Vidu Q4 nedir?
Vidu Q4 Preview, tutarlı karakterler, uyumlu ses ve video ile kontrollü kamera hareketi gerektiren kısa, sinematik sahneler için tasarlanmış bir yapay zekâ video üretim modelidir. Yalnızca tek bir durağan görüntüyü canlandıran bir iş akışının aksine, Reference-to-Video modu, oluşturulan sahneyi yönlendirmek için birden çok görsel referans ve ses klibini birleştirebilir.
Model özellikle yapay zekâ kısa dramaları, karakter odaklı anlatım, ürün reklamcılığı, sosyal video ve sinematik ön görselleştirme için uygundur.
Vidu Q4'ün başlıca özellikleri
Referans yönlendirmeli konu tutarlılığı
Reference-to-Video iş akışı 1–15 görsel kabul eder. Bunlar, karakterler, ürünler, mekânlar, kostümler veya sahne stilleri için görsel yönlendirme sağlayabilir. Bu, bir videonun her kareyi bağımsız olarak üretmek yerine bir dizi boyunca tanınabilir görsel ayrıntıları koruması gerektiğinde kullanışlıdır.
Tutarlılık bir üretim hedefidir; her karenin yüzleri, oranları, logoları veya küçük ayrıntıları kusursuz biçimde koruyacağına dair bir garanti değildir.
Yerel ses ve senkronize video
Q4 Preview, ses-video çıktısını destekler; böylece oluşturucular sesleri her zaman ayrı bir düzenleme adımında eklemek yerine sesli bir klip oluşturabilir.
Reference-to-Video uç noktası ayrıca en fazla üç ses referansını kabul eder. Bunlar, sağlanan materyaller ve isteme bağlı olarak bir sahnenin sesle ilgili yönlerini yönlendirmeye yardımcı olabilir. Referans ses, birebir konuşma deşifresi, ses kimliği veya kusursuz dudak senkronizasyonu garantisiyle karıştırılmamalıdır.
Akıllı kamera geçişi
Model, otomatik kamera geçişini destekler; bu, tek bir statik kamera açısından ziyade değişen bakış açılarına sahip sahneler oluşturmaya yardımcı olabilir.
Bu, özellikle diyalog sahneleri, karakter etkileşimleri, sinematik sekanslar ve kısa tanıtım videoları için geçerlidir. Ancak, oluşturucuların üretilen kesitleri süreklilik, konu konumlandırması ve seçilen açıların amaçlanan hikâyeye uygunluğu açısından incelemesi gerekir.
Birden çok çıktı çözünürlüğü ve en-boy oranı
Resmî model haritası, 24 fps'de 540p'den 4K'ya kadar çıktı seçeneklerini listeler. Desteklenen en-boy oranları arasında yatay, dikey ve kare formatlar bulunur.
Bu, farklı yerleşimler için video hazırlarken oluşturuculara esneklik sağlar; örneğin:
- 16:9 geleneksel yatay video için.
- 9:16 dikey kısa biçimli içerik için.
- 1:1 kare sosyal medya varlıkları için.
- 3:4 ve 4:3 diğer dikey veya yatay yerleşimler için.
Daha yüksek çözünürlük, otomatik olarak daha iyi hareket, daha güçlü tutarlılık veya daha az görsel eser anlamına gelmez.
Asenkron API üretimi
Belgelendirilmiş API, görev tabanlı bir iş akışını izler: bir üretim isteği gönderin, bir görev kimliği alın ve üretilen sonuç kullanılabilir hale gelene kadar görevi sorgulayın.
Bu, birden fazla klibi işleme, iş durumunu izleme ve sonuçları programlı olarak alma gereksinimi olan üretim boru hatları için uygundur.
Vidu Q4 vs. Vidu Q3 vs. diğer video modelleri
| Kriter | Vidu Q4 Preview | Vidu Q3 | Diğer video modelleri |
|---|---|---|---|
| Birincil konumlandırma | Referans odaklı sinematik sahneler | Anlatı odaklı video üretimi | Modele bağlı |
| Görsel referanslar | En fazla 15 görsel | API moduna bağlı | Modele bağlı |
| Ses referansları | En fazla 3 klip | Modele ve moda bağlı | Modele bağlı |
| Azami süre | 16 saniye | Belgelendirilmiş Q3 rotalarında en fazla 16 saniye | Değişir |
| Azami çözünürlük | 4K | Rotaya bağlı | Değişir |
| En uygun değerlendirme hedefi | Karakter, ses, kamera ve sahne tutarlılığı | Anlatı ve ses-video iş akışları | Göreve özgü |
Bu bir yetenek karşılaştırmasıdır, bir kıyaslama sıralaması değildir. Vidu Q3 ile ilgili teknik ayrıntılar için bkz. CometAPI'nin Vidu Q3 kılavuzu
Önerilen kullanım senaryoları
- Yapay zekâ kısa dramaları: Kısa anlatı sahneleri boyunca karakter görünümü ve sesini koruma.
- Reklam ve ürün videoları: Referans görsellerle ürün görünümünü ve sahne kompozisyonunu yönlendirme.
- Sosyal medya içeriği: Yaratıcı testler ve kampanya varyasyonları için kısa sinematik klipler üretme.
- Film ön görselleştirmesi: Üretim öncesinde kamera hareketini, aksiyon sekanslarını ve çekim geçişlerini keşfetme.
- Karakter odaklı animasyon: Daha tutarlı performanslar için görsel referansları ses yönlendirmesiyle birleştirme.