Introducción
Vidu Q3 Spicy imagen a video anima un fotograma inicial sin censura, con indicaciones de movimiento opcionales y audio generado en la misma pasada.
Vidu Q3 Spicy es una versión de Vidu Q3 sin censura ajustada con LoRA, publicada como endpoints de imagen a video y de video-extend; esta página trata el de imagen a video. El fotograma inicial que envías lleva el contenido, el prompt es opcional y los clips duran de 1 a 16 segundos en 540p, 720p o 1080p.
Funciones y aspectos destacados
Lo que apruebas es lo que se anima
La única entrada es una imagen, así que no hay distancia entre la escena que aprobaste y lo que un prompt de texto está dispuesto a generar. Vestuario, cuerpo, pose y encuadre vienen de la imagen, y el trabajo del modelo es el movimiento. Los fotogramas sin censura llegan tal como los enviaste, sin suavizarse.
Una imagen sola es una solicitud completa
El prompt es opcional. Envía solo el fotograma y el modelo deduce un movimiento pequeño y creíble, que muchas veces es justo lo que necesita un loop. Agrega texto cuando quieras un momento concreto, como la mirada que sube a cámara o una prenda que se desliza, y limítalo a lo que cambia en lugar de describir otra vez la imagen.
Clips verticales de hasta dieciséis segundos
No hay campo de relación de aspecto, así que una imagen 9:16 produce un clip 9:16 y nada la reencuadra al salir. Con un máximo de dieciséis segundos y 1080p, alcanza para un momento vertical completo con inicio y final en lugar de un fragmento de dos segundos.
Parámetros de la solicitud
| Parámetro | Obligatorio | Descripción |
|---|---|---|
image_url | Sí | Obligatorio. La imagen que se anima: decide el contenido y la forma de salida, así que acertarla primero es lo que importa. |
prompt | No | Opcional. Describe el momento, la cámara y el sonido; no vuelvas a describir el cuadro. |
duration_seconds | No | Segundos enteros, de 1 a 16. De uno a cuatro encajan con bucles; dieciséis cubren un momento completo. |
resolution | No | 540p, 720p o 1080p. Viene en 720p: pide 1080p cuando vayas a entregar. |
movement_amplitude | No | auto, small, medium o large. Auto se guía por el fotograma inicial; súbelo cuando una escena quieta necesite más movimiento. |
generate_audio | No | Activo por defecto. Ponlo en false para un bucle mudo. Valor predeterminado: |
bgm | No | Agrega música de fondo al clip. Activo por defecto. Valor predeterminado: |
Precios
| Especificación | Precio |
|---|---|
| $0.0665 / segundo |
| $0.1425 / segundo |
| $0.152 / segundo |
Casos de uso
Clips sin censura que otras API rechazan
Los fotogramas se aceptan sin filtro de contenido y se animan tal como llegan, así que el material que otras API de video rechazan en el filtro de prompts funciona aquí. Como el contenido vive en la imagen, el resultado coincide con el fotograma que aprobaste y no con una reinterpretación suavizada de tus palabras.
Video de compañía y de rol
Una imagen de personaje se convierte en una serie de reacciones cortas, como una mirada hacia arriba, una sonrisa o un hombro que se descubre, cambiando solo el prompt. El fotograma mantiene estables la identidad, el vestuario y el escenario en todo el set, y eso hace que un feed de compañía se sienta continuo.
Loops verticales para un feed de pago
Una imagen 9:16 se anima en un clip vertical sin reencuadre, de uno a cuatro segundos para un loop o hasta dieciséis para una escena. Haz varios borradores en 540p y vuelve a generar en 1080p los dos que mejor funcionen.
Guía de prompts y consejos prácticos
Primero haz el fotograma
Resuelve vestuario, cuerpo, pose y encuadre en una pasada de imagen y exporta la imagen con la forma que quieres entregar, con una relación de aspecto entre 1:4 y 4:1. No hay campo para corregir la forma después; lo que tenga esa imagen es lo que tendrá el clip.
Define cuánto se mueve la escena
movement_amplitude acepta auto, small, medium o large. auto se guía por el fotograma inicial; súbelo cuando una escena quieta necesite moverse más y bájalo para un loop en el que solo deba cambiar la respiración. Pon generate_audio en false para un loop sin sonido.
Adapta el ejemplo incluido
El ejemplo publicado usa duration_seconds 5, generate_audio true y resolution 720p.
She finishes pouring, sets the flask down and lifts her eyes to camera with a small smile, steam rising from the cup, the yukata sliding a fraction lower on her shoulder. Paper shoji glow, evening cicadas, very slow push-in.
Una imagen más una nota de movimiento: el servido, la mirada a cámara y el hombro están escritos, y todo lo que identifica a la persona viene del fotograma.
Prueba barato, termina una vez
Genera variantes cortas en 540p a partir del mismo fotograma, elige el movimiento que funciona y vuelve a generarlo en 1080p con mayor duración para la entrega. La resolución viene en 720p por defecto, así que pide 1080p de forma explícita cuando vayas a entregar.
Inicio rápido de la API
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${SPICY_IDEMPOTENCY_KEY:-$(uuidgen)}"
curl -X POST https://api.spicyapi.ai/api/v1/jobs/createTask \
-H "Authorization: Bearer $SPICY_API_KEY" \
-H "Content-Type: application/json" \
-H "Idempotency-Key: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "vidu/q3-spicy/image-to-video",
"input": {
"duration_seconds": 5,
"image_url": "https://example.com/reference.png",
"movement_amplitude": "auto",
"resolution": "720p"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Consulta la referencia de la API para autenticación, el esquema completo, sondeo y gestión de errores.
