-2/text-to-image 生成图片只是为了让示例可复现；托管的产品照片实际上更理想，因为主体已经正是你销售的东西。

我可以传入多少张参考图？ 1 到 7 张。九张会因 maxItems 错误失败；主视觉旋转一张就够了。

为什么我的请求返回 400“additional properties not allowed”？ 你几乎肯定发送了 aspect_ratio、resolution 或 reference_audio_urls。q3-ad 使用单个 size 枚举，没有音频输入——去掉那些字段。

它输出 4K 吗？ 不。q3-ad 最高 1080p。如果你需要 4K，请使用 Vidu Q4 Preview。

片段可以多长？ 3 到 15 秒，整数。更长的叙事剪辑最好由多个短镜头组装。

开始生成

获取你的密钥，复制上面的任意配方，换入你自己的产品 URL，然后 POST 到 /v1/tasks。模型详情和实时限制在 vidu-q3-ad/reference-to-video 页面，分步调用流程在 快速入门，你可以在 模型目录 浏览其余视频产品线。先在 720p 验证提示词，然后用 1080p 重跑你最喜欢的——这就是整个工作流。