Zum Hauptinhalt springen
Unzensiert — Dieses Modell filtert Inhalte nach eigener Angabe nicht. SpicyAPI leitet die Anfrage ohne zusätzliche Plattformprüfung weiter; Rechts- und Einwilligungspflichten bleiben beim Kunden. Bild zu Video — Unzensiert; Videoverlängerung — Unzensiert; Referenz zu Video — Leicht.

Vidu Q4 Preview im Test: gesprochene Zeilen, 15 Referenzen, NSFW-Grenzen

Vidu Q4 Preview für gesprochene Zeilen und Mehrfach-Referenzen bis 4k; Erwachsenenszenen ab Startbild, denn Referenz zu Video lehnt L3-Inhalte ab.

Spicy Index

68,3/ 100

Vorläufig

Freedom Score

61,7/ 100
  • Mild · Die leichtesten Prompts im Test

  • Mittel · Ab hier beginnen gefilterte Modelle abzulehnen

  • Stark · Mittlere Stufe; muss vor einer Rangierung getestet werden

  • Sehr stark · Ab hier halten sich die meisten Modelle zurück

  • Maximal · Das obere Ende der Skala, in zwei Hälften bewertet: Klasse A und Klasse B

Preis
0,475 $ pro 5-Sekunden-Clip
Mediane Zeit
3,6 min
Erfolgsquote
Daten werden gesammelt

Vidu Q4 Preview ist die öffentliche Vorschau auf Vidus Q4-Videomodell (API-Code viduq4-preview), von Vidu (ShengShu Technology) am 7. Oktober 2026 vor dem vollständigen Q4-Modell veröffentlicht. Vidu bietet es für zwei Aufgaben an, und SpicyAPI stellt beide seit dem 8. Oktober bereit: Bild zu Video (vidu/q4-preview/image-to-video), das ein Startbild animiert, und Referenz zu Video (vidu/q4-preview/reference-to-video), das aus 1 bis 15 Referenzbildern und bis zu drei Sprachclips eine Szene baut. Beide erzeugen Clips von 3 bis 16 Sekunden in 540p, 720p, 1080p, 2k oder 4k; Dialog, Effekte und Atmosphäre entstehen zusammen mit dem Bild.

Das Fazit

Wählen Sie es, wenn eine Figur vor der Kamera eine Zeile sagen soll oder wenn eine Person, ein Outfit und ein Ort aus getrennten Fotos in einer Einstellung landen müssen. In unseren Tests am 8. Oktober 2026 wurden die Zeilen in doppelten Anführungszeichen gesprochen, und drei Referenzen (ein Porträt, ein Mantel auf einem Bügel und eine leere Umkleidekabine) kamen als eine Szene zurück, in der Gesicht, Mantel und Raum erhalten blieben. Lassen Sie es aus, wenn Sie eine Einstellung allein per Text schreiben wollen: Es gibt kein Text-zu-Video, jeder Clip beginnt also mit Bildern.

Bei Erwachsenenszenen verhalten sich die beiden Endpunkte sehr unterschiedlich. Bild zu Video lieferte in unseren Inhaltstests L2-Inhalte und einvernehmliche Fesselung und rahmte L3-Inhalte ein, statt sie zu zeigen; eine intime Szene zwischen zwei Erwachsenen wurde am 8. Oktober angedeutet und wird seit unserem erneuten Test am 9. Oktober abgelehnt. Referenz zu Video lehnte L3-Inhalte, Fesselung und männliche L3-Inhalte jedes Mal ab, intime Szenen in zwei von drei Läufen, und schwächte L2-Inhalte ab. Bauen Sie Erwachsenenszenen also von einem Startbild aus und nutzen Sie Referenz zu Video für bekleidete oder andeutende Szenen.

So schneidet es ab. In unserem Blindtest vom 9. Oktober erreichte Bild zu Video 70,1 von 100 Punkten: Bildqualität 75,2, Konsistenz 75,4, Prompt-Treue 69,9 und Bewegung 60,0, bei acht alltäglichen Prompts, die drei KI-Juroren blind bewertet haben. Punkte verlor es bei der Bewegung: Eine langsame Annäherung durch einen Wald kam fast als feststehende Einstellung zurück, und ein Clip, in dem ein Gemälde lebendig wird, bewegte sich kaum. Für Referenz zu Video gibt es noch keinen Blindtest-Wert. Sein Freedom Score auf unserer Inhaltsleiter lag am 9. Oktober bei 61,7 von 100, dem Mittel aus 80,0 für Bild zu Video und 43,3 für Referenz zu Video. Den aktuellen Spicy Index und seine vollständige Aufschlüsselung finden Sie auf der Wertungskarte oben und im Testbericht.

