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.
Playground
Estos ejemplos se escribieron para este endpoint. Cambia el prompt y las URL de ejemplo por archivos tuyos accesibles y, antes de enviar, revisa la estimación al día y la disponibilidad del modelo.
- Salida5 s
emerald-robe-fitting Tres referencias en orden: un retrato, una foto de la bata y un probador vacío. El prompt las nombra por posición, y su rostro, la bata y el espejo dorado y las cortinas de terciopelo de la habitación se conservaron.
- 41004
- 720p
- 16:9
- Salida9 s
whisper-lock-the-door Un retrato y un clip de voz, en 9:16 y nueve segundos. La frase susurrada va entre comillas en el prompt; el clip define la voz. Sin la frase en el prompt, una ejecución no produjo habla.
- 41015
- 720p
- 9:16
- Salida5 s
elevator-loosened-tie Dos retratos, cada uno nombrado por posición, y una acción lenta en un ascensor 9:16. Se conservaron ambos rostros. Una escena de referencia con dos personas funciona mejor con un solo momento.
- 41006
- 720p
- 9:16
Este ejemplo parte de $0.045 por segundo de salida. El Playground actualiza la estimación cada vez que cambias los ajustes.