什麼是 Vidu Q4?
Vidu Q4 Preview 是一個為短篇、電影化場景設計的 AI 影片生成模型,特點是在需要角色一致性、音訊與視訊協調、以及可控鏡頭運動的情況下表現出色。不同於僅將單張靜態圖片動畫化的流程,其 Reference-to-Video 模式可結合多個視覺參考與音訊片段來引導生成場景。
該模型特別適用於 AI 短劇、由角色主導的敘事、產品廣告、社群影片與電影預視等場景。
Vidu Q4 的主要特性
參考引導的主體一致性
Reference-to-Video 工作流程可接受 1–15 張圖片。這些圖片可為角色、產品、場景地點、服裝或場景風格提供視覺引導。當影片需要在一個序列中保留可辨識的視覺細節,而非讓每一幀獨立生成時,這將十分有用。
一致性是生成目標,並非保證每一幀都能完美保留人臉、比例、標誌或微小細節。
原生音訊與同步影片
Q4 Preview 支援音訊與視訊輸出,使創作者能生成帶有聲音的片段,而非總是在後續剪輯步驟中額外加入音訊。
Reference-to-Video 端點亦可接受最多三段音訊參考。視提供的素材與提示而定,這些參考可協助引導場景中的音訊相關要素。參考音訊不等同於對精確語音轉寫、特定聲線身份或完美口型同步的保證。
智慧鏡頭切換
該模型支援自動鏡頭切換,可幫助創作具多變視角的場景,而非僅限單一靜態機位。
這對對話場景、角色互動、電影化段落與短篇宣傳影片尤其有用。不過,創作者應檢視生成剪輯的連貫性、主體位置,以及所選角度是否符合預期敘事。
多種輸出解析度與長寬比
官方模型對照表列出從 540p 到 4K、24 fps 的輸出選項。支援的長寬比包含橫式、直式與方形格式。
這為創作者在準備不同投放位置的影片時提供了彈性,包括:
- 16:9:傳統橫向影片。
- 9:16:直向短影音內容。
- 1:1:方形社群媒體素材。
- 3:4 與 4:3:其他直向或橫向版面。
更高解析度並不必然意味著更佳的運動表現、更強的一致性或更少的視覺偽影。
非同步 API 生成
已記錄的 API 採用任務式工作流程:提交生成請求,接收任務 ID,並輪詢任務直至生成結果可用。
這適用於需要處理多個片段、追蹤作業狀態並以程式化方式擷取結果的生產管線。
Vidu Q4 vs. Vidu Q3 vs. 其他影片模型
| Criterion | Vidu Q4 Preview | Vidu Q3 | Other video models |
|---|---|---|---|
| Primary positioning | 以參考為驅動的電影化場景 | 敘事型影片生成 | 取決於模型 |
| Visual references | 最多 15 張圖片 | 取決於 API 模式 | 取決於模型 |
| Audio references | 最多 3 段音訊 | 取決於模型與模式 | 取決於模型 |
| Maximum duration | 16 秒 | 在已文件化的 Q3 路由上最長 16 秒 | 不定 |
| Maximum resolution | 4K | 取決於路由 | 不定 |
| Best evaluation target | 角色、聲音、鏡頭與場景的一致性 | 敘事與音訊與視訊工作流程 | 取決於任務 |
這是能力對比,而非基準排名。關於 Vidu Q3 的技術細節,請參見 CometAPI 的 Vidu Q3 指南
推薦使用情境
- AI 短劇:在短篇敘事場景中維持角色外觀與聲音的一致性。
- 廣告與產品影片:使用參考圖片引導產品外觀與場景構圖。
- 社群媒體內容:生成短篇電影化片段,用於創意測試與行銷活動變體。
- 電影預視:在製作前探索鏡頭運動、動作段落與鏡頭轉場。
- 角色驅動的動畫:結合視覺參考與聲音引導,獲得更一致的表演效果。