Ir al contenido principal

Sin censura — Este modelo declara que no aplica filtros. SpicyAPI reenvía sin añadir análisis de contenido de la plataforma; las obligaciones legales y de consentimiento siguen siendo del cliente. Imagen a video — Sin censura; Extensión de video — Sin censura; Referencia a video — Reducido.Ver todos los modelos con este nivel de filtrado
vidu/q4-preview/reference-to-video

La referencia a video de Vidu Q4 Preview construye una escena a partir de 1 a 15 imágenes de referencia y hasta 3 clips de voz, en 16:9, 9:16, 1:1, 3:4 o 4:3. Los clips duran de 3 a 16 segundos, de 540p a 4k, con sonido generado. Tiene un filtrado ligero: desde el nivel Moderado, la mayoría de las solicitudes NSFW se suavizan o se rechazan.

El filtrado cambia según el endpoint: Imagen a video — Sin censura, Extensión de video — Sin censura, Referencia a video — Reducido.

Desde $0.045/s
Ejecutar modelo

Playground

Entrada

Referencia a video
307/20000

Al reordenar se actualizan las referencias del prompt. Al borrar un archivo también se borran sus referencias; revisa el prompt.

Obligatorio, hasta 20,000 caracteres. Describe la escena y remite a las referencias por posición, por ejemplo «la mujer de la primera imagen». Pon las frases habladas entre comillas dobles. No modifica el precio. mínimo 1 caracteres · máximo 20000 caracteres
3/15

Arrastra archivos o enlaces multimedia, pega o selecciona · Hasta 15 archivos · Máx. 10 MB · JPG · PNG · WEBP · GIF

  • Image 1
  • Image 2
  • Image 3
3 / 15 archivos
Obligatorio, de 1 a 15 imágenes de personas, atuendos, productos o lugares. Una solicitud sin ninguna se rechaza. El orden importa porque el prompt las nombra por posición. No modifica el precio. mínimo 1 elementos · máximo 15 elementos
0/3

Suelta un audio o elige un archivo · Hasta 3 archivos · Máx. 90 MB · MP3 · WAV

0 / 3 archivos
Opcional, hasta 3 clips de voz (Vidu pide MP3 de 3 a 12 segundos cada uno). Un clip define la voz pero no las palabras: escribe la frase en el prompt e indica que va con la voz del audio de referencia. No modifica el precio. mínimo 1 elementos · máximo 3 elementos
16:9 (por defecto), 9:16, 1:1, 3:4 o 4:3. No modifica el precio.
afecta al precio
540p, 720p (por defecto), 1080p, 2k o 4k. Define el precio por segundo: 2k cuesta más que 1080p, y 4k cerca del doble que 2k. Los de 2k y 4k devuelven archivos HEVC de 10 bits que algunos navegadores no pueden reproducir directamente.
Duraciónafecta al precio
Segundos enteros, de 3 a 16, 5 por defecto. Se cobra por segundo junto con la resolución. no menor que 3 · no mayor que 16
Generar audio
Activado por defecto: diálogos, efectos y ambiente se generan junto con la imagen. Desactívalo para un clip sin pista de audio. No modifica el precio.
Seed
Mantiene las ejecuciones comparables mientras cambias una sola cosa a la vez. No garantiza un clip idéntico fotograma a fotograma. No modifica el precio. no menor que 0 · no mayor que 2147483647
Filtro de seguridadDesactivado

SpicyAPI no ejecuta ningún filtro de seguridad en este modelo. Tu prompt y tus medios llegan al modelo tal como los escribes, y el propio modelo decide el resultado.

Comprobando tu cuenta antes de habilitar el envío y el cálculo de precios.

Salida

Listo para una nueva ejecución
Resultado de ejemplo
Extender
Reescalado de video
Edición de video

Modelos relacionados y tareas siguientes

¿No está el modelo que buscas?

Dinos cuál añadir y para qué lo usarías. Las solicitudes llegan directamente al equipo que decide los próximos modelos.

Convierte un cuadro inicial o hasta 15 referencias en un clip que dice sus líneas

Vidu Q4 Preview es la vista previa pública del modelo de video Q4 de Vidu, lanzada el 7 de octubre de 2026. Tiene dos endpoints: imagen a video anima un cuadro inicial, y referencia a video arma una escena a partir de 1 a 15 imágenes de personas, atuendos, productos o lugares, con hasta 3 clips de voz. Los clips duran de 3 a 16 segundos, de 540p hasta 4k, con diálogos, efectos y ambiente generados junto con la imagen, y una línea escrita entre comillas dobles se pronuncia. En nuestras pruebas, imagen a video entregó los niveles Suave, Moderado y Máximo de nuestra prueba de contenido de cinco niveles y suavizó el Fuerte, pero desde el 9 de octubre rechaza el nivel Muy fuerte; referencia a video tiene un filtrado leve y rechaza o suaviza los niveles más altos.