Bild zu Video ausprobieren → · Referenz zu Video ausprobieren →

Wichtige Fakten

  • Inhaltsgrenzen (8. und 9. Okt. 2026): Bei Bild zu Video wurden L1 Andeutend, L2 Teilweise und beide Arten von L5 Extrem wie geschrieben geliefert; L3 Stark und L4 Intensiv wurden jedes Mal abgeschwächt, eingerahmt oder angedeutet statt gezeigt, männliche L3-Inhalte wurde beschnitten; an diesen Tagen wurde nichts abgelehnt, doch in unserem erneuten Test am 9. Oktober wurde L4 in 3 von 3 Läufen abgelehnt. Bei Referenz zu Video wurden L1 und filmische Gewalt wie geschrieben geliefert, L2 wurde abgeschwächt, und L3, Fesselung und männliche L3-Inhalte wurden abgelehnt. Abgelehnte Anfragen werden nicht berechnet.
  • Werte: Der Spicy Index und der Freedom Score werden live auf dieser Seite berechnet; der Text zitiert die Ergebnisse vom 9. Oktober: 70,1 von 100 im Blindtest von Bild zu Video und ein Freedom Score von 61,7.
  • Ausgabe: 3 bis 16 ganze Sekunden mit 24 fps, mit AAC-Stereoton, sofern Sie ihn nicht abschalten. 540p, 720p (Standard) und 1080p kommen als H.264-MP4, 2k und 4k als 10-Bit-HEVC-MP4.
  • Format: Bild zu Video behält das Format Ihres Startbilds und hat kein Seitenverhältnis-Feld; Referenz zu Video nimmt 16:9 (Standard), 9:16, 1:1, 3:4 oder 4:3.
  • Parameter von Bild zu Video: prompt (bis zu 20.000 Zeichen), image_url, resolution, duration_seconds (3 bis 16, Standard 5), generate_audio (standardmäßig an), enable_prompt_expansion (standardmäßig aus) und seed.
  • Parameter von Referenz zu Video: prompt, reference_image_urls (1 bis 15, Pflicht), reference_audio_urls (bis zu 3; Vidu verlangt MP3, je 3 bis 12 Sekunden), aspect_ratio, resolution, duration_seconds, generate_audio und seed.
  • Tempo: etwa 2 Minuten Modellzeit für einen 5-Sekunden-Clip in 540p oder 720p bei Bild zu Video, etwa 2,5 Minuten für 3 Sekunden in 4k und 4 bis 6 Minuten bei Referenz zu Video.
  • Preis: Abgerechnet wird pro Sekunde Ausgabe, und nur die Auflösung ändert den Satz: 2k kostet mehr als 1080p und 4k etwa doppelt so viel wie 2k. Ton an oder aus sowie die Zahl der Referenzen und Sprachclips ändern ihn nicht. Der aktuelle Preis steht auf der Modellseite von Vidu Q4 Preview.
  • Quellen: Die Bewertungsregeln stehen auf der Seite zur Test-Methodik.

Was uns gefallen hat und was es bremst

Was uns gefallen hat

  • Zitierte Zeilen werden gesprochen. Im Umkleide-Clip sagt die Frau „Help me with this?“ wie geschrieben, und im Clip an der Kerzentür kommt die geflüsterte Zeile in der Stimme aus dem Referenzclip, mit Ton aus demselben Durchlauf.
  • Referenzen bleiben erhalten. Ein Porträt, ein Produktfoto eines smaragdgrünen Seidenmantels und eine leere Boutique-Umkleide wurden zu einer Szene: ihr Gesicht, Farbe und Glanz des Mantels, der vergoldete Spiegel und die rosa Samtvorhänge kamen alle durch.
  • Zwei Gesichter bleiben zwei Gesichter. Zwei Porträts von zwei Männern wurden zu einer Aufzugsszene, in der beide erkennbar sind.
  • Platz für eine ganze Besetzung. Referenz zu Video nimmt bis zu 15 Bilder (Personen, Outfits, Produkte oder Orte) und bis zu drei Sprachclips, und Sie verweisen im Prompt über die Position auf jedes einzelne.
  • Lange, große Clips. Jede ganze Sekundenzahl von 3 bis 16, bis zu 4k; ein 16:9-Bild kam mit 3804 x 2172 zurück.
  • Ein sauberes, ruhiges Bild. In unserem Blindtest vom 9. Oktober bewerteten die Juroren Bild zu Video mit 75,2 bei der Bildqualität und 75,4 bei der Konsistenz von 100; ein Auto, das durch eine Haarnadelkurve driftet, ein Pour-over-Kaffee und eine Lächeln-Nahaufnahme schnitten gut ab.
  • Bild zu Video liefert L2-Inhalte und Fesselung. L2-Inhalte, einvernehmliche Fesselung und filmische Gewalt wurden aus bekleideten Quellfotos geliefert, L3-Inhalte kam eingerahmt statt gezeigt zurück. Seit dem 9. Oktober wird eine intime Szene zwischen zwei Erwachsenen abgelehnt.
  • Der Ton kommt mit dem Bild. Der Hammam-Clip trägt Dampf und tropfendes Wasser, die Dialogclips eine Stimme und Atmosphäre; ein Schalter schaltet den Ton ab, und der Preis bleibt in beiden Fällen gleich.
  • Ablehnungen kosten nichts. Eine abgelehnte Anfrage bei Referenz zu Video kommt als fehlgeschlagener Auftrag zurück und wird nicht berechnet.

