TLDR: Vidu Q4 Preview 是 ShengShu Technology 於 2026 年 10 月 7 日發布的下一代視訊模型公開預覽版。支援圖像轉影片與參考轉影片流程，輸出最高可達 4K，支援最多 15 張圖片參考 + 3 個語音參考，並在角色表現、鏡頭運作與 VFX 上大幅增強。其主要差異化在於高解析度輸出與多重視覺與音訊參考的結合。
它在 Artificial Analysis 的 AA-Video-I2V 排行榜上以第 3 名首發（Elo 1,179，較 Vidu Q3 Pro 躍升 16 位）。定價在上市折扣下低至約 $0.014/秒，並可透過官方 Vidu 網頁 app、API，以及包含 CometAPI 在內的平台使用。適合短劇、廣告、社群內容與電影級製作。
關鍵要點
- Vidu Q4 Preview 是 Shengshu 迄今最先進的視訊模型，聚焦「傳神表現力」，具備逼真情緒、自然聲音、流暢運動與高衝擊力 VFX。
- 核心能力：僅支援 Image-to-Video 與 Reference-to-Video（預覽版不支援文字轉影片）；最長 16 秒；解析度 540p–4K；最多 15 張圖片參考與 3 個音訊參考；原生音訊生成。
- 基準成績：在 Artificial Analysis 圖像轉影片排行榜位居第 3（Elo 1,179），相較 Vidu Q3 Pro 的第 19 名表現更佳；在多數對比中以相近或更低成本提供更高品質。
- 價格：低解析度起價約 $0.014–$0.045/秒，4K 更高；官方通路對圖像/參考轉影片提供至 2026 年 11 月 30 日的 30% 上市折扣。
- 存取：官方 Vidu 網站與 platform.vidu.com API；亦可於第三方平台與 CometAPI 等統一 API 取得。
- 最適合需要在多鏡頭場景中維持角色/產品一致性並含音訊的專業工作流程。
什麼是 Vidu Q4 Preview？
Vidu Q4 Preview 是 Shengshu Technology（亦稱為 ShengShu 或 Vidu AI）下一代旗艦 AI 視訊生成模型的公開搶先體驗版。於 2026 年 10 月 7 日推出，承襲早期的 Vidu Q 系列（尤其 Q3），並強調「傳神表現力」——逼真、富於表現力的呈現。
Shengshu Technology 源自 Tsinghua University 的 AI 研究實驗室，將 Vidu 定位為面向短劇、廣告代理、社群創作者、獨立工作室與電影製作團隊的生產導向視訊模型。預覽版刻意先於完整 Q4 發布，讓創作者能在真實專案中測試並回饋，以塑造最終版。
不同於純文字轉影片模型，Q4 Preview 以參考驅動為核心。當提供多個參考時，它優先確保角色、風格、場景、產品與聲音的一致性。輸出包含原生同步音訊（對話、音效與環境音與影片同步生成），在許多情況下可免去或減少額外的音訊後期。
官方亮點包含最高 4K 解析度、最長 16 秒、最多 15 張圖片參考與最多 3 條音訊參考。
主要功能與技術規格
| Specification | Vidu Q4 Preview |
|---|---|
| Model ID | viduq4-preview |
| Mode | Image-to-Video; Reference-to-Video |
| Resolution | 540p; 720p; 1080p; 2K; 4K |
| Frame rate | 24 fps |
| Maximum video duration | 16 seconds |
| Image-to-Video duration | 3–16 seconds |
| Image references | Up to 15 |
| Audio references | Up to 3 |
| Audio-video generation | Supported |
| Reference-to-Video aspect ratios | 16:9, 9:16, 1:1, 4:3, 3:4 |
Vidu Q4 Preview 運作於兩種主要模式：
Image-to-Video (I2V)
上傳單張圖片（作為第一幀），加入描述運動、鏡頭移動、對話或特效的文字提示，生成 3–16 秒影片。輸出會保留來源圖片的原始長寬比。支援 540p 至 4K 的解析度。
Reference-to-Video (R2V)
結合 1–15 張參考圖片（角色、產品、物件、場景、風格）以及可選的 0–3 個語音/音訊參考（通常為短 MP3 片段）。模型會在生成的多鏡頭序列中維持視覺與聲音一致性。時長範圍 1–16 秒。此模式可用於多主體的一鏡到底式敘事。
其他技術細節：
- 幀率：24 fps
- 色彩：高解析度（2K/4K）可達 10-bit，適用專業流程
