Introduction
L’image vers vidéo de Vidu Q3 transforme une image d’ouverture et une consigne écrite en un clip de 1 à 16 secondes entières, en 540p, 720p ou 1080p. Les deux entrées sont obligatoires : image_url fixe le sujet, la tenue, le décor et la forme de la sortie, tandis que prompt porte ce qui se passe après cette image – l’action, le mouvement de caméra et le son. Il n’existe pas de champ de format d’image : le clip reprend les proportions de l’image envoyée, qui doivent rester entre 1:4 et 4:1. L’audio est généré dans la même passe et il est activé par défaut.
Fonctionnalités et points forts
L’image est suivie à la lettre
Le modèle part exactement de ce que montre l’image fixe : le visage, la tenue, le décor et la composition. C’est donc le choix fiable lorsqu’un clip doit correspondre à une image déjà validée, y compris des images sources sans censure. Le revers : tout ce que l’image ne montre pas doit être inventé. Un demi-tour qui dévoile le dos d’une tenue, ou un mouvement de caméra vers une partie de la pièce hors du cadre, sont les moments où la dérive apparaît.
L’amplitude du mouvement, un réglage à part
movement_amplitude accepte auto, small, medium ou large. En auto, le modèle lit l’image d’ouverture et décide ; augmentez la valeur quand une scène calme doit bouger davantage, et gardez-la basse quand la consigne exclut le mouvement. Dans l’exemple publié des stores, rien ne bouge sauf la lumière, et un réglage élevé inventerait justement le mouvement que cette consigne écarte. Le prompt reste alors libre pour le geste précis : un transfert de poids, un demi-tour, une sortie du cadre.
Le son dans la même passe
generate_audio vaut true par défaut : l’ambiance de la pièce, le bruitage et l’atmosphère sont rendus avec l’image et arrivent synchronisés. Décrivez le son dans le prompt comme vous décrivez la lumière – le grondement de la mer et le vent, un rideau qui respire – et passez le champ à false quand le clip doit passer sous votre propre mixage. Un interrupteur séparé, bgm (actif par défaut), ajoute une musique de fond ; désactivez-le si vous ne voulez pas de musique.
Paramètres de requête
| Paramètre | Obligatoire | Description |
|---|---|---|
image_url | Oui | L’image d’ouverture. Elle fixe le sujet et la composition et définit la forme de sortie — il n’y a pas d’ |
prompt | Oui | Obligatoire. Décrivez ce qui change après l’image : action, caméra, son. 1 caractères minimum |
duration_seconds | Non | Secondes entières, de 1 à 16. |
resolution | Non | 540p, 720p ou 1080p. |
movement_amplitude | Non | auto, small, medium ou large. Auto se règle sur l'image de départ ; augmentez-le lorsqu'une scène statique doit bouger davantage. |
generate_audio | Non | Actif par défaut. Mettez-le à false pour un clip muet. Valeur par défaut: |
bgm | Non | Ajoute une musique de fond au clip. Actif par défaut. Valeur par défaut: |
seed | Non | Pour des comparaisons contrôlées entre deux tirages. |
Tarification
| Spécification | Prix |
|---|---|
| $0.07 / seconde |
| $0.15 / seconde |
| $0.16 / seconde |
Cas d’utilisation
Des images validées qui ne doivent pas dériver
Une photo de campagne, une fiche personnage ou une case de storyboard déjà validée reste le point d’ancrage. Comme le clip part d’elle, le visage, la tenue et le décor sont conservés, et la validation se résume à une question : le mouvement fonctionne-t-il ? Placez les grandes révélations dans l’image plutôt que de demander au prompt de les inventer.
Une scène, en vertical et en panoramique
La sortie reprend la forme de l’image : un recadrage 9:16 et un recadrage 16:9 de la même scène donnent une version story et une version fil d’actualité sans modifier aucun autre champ. Faites le recadrage à l’étape image, avant l’envoi.
Des plans où seules la lumière et l’ambiance changent
Certains plans exigent que les personnages restent immobiles pendant que quelque chose d’autre évolue. L'exemple de 8 secondes en 1080p garde deux personnages en place pendant que des bandes nettes de store traversent leurs épaules à mesure que le soleil descend. Un prompt qui ne fait bouger que la lumière, une valeur de movement_amplitude retenue et generate_audio désactivé font le travail.
Du jingle d’une seconde à la scène complète
duration_seconds va de 1 à 16 : un plan de réaction d’une seconde et une scène de seize secondes avec un début et une fin utilisent les mêmes champs. La durée et la résolution sont les deux valeurs dont dépend le prix, et l’estimation en direct se met à jour dès que vous modifiez l’une ou l’autre.
Guide de prompt et conseils pratiques
Préparer l’image d’ouverture
Recadrez d’abord l’image au format de livraison, puisque le clip en hérite, en gardant un rapport entre 1:4 et 4:1. Mettez dans l’image tout ce qui doit apparaître – sujet, tenue, décor. Le modèle part de ce que montre l’image et doit inventer le reste.
Écrire le mouvement dans l’ordre
Décrivez ce qui se passe après l’image dans l’ordre où cela arrive – action, caméra, lumière, son – sans redécrire l’image fixe. L'exemple de la chambre au matin, en lumière haute, enchaîne trois actions en cinq secondes : elle s'étire, retombe lentement sur le lit blanc, puis tourne la tête vers la caméra et sourit. La fin porte sur la lumière et la caméra : un voilage dans le soleil, de la poussière dans le rayon, une lente dérive à l’épaule. Aucune de ces actions n’est dans l’image ; toutes sont dans le prompt.
Adapter l’exemple publié
L’exemple publié de la falaise dure 5 secondes en 720p, avec generate_audio laissé à sa valeur par défaut, à partir d’une image fixe d’une femme en robe blanche au-dessus de la mer. Gardez sa structure – une force, plusieurs matières, un seul mouvement de caméra – et remplacez le sujet et le lieu par les vôtres.
The wind gusts and the long grass runs in waves across the clifftop; her white dress and hair stream sideways and snap. She turns from the sea into the wind toward the camera, catching the hair off her face with one hand and laughing, then spreads both arms and leans into the gust. Gulls cross far below. Slow steadicam arc around her, bright overcast daylight, cool green and pale blue, sea roar and wind.
Le vent est le sujet : les herbes hautes ondulent en vagues, la robe et les cheveux volent de côté et claquent, et une steadicam décrit un arc autour d’elle pendant qu’elle s’appuie contre la rafale. Une seule force continue agit sur trois matières différentes, ce qui met une image animée plus à l’épreuve qu’une personne qui se retourne simplement.
Ébaucher en 540p, livrer en 1080p
Itérez en 540p jusqu’à ce que le mouvement soit juste, puis relancez en 1080p avec la même image, le même prompt et le même seed, afin que la résolution soit la seule valeur modifiée. Un seed fixe rend deux essais comparables ; il ne garantit pas un résultat identique image par image. Quand une prise dérive, regardez d’abord les zones que l’image ne montrait pas – le dos d’un vêtement, le bord de la pièce – et placez cette révélation dans une nouvelle image d’ouverture au lieu d’allonger le prompt.
Démarrage rapide de l’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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "vidu/q3/image-to-video",
"input": {
"duration_seconds": 5,
"image_url": "https://example.com/reference.png",
"movement_amplitude": "auto",
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "720p"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
La référence API détaille l’authentification, le schéma complet, le polling et la gestion des erreurs.