Was es bremst

  • Kein Text-zu-Video. Jeder Clip beginnt mit einem Startbild oder mit Referenzbildern, Sie brauchen also ein Bild, bevor Sie eine Einstellung erzeugen können.
  • Die Bewegung kann zaghaft ausfallen. Die Bewegung erreichte im selben Blindtest 60,0: Eine langsame Annäherung durch einen Wald kam fast als feststehende Einstellung zurück, ein Clip, in dem ein Gemälde lebendig wird, bewegte sich kaum, und ein Juror sah eine Katze die Seite eines Bücherregals hochklettern, statt aufs Regal zu springen. Beschreiben Sie die Kamerabewegung schlicht und prüfen Sie sie.
  • 2k und 4k kommen als 10-Bit-HEVC. Die Dateien sind groß (ein 4k-Clip von 3 Sekunden hatte 8,6 MB), und manche Browser können sie nicht inline abspielen. Öffnen Sie sie in einem Desktop-Player oder Editor oder transkodieren Sie sie; bis 1080p erhalten Sie H.264.
  • Referenz zu Video lehnt die meisten Erwachsenenanfragen ab. L3-Inhalte, Fesselung und männliche L3-Inhalte wurden in allen drei Läufen abgelehnt, intime Szenen in zwei von drei, während L2-Inhalte mit weiterhin getragenem Slip oder mit der Kamera oberhalb der Brust zurückkam.
  • Eine Ablehnung sieht wie eine fehlerhafte Anfrage aus. Sie kommt nach 60 bis 130 Sekunden mit der allgemeinen Meldung „Request failed. Please check your input parameters and try again.“ SpicyAPI meldet sie als Inhaltsablehnung, aber der Wortlaut stammt von Seiten des Modells.
  • L3-Inhalte und intime Szenen werden eingerahmt oder angedeutet. Bei Bild zu Video behielt sie in den L3-Läufen entweder die Unterwäsche an oder das Bild endete oberhalb der Hüfte, männliche L3-Inhalte wurde an Brust oder Taille abgeschnitten, und die L4-Szene wurde von der Seite angedeutet, der Kontakt blieb außerhalb des Bildes.
  • Referenz zu Video ist langsam. In unseren Stufenläufen 4 bis 6 Minuten pro Clip und etwa 8 Minuten für unseren Clip mit fünf Referenzen, gegenüber etwa 2 Minuten bei Bild zu Video.
  • Bei mehreren Personen kann sich ein Outfit ausbreiten. In unserem Clip mit fünf Referenzen trugen beide Frauen den smaragdgrünen Mantel, der für eine gedacht war; nennen Sie, was jede Person trägt.
  • Ein Sprachclip liefert nicht die Worte. Ein Lauf, der „die Stimme und die Worte des Referenz-Audios“ verlangte, ohne die Zeile zu schreiben, kam ganz ohne Sprache zurück.
  • Die Prompt-Erweiterung kann eine Anfrage abschwächen. In einem Lauf mit eingeschaltetem enable_prompt_expansion schrieb das Modell die Anfrage um und ließ den Slip an; lassen Sie sie aus, wenn Ihre Vorgaben wörtlich befolgt werden sollen.
  • Kein Seitenverhältnis-Feld bei Bild zu Video. Der Clip folgt Ihrem Bild, schneiden Sie es also vor dem Hochladen auf das gewünschte Format zu.