- 音訊：原生生成同步語音、情感表達、唇形同步與音效
- 鏡頭與運動：穩定性提升、更順暢的多鏡頭轉場、更佳的大幅運動處理（武打、對戰、奔跑），以及更強的電影級鏡頭語言
- VFX：強化爆炸、煙霧、粒子、能量特效與複雜場景動態
- 提示詞：更強的指令遵循；建議按順序引用圖片（例如 “image 1”、“image 2”），並加入時間節點以控制多鏡頭節奏
這些升級帶來更細膩的臉部表情、更自然的情感表達、更一致的光影/材質，並相較前代減少偽影。
效能基準與佐證資料
來自 Artificial Analysis 的獨立評測將 Vidu Q4 Preview 排名為 AA-Video-I2V v1.0 榜單第 3 名，Elo 分數 1,179。相較 Vidu Q3 Pro（先前約第 19 名、Elo 約 1,056）上升 16 位。於快照時點（2026 年 10 月上旬），MiniMax H3 Max 以約 1,195 Elo 領先，其次為 MiniMax H3，然後是 Vidu Q4 Preview。
Shengshu 與第三方報告指出，在可比設定下，Q4 Preview 以相同或更低的有效成本實現更高品質（例如某一測試配置下，1080p 含音訊約 $7.20/分鐘，有時被稱為成本效率高 25%）。上市訊息宣稱在相似規格下，預算不變可獲得最多 5 倍輸出。
早期測試（包含在 SelfyzAI 與 RunningHub 等平台的測前階段）顯示更強的角色一致性、更真實的表演/對嘴、更穩定的鏡頭運作，以及具衝擊力的大場面特效（災難、科幻、奇幻場景）。中文文字渲染與螢幕文字處理也被讚為可達到製作水準。
請注意，作為預覽版，最終分數、限制與定價可能在完整 Q4 發布前調整。
Vidu Q4 與 Vidu Q3：相同點與差異
此比較特指與 Q3 Pro 對照，非整個 Q3 家族。Q3 Mix、Q3 Turbo 與其他 Q3 變體的流程與限制各異。
| Dimension | Vidu Q4 Preview | Vidu Q3 Pro |
|---|---|---|
| Maximum listed resolution | 4K | 1080p |
| API duration | 3–16 seconds on Q4 endpoints | 1–16 seconds in the documented Q3 Pro routes |
| Generation routes | Image-to-Video; Reference-to-Video | Text-to-Video; Image-to-Video; Start-End Frame |
| Reference guidance | Up to 15 images and up to 3 audio references on Reference-to-Video | No equivalent Reference-to-Video route in this Q3 Pro comparison |
| Synchronized audio-video | Supported | Supported |
| Best initial fit | Reference-led, high-resolution short scenes | Text-only or start/end-frame workflows |
來源：Vidu 的 Q4 API 文件 與 Q3 模型文件。
當製作流程依賴多個視覺參考、音訊參考或需要 2K/4K 輸出時，Q4 Preview 更適合；當需要文字轉影片或首尾畫格控制時，Q3 Pro 仍具價值。最長時長本身並非 Q4 的提升：兩者在其文件記載的路由下皆可達 16 秒。
以下比較以 Q3 Pro 為基準。兩者都能生成含同步音訊的短片。Q4 Preview 增加更高解析度上限與多參考路由；Q3 Pro 保留文字轉影片與 Start-End Frame 流程。這些差異描述的是文件記載的路由，不應泛化至所有 Q3 變體。
相似點：短片、音訊，品質提升尚未證實
兩者都支援最長 16 秒的短片，因此 Q4 Preview 並未延長最大時長，且皆支援同步音訊與鏡頭切換。Q4 Preview 的音訊參考提供導引場景聲音的新方式。這些能力並未建立對唇形同步、運動或身份一致性之實測改進的證據。下方的 Artificial Analysis 結果提供 Q3 Pro 的背景，並未提供 Q4 分數或直接的 Q3 對 Q4 質量比較。
差異：參考輸入與生成路由
兩者皆提供 Image-to-Video。Q4 Preview 另提供 Reference-to-Video，可接受 1–15 張圖片與最多 3 段音訊。Q3 Pro 則提供 Text-to-Video 與 Start-End Frame 路由。Q4 的參考路由適合由角色、產品或視覺風格主導的場景；當輸入為文字或指定首尾畫格時，Q3 Pro 仍更合適。Q4 Preview 也將解析度上限由 Q3 Pro 的 1080p 提升至 4K，提供更高解析度的交付選項。