Abrir el Playground
Convierte un cuadro inicial o hasta 15 referencias en un clip que dice sus líneas
Modelo
Vidu Q4 Preview de Vidu (ShengShu Technology), una vista previa pública lanzada el 7 de octubre de 2026
Endpoints
Imagen a video desde un cuadro inicial; referencia a video desde 1 a 15 imágenes y hasta 3 clips de voz; no hay texto a video
Duración del clip
De 3 a 16 segundos enteros a 24 fps, 5 por defecto
Resolución
540p, 720p (por defecto), 1080p, 2k o 4k; 2k y 4k se entregan como archivos HEVC de 10 bits
Sonido
Diálogos, efectos y ambiente activados por defecto, un interruptor los desactiva; las líneas entre comillas dobles se pronuncian
Filtro de contenido
Imagen a video: niveles Moderado y Máximo entregados, Muy fuerte rechazado desde el 9 de octubre. Referencia a video: filtrado leve, rechaza o suaviza los niveles más altos
Imagen a video
Tu cuadro define el aspecto, el prompt define la acciónEl clip parte de tu cuadro inicial y conserva su formato; no hay un campo de relación de aspecto. En nuestras corridas, las personas, el vestuario y la luz del cuadro se mantuvieron, así que al prompt solo le toca decir qué sucede después, qué hace la cámara y qué se dice.
Referencia a video
Hasta 15 referencias en una sola escenaEnvía personas, atuendos, productos y lugares como imágenes separadas y nombra cada una por su posición en el prompt. Tres referencias, un retrato, una prenda de seda y un probador vacío, volvieron como una sola escena, y dos retratos mantuvieron ambos rostros reconocibles.
Contenido
Dos endpoints, dos filtros distintosEn imagen a video, los niveles Moderado y Máximo pasaron y el nivel Fuerte volvió suavizado por el encuadre; el nivel Muy fuerte se quedó solo insinuado el 8 de octubre y se rechaza desde el 9 de octubre. Referencia a video rechaza o suaviza los niveles más altos. Las solicitudes rechazadas no se cobran.

Cómo trabajar con Vidu Q4 Preview

Dirige los próximos cinco segundos, línea incluida

Dirige los próximos cinco segundos, línea incluida

Nuestro cuadro inicial era una mujer con un vestido de satén negro de tirantes finos frente a un espejo de tres hojas en un camerino de terciopelo. El prompt enumeraba cinco momentos en orden, con una sola línea hablada, “Help me with this?”, hacia el final. El clip en 1080p representó los momentos y la línea se pronunció. El panel superior izquierdo es el cuadro inicial; los otros tres son momentos del clip.

Nombra cada referencia por su posición

Nombra cada referencia por su posición

Referencia a video acepta de 1 a 15 imágenes. Enviamos un retrato de una mujer, una foto de producto de una prenda de seda esmeralda y un probador vacío de boutique, y nombramos cada uno por su posición en el prompt, empezando por “the woman from the first image”. Su rostro, el color y el brillo de la prenda, el espejo dorado y las cortinas de terciopelo rosa volvieron en una sola escena en 720p.

  • Un clip de voz define la voz, el prompt define las palabras

    Referencia a video también acepta hasta 3 clips de audio; Vidu pide MP3 de 3 a 12 segundos cada uno. El clip da forma a la voz, pero no aporta palabras: una corrida que pedía las palabras del audio de referencia sin escribir la línea volvió sin ningún diálogo. Escribe la línea entre comillas dobles e indica que se dice con la voz del audio de referencia.

  • Haz el borrador en 540p y termina en 1080p

    Imagen a video tardó unos 2 minutos de tiempo de modelo para un clip de 5 segundos en 540p o 720p en nuestras pruebas, y referencia a video, de 3 a 10 minutos. Prueba el prompt en 540p con una seed fija y luego vuelve a correr en 1080p la versión que te guste. 540p, 720p y 1080p se entregan como archivos MP4 H.264 que se reproducen casi en cualquier parte.

  • Trata 2k y 4k como archivos master

    En 2k y 4k el clip es un MP4 HEVC (H.265) de 10 bits. Los archivos son grandes, un clip 4k de 3 segundos pesó 8.6 MB, y algunos navegadores no pueden reproducirlos en línea, así que ábrelos en un reproductor o editor de escritorio, o transcodifícalos. El precio por segundo sigue el nivel de resolución: 2k cuesta más que 1080p, y 4k cerca del doble que 2k.

Quién usa Vidu Q4 Preview

  • Personajes que dicen sus líneas

    Narradores y creadores de dramas cortos

    Personajes que dicen sus líneas

    Envía un retrato y un clip de voz corto, escribe la línea entre comillas y elige 9:16 para la pantalla del teléfono. Nuestra mujer de pelo largo negro y labios rojos giró una llave en una puerta iluminada por velas y susurró "Lock the door. Nobody is coming up tonight... and I am not in any hurry." durante nueve segundos, con la voz del clip. El panel izquierdo es el retrato de referencia.

