要約: Vidu Q4 Preview は ShengShu Technology が 2026年10月7日に発表した次世代動画モデルのパブリックプレビューです。Image-to-Video と Reference-to-Video のワークフローをサポートし、最大 4K 出力、最大 15 枚の画像リファレンス + 3 つのボイスリファレンスをサポートし、キャラクター表現、カメラワーク、VFX が大幅に強化されています。高解像度出力と複数のビジュアル・オーディオリファレンスの組み合わせが主な差別化要因です。
Artificial Analysis の AA-Video-I2V ランキングで初登場 3 位（Elo 1,179、Vidu Q3 Pro から 16 位上昇）。価格はローンチ割引込みで最安 ~$0.014/sec から。公式の Vidu Web アプリ、API、CometAPI などのプラットフォームで利用可能。ショートドラマ、広告、ソーシャルコンテンツ、シネマティック制作に最適です。
重要ポイント
- Vidu Q4 Preview は Shengshu 史上最も高度な動画モデルで、「表現力」に注力。生き生きとした感情、自然な声、滑らかな動き、強力な VFX を実現。
- 中核機能: Image-to-Video と Reference-to-Video のみ（プレビューでは Text-to-Video 非対応）；最大 16 秒；解像度は 540p–4K；最大 15 枚の画像リファレンスと 3 つのオーディオリファレンス；ネイティブ音声生成。
- ベンチマーク: Artificial Analysis の image-to-video ランキングで 3 位（Elo 1,179）。Vidu Q3 Pro（19 位付近、~1,056 Elo）から大幅向上。多くの比較で同等または低コストでより高品質。
- 価格: 低解像度で ~$0.014–$0.045/sec から、4K はスケールアップ。公式チャネルで 2026年11月30日まで Image/Reference-to-Video が 30% 割引。
- アクセス: 公式 Vidu サイトと platform.vidu.com の API。CometAPI などのサードパーティや統合 API でも利用可能。
- 最適用途: 複数ショットのシーンで、キャラクター/プロダクトの一貫性と音声を必要とするプロワークフロー。
Vidu Q4 Preview とは？
Vidu Q4 Preview は、Shengshu Technology（ShengShu、Vidu AI とも呼称）の次世代フラッグシップ AI 動画生成モデルの一般向け早期アクセス版です。2026年10月7日にローンチされ、従来の Vidu Q シリーズ（特に Q3）を基盤に、「传神表现力」— lifelike, expressive performance を強く志向しています。
Shengshu Technology は清華大学の AI 研究ラボを起源とし、Vidu をショートドラマ、広告代理店、ソーシャルクリエイター、インディースタジオ、映画制作チーム向けのプロダクション志向モデルとして位置づけています。プレビュー版は本リリース前に意図的に公開され、クリエイターが実プロジェクトで試し、そのフィードバックで最終版を磨き上げる狙いがあります。
純粋な Text-to-Video モデルと異なり、Q4 Preview はリファレンス駆動です。複数のリファレンスが与えられた場合、キャラクター、スタイル、シーン、プロダクト、声の一貫性を優先します。出力にはネイティブの同期オーディオ（対話、効果音、アンビエンスが動画と同時生成）が含まれ、多くのケースで別途のオーディオ・ポスプロを不要または軽減します。
公式ハイライトには、最大 4K 解像度、最大 16 秒のクリップ、最大 15 枚の画像リファレンス、最大 3 つのオーディオリファレンスが含まれます。
主な機能と技術仕様
| 仕様 | Vidu Q4 Preview |
|---|---|
| モデルID | viduq4-preview |
| モード | Image-to-Video; Reference-to-Video |
| 解像度 | 540p; 720p; 1080p; 2K; 4K |
| フレームレート | 24 fps |
| 最大動画長 | 16 seconds |
| Image-to-Video の長さ | 3–16 seconds |
| 画像リファレンス | Up to 15 |