差異：定價與最佳適配工作流程
依 Vidu 的 標準原生 API 定價，Q4 Preview 在 720p 為 19 點數/秒，Q3 Pro 為 20；兩者在 1080p 皆為 24 點數/秒。因此 Q4 並非一概更便宜；其 2K 與 4K 選項費率更高。Q4 適合高解析度、以參考為導向的場景；Q3 Pro 適合純文字與 start/end-frame 工作。這些原生費率獨立於 CometAPI 的定價。
Vidu Q4 Preview 的費用
Vidu 的原生 API 以點數計費。其公布的點數單價為 RMB 0.03125/點。以下計算基於 Q4 Preview 的標準生成費率，未含可選服務或另行協議。
| Resolution | Credits / second | Calculated RMB / second | Calculated 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 |
如何使用 Vidu Q4 Preview
Official Vidu Web App — 造訪 vidu.com/vidu-q4 或主要的 Reference-to-Video 與 Image-to-Video 建立介面。註冊或登入、上傳參考、撰寫提示詞、選擇時長/解析度並生成。新用戶促銷碼已於官方社群頻道釋出。
Official API — 可於 platform.vidu.com 使用。模型 ID：viduq4-preview。支援 540p–4K 解析度、非同步任務回呼與兩種生成模式。適合建立自動化產線的開發者。
開發者與團隊推薦：CometAPI
CometAPI（cometapi.com）是一個統一、相容 OpenAI 的 API 門戶，將多家供應商的 500+ 文本/影像/視訊/音訊模型彙整於單一金鑰與端點（https://api.cometapi.com/v1）下。其模型目錄已列出 Vidu 模型（含 Q3 變體與 Q4 Preview 條目），價格具競爭力（常較官方優惠）且易於整合。使用 CometAPI 存取 Vidu Q4 的優點：
- 一把 API 金鑰即可使用 Vidu 與數百款其他模型（切換不需重寫整合）。
- 簡化計費與監控。
- 適用於生產環境的視訊生成端點。
- 註冊即享免費測試點數；開始使用無需信用卡。
- 與既有 OpenAI SDK 即插即用（僅需更改 base_url 與 key）。快速開始：在 cometapi.com 註冊並建立 API 金鑰，於視訊生成端點呼叫相應的 Vidu 模型 ID（至模型清單頁查詢
viduq4-preview或同等型號）。
實際用例與最佳效果建議
- AI 短劇/影集：透過多參考輸入維持多鏡頭中的角色身份與聲線一致。
- 廣告與產品影片：以多張產品照 + 配音參考鎖定產品外觀與品牌風格。
- 社群/電影級內容：多鏡頭敘事、動態鏡頭與高衝擊力 VFX。
- 迭代流程：先以低解析度快速草稿，微調提示詞與參考後，再以 2K/4K 輸出成片。
提示詞建議：明確描述鏡頭運動（如「慢速推進」、「跟拍」）、情緒、對白時間點，以及各參考對應的元素。每次僅變更一個變數以便迭代。請仔細檢視對嘴與音訊；儘管原生生成已相當出色，商業成片仍可視需要做選擇性後期。
需注意的限制
作為預覽版，尚不支援文字轉影片（至少需一張圖片）。完整 Q4 可能擴充能力。結果仍可能波動；複雜多主體場景仍需仔細的參考準備與提示詞工程。使用前請務必確認所用平台的商業授權與內容政策。
結論與建議
Vidu Q4 Preview 為 Shengshu 的 Vidu 系列帶來顯著躍進：更高解析度、更強參考控制、更傳神的表演，以及具競爭力的經濟性，使高品質 AI 視訊更易取得。其在獨立基準的亮眼表現與對生產實務（一致性 + 原生音訊）的專注，使其成為 2026 年下半年參考驅動視訊工作的頂尖選項之一。
對創作者與開發者而言，建議先於官方 Vidu 網站進行創意探索，再透過官方 API 或如 CometAPI 的統一閘道納入生產流程。CometAPI 以單一金鑰存取 Vidu（及其他 500+ 模型），可降低整合負擔，且常具成本優勢——非常適合打造內容自動化、對多款視訊模型進行 A/B 測試，或將視訊與文本/影像流程整合的團隊。
立即前往 vidu.com/vidu-q4 體驗 Vidu Q4 Preview，或在 cometapi.com/models/vidu/ 瀏覽 CometAPI 的模型目錄。最終 Q4 版本很可能建立在本次預覽的回饋之上——越早深入測試的早期採用者，越能在正式版釋出時搶得先機。