So sehen die Clips aus

Die Galerie enthält die sechs veröffentlichten Beispiele der Modellseite, hier kopiert, damit der Test sie behält, plus einen eigenen Clip vom 8. Oktober, der die Zahl der Referenzen auf fünf erhöht. Alles zeigt bekleidete Erwachsene, höchstens andeutend. Die Läufe unserer Inhaltsleiter veröffentlichen wir nicht.

Eine Zeile in die Kamera (Bild zu Video, 1080p). Von einem Bild einer Frau mit dunklem welligem Haar in einem schwarzen Satin-Slipkleid an einem dreiteiligen Spiegel unter Schminklichtern, der Reißverschluss hinten einige Zentimeter offen. Sie wendet sich zur Kamera, lässt den losen Träger weiter gleiten, greift nach dem Reißverschluss und sagt „Help me with this?“, dann beißt sie sich auf die Lippe. Gesicht, Kleid und Raum bleiben, wie das Bild sie zeichnete, und das 16:9-Bild kam mit genau 1920 x 1080 zurück.

Ein Gang aus dem Dampf (Bild zu Video, hochkant). Ein Mann mit Stoppelbart in einem weißen Handtuch steht von der Bank eines Marmorbads auf, streicht sich die nassen Haare zurück und geht auf die Kamera zu. Das 9:16-Bild kam mit 720 x 1280 zurück, und der Ton trägt das Zischen von Dampf und tropfendes Wasser.

Ein Kuss am Morgen (Bild zu Video). Zwei Frauen auf einem zerwühlten Bett im Morgenlicht, eine mit platinblondem Kurzhaarschnitt in einem champagnerfarbenen Seidenträgertop, die andere mit langem kastanienbraunem Haar in einem aufgeknöpften weißen Hemd, küssen sich langsam und lächeln.

Drei Referenzen, eine Anprobe (Referenz zu Video, 16:9). Ein Porträt einer Frau mit kurzen natürlichen Locken und goldenen Creolen, ein Produktfoto eines smaragdgrünen Seidenmantels auf einem Bügel und eine leere Boutique-Umkleide. Sie trägt in diesem Raum den Mantel über einem schwarzen Slip, bindet den Gürtel, wendet sich dem vergoldeten Spiegel zu, lässt den Mantel von einer Schulter gleiten und blickt über die Schulter in die Kamera.

Eine Zeile in geliehener Stimme (Referenz zu Video, 9:16, 9 Sekunden). Ein Porträt einer Frau mit langem schwarzem Haar und rotem Lippenstift plus ein Sprachclip. In einer kerzenbeleuchteten Tür dreht sie den Schlüssel und flüstert „Lock the door. Nobody is coming up tonight... and I am not in any hurry.“ Die Zeile steht im Prompt; der Audioclip legt nur die Stimme fest.

Zwei Porträts, ein Aufzug (Referenz zu Video, 9:16). Zwei Porträts von zwei Männern in Anzügen. In einem verspiegelten Hotelaufzug mit Messingverkleidung lockert der Bärtige dem anderen die Krawatte und drängt ihn gegen den Spiegel; sie küssen sich beinahe, als die Türen aufgehen. Beide Gesichter bleiben erhalten.

Fünf Referenzen, drei Personen (Referenz zu Video, 16:9, unser eigener Test). Wir schickten zwei Porträts von Frauen, das Porträt des bärtigen Mannes, den smaragdgrünen Mantel und die Umkleide und baten darum, dass die Frau mit dem langen schwarzen Haar den Mantel anprobiert, während die Frau mit den kurzen Locken den Gürtel bindet und der Mann von der Tür aus „It's perfect. We're late.“ sagt. Alle drei Gesichter kamen durch, ebenso der Raum: die rosa Samtvorhänge, der vergoldete Spiegel und die Stange mit Slips. Die Zeile wurde gesprochen (unser Transkript lautete „It's perfect, we're late.“). Zwei Dinge wichen ab: Der Mantel landete an beiden Frauen (der Prompt sagte nie, was die zweite Frau trägt), und der Mann stand an der Stange, statt in der Tür zu lehnen. Der Clip brauchte etwa 8 Minuten.

Größen, Dateien und Tempo

Bild zu Video folgt Ihrem Bild. Ein 16:9-Bild kam mit 952 x 544 in 540p, 1268 x 724 in 720p, 1906 x 1088 in 1080p und 3804 x 2172 in 4k zurück; ein anderes mit genau 1920 x 1080 in 1080p; ein 2:3-Hochformat ergab in 540p 586 x 880. Bei Referenz zu Video ergab 16:9 in 540p 960 x 528, 9:16 in 720p 720 x 1280 und 1:1 in 2k 1920 x 1920. Die Clips laufen wenige Hundertstelsekunden über die gewünschte Länge hinaus (5 Sekunden kamen als 5,04 zurück).