| オーディオリファレンス | Up to 3 |
| 音声・映像の同時生成 | Supported |
| Reference-to-Video のアスペクト比 | 16:9, 9:16, 1:1, 4:3, 3:4 |
Vidu Q4 Preview は主に 2 つのモードで動作します:
画像から動画（I2V）
単一の画像をアップロード（最初のフレームとして使用）、動き、カメラワーク、台詞、エフェクトを説明するテキストプロンプトを追加し、3–16 秒の動画を生成します。出力は元画像のアスペクト比を維持します。解像度は 540p から 4K まで対応。
リファレンスから動画（R2V）
1–15 枚の画像リファレンス（キャラクター、製品、オブジェクト、ロケーション、スタイル）に加え、任意で 0–3 のボイス/オーディオリファレンス（通常は短い MP3 クリップ）を組み合わせます。モデルは生成されるマルチショットのシーケンス全体で、視覚と声の一貫性を維持します。長さは 1–16 秒。このモードにより、複数の被写体を用いた複雑なワンテイク的ストーリーテリングが可能になります。
追加の技術詳細 :
- フレームレート: 24 fps
- 色: 高解像度（2K/4K）では最大 10-bit に対応し、プロ向けワークフローに適合
- オーディオ: 台詞、感情表現、リップシンク、効果音を同期生成
- カメラ & 動き: 安定性向上、マルチショット遷移の滑らかさ向上、大きな動き（武術、格闘、走り）の処理改善、より強いシネマティックなカメラ言語
- VFX: 爆発、煙、パーティクル、エネルギー効果、複雑なシーンダイナミクスを強化
- プロンプト: 指示追従性が強化。ユーザーは画像を順序で参照することが推奨（例: “image 1”, “image 2”）、マルチショット制御のためにタイミングのビートを含める
これらの強化により、より微妙な表情、自然な感情表現の音声、一貫したライティング/テクスチャ、前世代比でのアーティファクト低減を実現します。
パフォーマンスベンチマークと補足データ
Artificial Analysis の独立評価では、Vidu Q4 Preview は AA-Video-I2V v1.0 ランキングで Elo 1,179 の 3 位に位置づけられました。これは Vidu Q3 Pro（以前は 1,056 前後の Elo で 19 位付近）から 16 位のジャンプに相当します。スナップショット時点（2026 年 10 月上旬）では、MiniMax H3 Max が ~1,195 Elo で首位、僅差で MiniMax H3、次いで Vidu Q4 Preview が続きました。
Shengshu および第三者のレポートによれば、Q4 Preview は同一または類似の条件で Q3 Pro と比べて、同等または低い実効コストでより高品質を達成しています（例: 1080p・音声付きで 1 分あたり約 $7.20 の構成、25% 高い費用対効果とされるケースも）。ローンチ時のメッセージングでは、同等仕様で予算あたり最大 5 倍の出力が可能と謳われています。
初期テスト（SelfyzAI や RunningHub などのプラットフォームでのベータを含む）では、キャラクターの一貫性、より本物らしい演技/リップシンク、より安定したカメラワーク、大規模なエフェクト（災害、SF、ファンタジーシーケンス）の迫力が強化された点が強調されています。中国語テキストのレンダリングやオンスクリーンテキストの扱いも、プロダクションレディと評価されています。
プレビュー版であるため、具体的なスコア、制限、価格はフル Q4 リリース前に変更され得る点に留意してください。
Vidu Q4 と Vidu Q3 の比較: 共通点と相違点
この比較は特に Q3 Pro を対象とし、Q3 ファミリーのすべてのモデルを網羅するものではありません。Q3 Mix、Q3 Turbo、その他の Q3 バリアントはワークフローや制限が異なります。
| 次元 | Vidu Q4 Preview | Vidu Q3 Pro |
|---|---|---|
| 最大記載解像度 | 4K | 1080p |
| API の動画長 | Q4 エンドポイントで 3–16 seconds | ドキュメント上の Q3 Pro では 1–16 seconds |
| 生成ルート | 画像から動画; リファレンスから動画 | テキストから動画; 画像から動画; 開始-終了フレーム |
