HiAPI
21:9高调光影横幅:左侧奶油柔光留白,右侧虹彩玻璃胶片带沿陶瓷金属轨道卷曲上升,冰蓝青绿点缀珊瑚粉,vidu-q4-preview 发光蚀刻于胶片带上,为 Vidu 视频模型详情页 Hero 图。

Vidu

Vidu Q4 Preview

vidu-q4-preview/image-to-video

Vidu Q4 系列首个公开预览版,主打角色表演与原生音频,支持最多 15 张图与 3 段音频参考引导,输出最高 4K 视频

试用 vidu-q4-preview/image-to-video

输入

作品灵感

查看全部作品

输出

video
填写参数并生成,结果会显示在这里。

价格

vidu-q4-preview/image-to-video 每秒

规格 单价
540P $0.0515
720P $0.109
1080P $0.1375
2K $0.2175
4K $0.446

定位简介

vidu-q4-preview/image-to-video 是 Vidu Q4 系列的首发预览版本,以首帧图片为起点生成带原生音频的视频。模型支持 3 至 16 秒时长、540p 至 4K 分辨率输出,画面比例沿用首帧图片;可通过提示词描述运动、镜头与声音。适合需要角色表演、镜头语言和同步音效的开发者,用于叙事短片、广告预演或多方案比稿。

核心亮点

  • 首帧图驱动并原生同步音频——以首帧图片锁定画面构图与比例,生成时默认同时产出对话和音效,也可关闭音频输出静音视频。
  • 单次生成覆盖 3–16 秒与 4K 输出——时长与分辨率参数在同一线路内可调,从 540p 到 4K 按需选择,减少长镜头分段拼接。
  • Q4 预览版聚焦表达性表演——官方定位在角色表演、镜头语言与视觉特效方面做综合升级,适合对动作与情绪连续性有要求的镜头。

能力说明

首帧到带声音视频:传入一张首帧图片即可生成视频,画面比例跟随图片;原生音频默认开启,可同时得到对白与音效,关闭后输出无声视频。

时长与分辨率可调:单次生成时长可在 3 至 16 秒间按整数秒设置,分辨率支持 540p、720p、1080p、2K、4K 五档,按输出规格计划用量。

提示词控制运动与声音:提示词最长 20000 字符,可描述运动、镜头运动和声音,用于引导画面动态与音频内容。

图片输入限制明确:首帧图片支持 JPG、JPEG、PNG、WEBP,最大 50MB,宽高比需在 1:4 至 4:1 之间,便于在接入前校验素材。

适用场景

  • 独立创作者与小型工作室的叙事短片——以关键画面为首帧并配合提示词,生成带对白和音效的短片片段,直接进入剪辑流程。
  • 广告与品牌短片的镜头预演——用产品图或分镜帧驱动生成多档分辨率视频,供客户确认机位、节奏与声音方向后再进入正式制作。
  • 剧情类镜头的多方案比稿——针对同一首帧调整提示词与时长参数,批量输出不同表演或镜头运动方案,用于内部选型。

限制与选型建议

该模型属于 Preview 预览版本,官方明确能力与功能仍会迭代变化,不建议作为长期稳定生产管线的唯一依赖。单次生成时长上限 16 秒,更长镜头需要分段生成后拼接;输入以单张首帧图片为起点,无法在一条线路内混合多张参考素材。若需要参考图或音频参考维持角色与声音一致性,应改用同系列 reference-to-video 线路。对多镜头连贯叙事或超长视频有刚需时,需评估其他支持更长时长或更强一致性控制的模型。

  • 图生视频可以自己设置画幅吗?

    不能。成片画幅完全跟随首帧图片:传横图出横屏、传竖图出竖屏,所以想要 9:16 竖屏就准备一张竖版首帧。首帧宽高比需在 1:4 到 4:1 之间,过于狭长的图片会在提交时被拒绝。

  • audio 开关有什么用?

    原生音频默认开启,会生成与画面同步的对白、环境声和音效;关闭后输出纯画面无声视频,适合做循环背景、后期自己配乐或加字幕。开关不影响价格。

  • 时长和价格是什么关系?

    按提交的整数秒时长乘以所选分辨率的每秒单价计费,音频开关和图片数量都不参与计价。分辨率越高每秒单价越高,4K 档约为 540p 档的 8.7 倍,具体金额以定价页为准。

  • 五档分辨率分别适合什么场景?

    540p 用来试提示词和镜头,也够做小尺寸循环背景;720p 覆盖大多数社媒与网页;1080p 用于常规投放;2K 适合大屏和电视展示;4K 用于展陈、影院级画面或需要后期裁切二次构图的镜头。定稿前先用低档试,定稿再用高档出。

同类型模型