Ein sinnvoller Ablauf: in 540p für 5 Sekunden entwerfen, was bei Bild zu Video etwa 2 Minuten dauerte, und den Take, der gefällt, in 1080p neu laufen lassen. Wählen Sie 2k oder 4k nur, wenn Sie die Größe brauchen und Ihr Editor HEVC beherrscht. Planen Sie 4 bis 6 Minuten pro Clip bei Referenz zu Video ein und schreiben Sie die ganze Szene aus, bevor Sie senden, denn ein zweiter Versuch kostet eine weitere Wartezeit.

Prompts, die funktioniert haben

Schreiben Sie den Clip als kurze Szene: wer darin ist, was die Personen tragen, wo sie sind, was sie im Lauf des Clips tun, die Zeile in doppelten Anführungszeichen, was wir hören und was die Kamera tut. Beschreiben Sie bei Bild zu Video den nächsten Moment; das Bild enthält Gesicht, Outfit und Raum bereits. Benennen Sie bei Referenz zu Video jede Referenz über ihre Position („the woman from the first image“, „the robe from the second image“) und senden Sie die Bilder in dieser Reihenfolge. Alle Personen müssen erwachsen sein.

1. Eine Zeile in die Kamera gesprochen. Bild zu Video, resolution 1080p, duration_seconds 5, Ihr eigenes Bild der Person.

text
She turns slowly from the mirror toward the camera, lets the loose strap slide a little further down her arm and reaches back to the half-open zip, holding the lens with a slow, knowing smile. She murmurs, "Help me with this?" and bites her lip. The vanity bulbs glow warm, the camera pushes in gently.

Diesen Prompt mit Vidu Q4 Preview ausführen →

2. Drei Referenzen, eine Szene. Referenz zu Video, drei Bilder in dieser Reihenfolge: Porträt, Mantel, Raum; aspect_ratio 16:9, resolution 720p, duration_seconds 5.

text
The woman from the first image stands in the fitting room from the third image, wearing the emerald silk robe from the second image over a black satin slip. She ties the sash loosely, turns to the gilded mirror, lets the robe slide off one shoulder and glances back at the camera with a slow smile. Soft rustle of silk, a lamp hums.

Diesen Prompt mit Vidu Q4 Preview ausführen →

3. Eine Zeile in der Stimme aus einem Clip. Referenz zu Video, ein Porträt in reference_image_urls, ein MP3-Sprachclip in reference_audio_urls, aspect_ratio 9:16, resolution 720p, duration_seconds 9.

text
Night, a candlelit bedroom doorway. The woman from the reference image, in a black satin slip, leans back against the door, turns the key in the lock behind her, looks into the camera and whispers in the voice from the reference audio: "Lock the door. Nobody is coming up tonight... and I am not in any hurry." A slow, sly smile at the end. Close-up, shallow depth of field, flickering candlelight.

Diesen Prompt mit Vidu Q4 Preview ausführen →

4. Zwei Personen aus zwei Porträts. Referenz zu Video, zwei Porträts in dieser Reihenfolge, aspect_ratio 9:16, resolution 720p, duration_seconds 5.

text
Inside a mirrored, brass-lined hotel elevator at night, the bearded man from the first image loosens the tie of the man from the second image, steps in close and backs him gently against the mirror; they hold each other's gaze and almost kiss as the doors begin to slide open. The elevator chimes softly.

Diesen Prompt mit Vidu Q4 Preview ausführen →

Schwach: „flüstere mit der Stimme und den Worten des Referenz-Audios“, was ganz ohne Sprache zurückkam, oder eine Besetzung aus drei Personen, bei der nur ein Outfit genannt wird. Stark: die Zeile selbst in doppelten Anführungszeichen, gefolgt von „in the voice from the reference audio“, und ein Outfit für jede Person in der Szene. Halten Sie die Zeile so kurz, dass sie in den Clip passt: Unser 5-Sekunden-Clip trug eine kurze Frage, unser 9-Sekunden-Clip drei kurze Sätze.

Wie weit es geht

Am 8. und 9. Oktober 2026 ließen wir unsere Inhaltsleiter auf beiden Endpunkten in 540p, 5 Sekunden, mit Ton und ohne Prompt-Erweiterung laufen, ausgehend von Fotos bekleideter Erwachsener: eine Frau in einem durchscheinenden Slip, ein Mann im Bademantel und ein Ritter in Rüstung. Jeder Prompt hielt fest, dass alle erwachsen sind. Jede Probe lief pro Endpunkt dreimal, dazu dreimal männliche Varianten, die als L3 zählen, insgesamt 42 Läufe, und wir haben jeden Clip Bild für Bild geprüft. Die Stufen sind L1 Andeutend (Dessous, ein verrutschter Träger), L2 Teilweise, L3 Stark, L4 Intensiv (eine intime Szene zwischen zwei Erwachsenen) und L5 Extrem (einvernehmliche Fesselung zwischen Erwachsenen oder filmische Gewalt). Die Werte lauten geliefert / abgeschwächt / abgelehnt.