| リファレンスガイダンス | リファレンスから動画で最大 15 画像・最大 3 オーディオ | この Q3 Pro 比較では同等のリファレンスから動画ルートなし |
| 同期オーディオ・ビデオ | Supported | Supported |
| 初期適性 | リファレンス主導の高解像度ショートシーン | テキストのみ、または開始/終了フレームのワークフロー |
出典: Vidu の Q4 API ドキュメント および Q3 モデルドキュメント。
Q4 Preview は、多数のビジュアル・オーディオリファレンスや 2K/4K 出力が必要なプロダクションワークフローに適しています。Q3 Pro は、Text-to-Video や開始/終了フレーム制御が必要な場合に有用です。最大長自体は Q4 の改善点ではありません。ドキュメント上、両者とも 16 秒に到達可能です。
以下の比較は Q3 Pro を基準にしています。どちらのモデルも同期オーディオ付きの短編動画を生成します。Q4 Preview は解像度上限とマルチリファレンスのルートを追加し、Q3 Pro は Text-to-Video と開始/終了フレームのワークフローを維持します。これらの違いはドキュメント化されたルートを説明するもので、すべての Q3 バリアントに一般化すべきではありません。
類似点: 短尺クリップ、オーディオ、品質向上は未検証
どちらのモデルも最大 16 秒のクリップに対応するため、Q4 Preview は最大長を延長していません。また、同期オーディオ・ビデオ生成やカメラ切り替えをサポートします。Q4 Preview のオーディオリファレンスは、シーンの音をガイドする手段を追加します。これらはリップシンク、モーション、アイデンティティ一貫性の実測改善を直接示すものではありません。以下の Artificial Analysis の結果は Q3 Pro の文脈を提供しますが、Q4 のスコアや Q3 から Q4 への直接比較を提供するものではありません。
相違点: リファレンス入力と生成ルート
両者とも Image-to-Video を提供します。Q4 Preview はさらに Reference-to-Video を提供し、1–15 枚の画像と最大 3 つのオーディオクリップを受け付けます。Q3 Pro は Text-to-Video と Start-End Frame のルートを提供します。Q4 のリファレンスルートは、キャラクター、製品、ビジュアルスタイルでガイドされるシーンに適合し、Q3 Pro は入力がテキストや特定のフレーム対である場合に有効です。Q4 Preview は Q3 Pro の 1080p から 4K へと解像度上限を引き上げ、より高解像度の納品オプションを提供します。
相違点: 価格と最適ワークフロー
Vidu の標準ネイティブ API 価格では、Q4 Preview は 720p が 19 credits/second、Q3 Pro は 20、1080p は両者とも 24 credits/second です。したがって Q4 が一律に安いわけではありません。2K と 4K ではより高いレートになります。Q4 は高解像度・リファレンス主導のシーンに適し、Q3 Pro はテキストのみと開始/終了フレーム作業に適します。これらのネイティブレートは CometAPI の価格とは別です。
Vidu Q4 Preview の費用は？
Vidu はネイティブ API の生成をクレジットで課金します。公開クレジット単価は 1 クレジットあたり RMB 0.03125 です。以下の計算は、任意サービスや個別契約を除く標準の Q4 Preview 生成レートに基づきます。
| 解像度 | Credits / second | 計算上の RMB / second | 計算上の RMB / 5 seconds |
|---|---|---|---|
| 540p | 9 | 0.28125 | 1.40625 |
| 720p | 19 | 0.59375 | 2.96875 |
| 1080p | 24 | 0.75 | 3.75 |
| 2K | 38 | 1.1875 | 5.9375 |
| 4K | 78 | 2.4375 | 12.1875 |
Vidu Q4 Preview の利用方法
公式 Vidu Web アプリ — vidu.com/vidu-q4 または Reference-to-Video と Image-to-Video の主要作成インターフェースへアクセス。サインアップ/ログインし、リファレンスをアップロード、プロンプトを記述、長さ/解像度を選択して生成。新規ユーザー向けプロモコードは公式ソーシャルで共有されています。