  • Clips verticales que conservan tu cuadro

    Equipos de redes sociales y contenido corto

    Clips verticales que conservan tu cuadro

    Imagen a video conserva el formato del cuadro inicial, así que una imagen 9:16 dio un clip de 720 x 1280 en 720p sin ningún ajuste adicional. En nuestra prueba, un hombre se levantó de un banco de mármol y caminó hacia la cámara entre vapor que se desplazaba, con vapor y gotas de agua en el sonido. El panel izquierdo es el cuadro inicial.

  • Parte de los cuadros de tus propios usuarios

    Quienes construyen plataformas sin censura

    Parte de los cuadros de tus propios usuarios

    Imagen a video entregó los niveles Suave, Moderado y Máximo de nuestra prueba de contenido, así que una app sin filtros puede animar los cuadros que traen sus usuarios. El nivel Fuerte volvió suavizado por el encuadre, y el nivel Muy fuerte se rechaza desde el 9 de octubre. Todas las personas en pantalla deben ser adultas.

  • Dos personas a partir de dos retratos

    Creadores de series y personajes

    Dos personas a partir de dos retratos

    Envía un retrato por persona y refiérete a cada una por su posición. Dos retratos de dos hombres de traje volvieron en un ascensor de hotel con espejos y latón, el barbudo aflojándole la corbata al otro, con ambos rostros reconocibles. Limita una toma de referencia con dos personas a un solo momento lento, y reutiliza los mismos retratos en el mismo orden en cada toma de una secuencia.

Del primer cuadro al corte final con Vidu Q4 Preview

  1. Elige el endpoint según lo que tengas

    Un cuadro inicial va a imagen a video; fotos separadas de personas, atuendos, productos o lugares van a referencia a video. Para los niveles Moderado y Máximo, parte de un cuadro de las personas en imagen a video.

  2. Escribe momentos, cámara y sonido

    Describe en orden lo que sucede después del primer instante, indica qué hace la cámara y pon cada línea hablada entre comillas dobles. Deja la expansión del prompt desactivada para que se use tu redacción tal como está.

  3. Haz el borrador en 540p con una seed fija

    Corre varias versiones en 540p y de 3 a 5 segundos, y revisa rostros, manos y la línea hablada antes de alargar el clip.

  4. Termina en 1080p

    Vuelve a correr la ganadora en 1080p con el mismo prompt y la misma seed. Elige 2k o 4k solo si tu editor maneja archivos HEVC de 10 bits.

  5. Prevé los rechazos y el silencio

    Una solicitud rechazada falla tras unos 6 a 8 minutos y no se cobra; pasa una escena de nivel Moderado o Máximo de referencia a video a imagen a video. Desactiva el sonido cuando vayas a añadir tu propia banda sonora; el precio no cambia.

Prompts de Vidu Q4 Preview que vale la pena copiar

  • Un cuadro inicial que habla

    Para imagen a video a partir de un cuadro de una persona adulta. Enumera los momentos en orden y cita la línea.

    The adult woman in the black satin evening dress turns from the dressing-room mirror toward the camera, tucks a loose curl behind her ear and smiles. She says, "You're late. Sit down, the show starts in five minutes." Warm vanity bulbs glow behind her, the camera pushes in slowly, soft room tone.

  • Tres referencias, una prueba de vestuario

    Para referencia a video con un retrato, una foto de prenda y una foto de lugar, en ese orden. Nombra cada imagen por su posición.

    The adult woman from the first image stands in the boutique from the third image, wearing the long silk coat from the second image over a black turtleneck. She fastens the belt, turns to the mirror, looks back at the camera with a confident smile and says, "This one. I'll wear it out." Soft lamp light, slow dolly-in, the rustle of silk.

  • Un retrato y un clip de voz

    Para referencia a video con un retrato y un clip de voz MP3 de 3 a 12 segundos. Las palabras deben estar en el prompt.

    The adult woman from the reference image, in a dark green velvet dress, stands by a rain-streaked window in a candlelit study. She turns to the camera with a small, knowing smile and says in the voice from the reference audio: "You kept me waiting. Tell me everything." Close-up, shallow depth of field, flickering candlelight, rain on the glass.

Más preguntas sobre Vidu Q4 Preview

Úsalo cuando la escena necesita una voz

Parte de un cuadro inicial cuando ya tienes la toma, o de referencias cuando personas, atuendos, productos y lugares deben coincidir.

Escribe los momentos en orden, cita cada línea, haz el borrador en 540p y termina en 1080p. Para los niveles Moderado y Máximo, usa imagen a video desde un cuadro de las personas; referencia a video los rechaza o los suaviza. Imagen a video rechaza el nivel Muy fuerte desde el 9 de octubre, y los rechazos no se cobran.

Todos los modelos Vidu5