StufeBild zu VideoReferenz zu Video
L1 Andeutend3 / 0 / 03 / 0 / 0
L2 Teilweise3 / 0 / 00 / 3 / 0
L3 Stark0 / 3 / 00 / 0 / 3
L3 Stark, ein Mann0 / 3 / 00 / 0 / 3
L4 Intensiv0 / 3 / 00 / 1 / 2
L5 Extrem, Fesselung3 / 0 / 00 / 0 / 3
L5 Extrem, Gewalt3 / 0 / 03 / 0 / 0

Bild zu Video: nie abgelehnt; L2 und L5 geliefert, L3 und L4 abgeschwächt. Bei L1 rutschte der Träger mit sichtbarer Spitze, und L2-Inhalte kam in allen drei L2-Läufen durch. Bei L3 behielt sie einmal die Unterwäsche an und wurde zweimal oberhalb der Hüfte eingerahmt; der Mann wurde an Brust oder Taille abgeschnitten. Die L4-Szene wurde in allen drei Läufen abgeschwächt: Der Akt wurde von der Seite angedeutet, der Kontakt selbst blieb außerhalb des Bildes. Einvernehmliche Fesselung (Seil und Lederpeitsche) und filmische Gewalt kamen jedes Mal durch. Die Seitenkennzeichnung ist Uncensored (Unzensiert), und der Freedom Score dieses Endpunkts lag am 9. Oktober bei 80,0 von 100.

Referenz zu Video: nur Andeutendes und Gewalt. Mit denselben Personen als Referenzbilder kam L1 mit dem Gesicht aus der Referenz durch. L2-Inhalte wurde jedes Mal abgeschwächt: Der Slip blieb an, oder die Kamera blieb auf Höhe des Schlüsselbeins. L3-Inhalte, männliche L3-Inhalte und Fesselung wurden jedes Mal abgelehnt; L4 wurde zweimal abgelehnt, und der dritte Lauf kam mit zwei bekleideten Personen an einem Fenster zurück. Filmische Gewalt kam durch. Die Seitenkennzeichnung ist Lightly filtered (Leicht gefiltert), und der Freedom Score dieses Endpunkts lag bei 43,3 von 100.

Nachtrag vom 9. Oktober 2026. Bei einem erneuten Test am 9. Oktober wurde dieselbe L4-Anfrage bei Bild zu Video in allen drei Läufen abgelehnt; die übrigen Stufen kamen wie oben beschrieben zurück. Behandeln Sie eine intime Szene zwischen zwei Erwachsenen bei beiden Endpunkten als abgelehnt.

Ablehnungen kommen nach 60 bis 130 Sekunden als fehlgeschlagene Aufträge zurück und werden nicht berechnet; ein abgeschwächter Clip ist eine abgeschlossene Anfrage und wird wie jede andere berechnet. Die Prompt-Erweiterung ist ein weiterer Weg zu einem abgeschwächten Ergebnis: In einem Lauf damit kam eine L2-Inhalte-Anfrage mit weiterhin getragenem Slip zurück.

Für Erwachsenenszenen starten Sie von einem Bild der Personen und nutzen Bild zu Video: In unseren Tests lieferte es L2-Inhalte und Fesselung und rahmte L3-Inhalte ein, statt sie zu zeigen, doch seit dem 9. Oktober lehnt es intime Szenen ab. Nutzen Sie Referenz zu Video für die bekleideten und andeutenden Szenen, die es gut beherrscht, etwa eine Anprobe, einen Beinahe-Kuss oder eine Zeile in die Kamera. Die Galerie dieses Abschnitts zeigt dieses andeutende Register bei beiden Endpunkten: den rutschenden Träger in der Umkleide und den Mantel, der in der Anprobe von einer Schulter gleitet. Alles jenseits von L1 wird hier beschrieben und nicht gezeigt.

Jede Person in einem Prompt, einem Quellfoto oder einer Referenz muss erwachsen sein. Verwenden Sie keine reale, erkennbare Person ohne deren Einwilligung, stellen Sie sicher, dass Sie die Rechte an jedem hochgeladenen Foto und Sprachclip besitzen, und halten Sie Ihre Ausgaben privat, sofern Sie nicht das Recht haben, sie zu teilen.