公式 API — platform.vidu.com で利用可能。モデル ID: viduq4-preview。540p–4K の解像度、非同期タスク処理のコールバック、両生成モードをサポート。自動化パイプラインを構築する開発者に最適。
開発者・チームに推奨: CometAPI
CometAPI（cometapi.com）は、単一のキーとエンドポイント（https://api.cometapi.com/v1）で複数プロバイダのテキスト/画像/動画/音声の 500+ モデルを統合する、OpenAI 互換の統一 API ゲートウェイです。すでに Vidu モデル（Q3 バリアントや Q4 Preview のカタログ掲載を含む）をリストしており、競争力のある価格（公式より割安な場合も）と簡単な統合を提供します。Vidu Q4 へのアクセスで CometAPI を使う利点:
- 1 つの API キーで Vidu を含む数百のモデルにアクセス（統合を作り直すことなく切替可能）。
- 請求とモニタリングの簡素化。
- 動画生成のプロダクションレディなエンドポイント。
- サインアップ時に無料テストクレジット。開始にクレジットカード不要。
- 既存の OpenAI SDK とドロップイン互換（base_url と key を変更するだけ）。開始手順: cometapi.com でサインアップし、API キーを作成、該当する Vidu モデル ID（最新の models/vidu ページで
viduq4-previewなどを確認）で動画生成エンドポイントを呼び出し。
実用ユースケースとベストリザルトのためのヒント
- AI ショートドラマ/シリーズ: 複数ショット間で、マルチリファレンス入力によりキャラクターのアイデンティティと声を維持。
- 広告 & プロダクト動画: 複数の製品写真 + ボイスオーバーリファレンスで、製品外観とブランドスタイルを固定。
- ソーシャル/シネマティックコンテンツ: ダイナミックなカメラと高インパクトな VFX によるマルチショットのストーリーテリング。
- 反復ワークフロー: 低解像度でラフを素早く生成し、プロンプトとリファレンスを磨き、最終を 2K/4K でレンダリング。
プロンプトのヒント: カメラの動き（「スローなプッシュイン」「トラッキングショット」）、感情、台詞のタイミング、どのリファレンスがどの要素に対応するかを具体的に記述。1 回の反復では変数を 1 つだけ変更。ネイティブ音声生成は強力ですが、商用納品では選択的なポスト編集でリップシンクや音声を丁寧に確認してください。
留意すべき制限
プレビュー段階では Text-to-Video は非対応（最低 1 枚の画像が必要）。フル Q4 では機能拡張の可能性があります。結果は変動し得ます。複雑なマルチサブジェクトのシーンでは、リファレンス準備とプロンプト設計が依然重要です。利用プラットフォームの商用ライセンスとコンテンツポリシーは必ず確認してください。
結論と推奨
Vidu Q4 Preview は、より高い解像度、優れたリファレンス制御、表現力豊かなパフォーマンス、競争力のあるコスト構造により、Shengshu の Vidu ラインに意味のある飛躍をもたらします。独立ベンチマークでの堅調な結果と、（一貫性 + ネイティブ音声）という制作現場の実際に焦点を当てた設計により、2026 年後半のリファレンス主導の動画制作における有力な選択肢となっています。
クリエイターや開発者が実験とスケールを最短で進めるには、まず公式 Vidu サイトで創作を試し、その後、公式 API もしくは CometAPI のような統一ゲートウェイでプロダクションワークフローに統合するのがおすすめです。CometAPI の単一キーでの Vidu（および 500+ 他モデル）アクセスは統合負荷を下げ、コスト面でも有利な場合が多く、動画とテキスト/画像のパイプラインを組み合わせるチームや、複数動画モデルの A/B テスト、コンテンツ自動化を進めるチームに最適です。
vidu.com/vidu-q4 または cometapi.com/models/vidu/ のモデルカタログから、今日から Vidu Q4 Preview を体験してください。フル Q4 リリースはこのプレビュー期のフィードバックを基に強化される見込みです。早期に徹底検証するアーリーアダプターは、最終版を最大限に活用できるでしょう。