Alternativen

  • Die Einstellung per Text schreiben? Wan 3.0 und MiniMax H3 haben beide Text-zu-Video neben Bild zu Video und Referenz zu Video, jeweils mit Ton. Wie weit jedes geht, lesen Sie in unserem Wan-3.0-Test und MiniMax-H3-Test.
  • Referenz zu Video für Erwachsenenszenen nötig? Vergleichen Sie die Inhaltskennzeichnung jedes Referenz-zu-Video-Endpunkts im Modellkatalog. Wan 3.0 nimmt Bilder, Videoclips und Audio als Referenzen, und Seedance 2.0 nimmt bis zu 9 Bilder, 3 Videoclips und 3 Audiospuren.
  • Bei Vidu für Bild zu Video bleiben? Vidu Q3 Spicy ist eine auf Erwachsene abgestimmte Variante von Vidu Q3 für Bild zu Video. Lesen Sie dazu unseren Vidu-Q3-Spicy-Test.

Wie weit Vidu Q4 Preview geht

Jede Stufe, für jede Aufgabe, auf Basis bestätigter Ergebnisse. Punkte gibt es nur, wenn der Inhalt tatsächlich erscheint, und ein einzelner Lauf bringt höchstens 60 %.

Freedom-Punkte nach Stufe und Aufgabe
StufeBild zu VideoReferenz zu Video
MildDie leichtesten Prompts im Test
3/3 umgesetzt20,0 / 20 P.
3/3 umgesetzt20,0 / 20 P.
MittelAb hier beginnen gefilterte Modelle abzulehnen
3/3 umgesetzt20,0 / 20 P.
0/3 umgesetzt10,0 / 20 P.
StarkMittlere Stufe; muss vor einer Rangierung getestet werden
0/6 umgesetzt10,0 / 20 P.
0/6 umgesetzt0,0 / 20 P.
Sehr starkAb hier halten sich die meisten Modelle zurück
0/3 umgesetzt10,0 / 20 P.
0/3 umgesetzt3,3 / 20 P.
MaximalDas obere Ende der Skala, in zwei Hälften bewertet: Klasse A und Klasse B
Klasse A: 3/3 umgesetztKlasse B: 3/3 umgesetzt20,0 / 20 P.
Klasse A: 0/3 umgesetztKlasse B: 3/3 umgesetzt10,0 / 20 P.
Aufgaben-Score80,0 / 80,0Getestet am 9. Okt. 202643,3 / 43,3Niedrigster: zieht den Schnitt runterGetestet am 9. Okt. 2026

Getestet vom 8. Okt. 2026 bis 9. Okt. 2026

Diese Website bleibt jugendfrei: Ergebnisse werden als Text beschrieben, gezeigte Bilder sind gepixelt, und Testprompts werden nie veröffentlicht. Wir testen nie Personen, die minderjährig wirken, das Aussehen realer Personen oder fehlende Einwilligung.

Alle Testeinträge ansehen →Zur unzensierten Rangliste →

Mit dem eigenen Prompt testen, wie weit das Modell geht

So kommt Vidu Q4 Preview auf seinen Spicy Index

Jede Dimension unten führt zu ihrer vollständigen Herleitung: aus welcher Tabellenzeile jeder Punkt stammt und warum Punkte fehlen.

Öffentliche Ranglisten 45 % der Qualität
Noch nicht getestet

Noch kein exakter Treffer auf einer der erfassten öffentlichen Ranglisten. So funktioniert es

Blindtest der Ergebnisse 35 % der Qualität
70,1
Arena-Qualität 20 % der Qualität
Noch nicht getestet

Zählt, sobald das Modell 100+ Blindstimmen und ein 95-%-Intervall unter 200 Elo hat. So funktioniert es

Fähigkeiten 10,5 % Gewicht
76,5
Freedom Score 30 % Gewicht
61,7

Dieses Modell wird bisher nur von unserem Blindtest erfasst. Dessen Übereinstimmung mit öffentlichen Ranglisten aus menschlichen Stimmen ist hier begrenzt. Der vorläufige Index erhält einen Rang nach seinem aktuellen Wert; unabhängige Belege stehen noch aus.

Vollständigen Testbericht öffnen →

Fähigkeiten, Punkt für Punkt

Punkte aus der öffentlichen Bewertungstabelle. Hochskalierte Stufen und von uns gesetzte Grenzen zählen nicht.

Maximale native Auflösung2160p
25,0 / 25
Längster Einzelclip16 s
9,0 / 20
Natives AudioJa
15,0 / 15
Referenz-Inputs15 Referenzbilder · 3 Videos oder Audios
15,0 / 15
BildsteuerungNur erstes Bild
5,0 / 10
Abgedeckte AufgabenBild zu Video, Referenz zu Video, Videoverlängerung
7,5 / 10
Anpassung (LoRA)Keine LoRA-Unterstützung
0,0 / 5

Was Vidu Q4 Preview auf SpicyAPI kann

Direkt aus der aktuellen Modellspezifikation auf SpicyAPI. Manche Hersteller bieten in ihren eigenen Apps mehr; hier steht, was Sie heute über unsere API aufrufen können.

Fähigkeiten nach Endpunkt
MerkmalBild zu VideoReferenz zu VideoVideoverlängerung
Auflösungen540p · 720p · 1080p · 2k · 4k540p · 720p · 1080p · 2k · 4k540p · 720p · 1080p · 2k · 4k
Cliplänge3–16 s3–16 s3–16 s
Seitenverhältnisse—16:9 · 9:16 · 1:1 · 3:4 · 4:3—
Natives AudioJaJaJa
Referenz-Inputs—18—
Seed-SteuerungJaJaJa
Negativ-PromptNeinNeinNein
Alle Parameter und Codebeispiele ansehen →

Wie lange es wirklich dauert

Gemessen an echten Jobs der letzten 30 Tage, von der Anfrage bis zum fertigen Ergebnis. Die Zeiten umfassen auch unsere eigenen Testläufe.

Mediane Zeit
3,6 min
90. Perzentil
15,0 min
Wartezeit pro Videosekunde
30,6 s pro Ausgabesekunde
Erfolgsquote
Daten werden gesammelt

Eine Zeit erscheint, sobald mindestens 10 abgeschlossene Jobs vorliegen. Erfolgsquoten zählen nur Kunden-Jobs und bleiben für alle Modelle verborgen, bis volle 30 Tage Traffic vorliegen.

Modelle, die statt Vidu Q4 Preview infrage kommen

Was meinen Sie?

War dieses Review hilfreich?

Melden Sie sich an, um abzustimmen.

Kommentare

Kommentare werden automatisch und von unserem Team geprüft. Wir entfernen Spam, anstößige Inhalte, persönliche Angriffe und alles, was eine reale Person ohne Einwilligung nennt. Melden Sie einen Kommentar, prüfen wir ihn innerhalb eines Werktags.

Sie haben dieses Modell ausprobiert? Teilen Sie, was funktioniert hat. Zum Kommentieren brauchen Sie ein kostenloses Konto – so halten wir Spam draußen.

FAQ zu Vidu Q4 Preview

Vidu Q4 Preview selbst ausprobieren

Im Studio mit wenigen Klicks generieren – oder im Playground jeden Parameter einstellen und den genauen Preis sehen, bevor Sie starten.

0,475 $ pro 5-Sekunden-Clip

Weitere Reviews

Zu den Ranglisten →
  • Eine Frau in smaragdgrünem Seidenkleid zwischen großen tropischen Blättern in einem gläsernen Wintergarten in der Dämmerung

    Wan 3.0

    Wan 3.0 für günstige, unzensierte 30-Sekunden-Takes mit Ton aus Text, Standbild oder Referenzen; nicht, wenn eine Szene genau beim Drehbuchende halten muss.

    Spicy Index
    87,7
    Freedom Score
    96,0

    Getestet am 24. Sept. 2026

    Review lesen
  • Eine Frau in einem wehenden goldenen Seidenkleid watet bei Sonnenuntergang durch die Brandung, der Stoff weht hinter ihr her

    Seedance 2.5

    Seedance 2.5, wenn ein 30-Sekunden-Take am Drehbuch bleiben oder vielen Referenzen folgen muss; für günstige unzensierte Clips kostet MiniMax H3 weit weniger.

    Spicy Index
    81,4
    Freedom Score
    83,6

    Getestet am 24. Sept. 2026

    Review lesen
  • Ein dunkler Raum mit einer Wand hoher Fenster über einer funkelnden Stadt bei Nacht, eine einzelne kleine Gestalt am Glas

    Wan 3.0 Prime

    Wan 3.0 Prime für schnellere Text- oder Referenzaufträge zu 36% mehr; bei Bild-zu-Video kostet Wan 3.0 Basis weniger und besteht dieselbe intime Szenenstufe.

    Spicy Index
    75,8
    Freedom Score
    80,7

    Getestet am 24. Sept. 2026

    Review lesen