Introduction
Vidu Q4 Preview Reference to video construit une scène à partir de 1 à 15 images de référence et de jusqu'à 3 clips vocaux. Vidu Q4 Preview est l'aperçu public du modèle vidéo Q4 de Vidu. Les clips durent 3 à 16 secondes, de 540p à 4k, dans cinq formats, avec un son généré avec l'image. Cet endpoint est faiblement filtré : à partir du niveau Modéré, la plupart des demandes sont adoucies ou refusées.
Choisir un mode selon le point de départ
| Ce que vous avez | Mode |
|---|---|
| une image à animer | Vidu Q4 Preview Image vers vidéo |
| des personnes, des tenues, des produits ou des lieux sous forme d’images, avec des clips vocaux en option | Vidu Q4 Preview Référence vers vidéo |
Fonctionnalités et points forts
Jusqu’à 15 références
Personnes, tenues, produits et lieux peuvent entrer ensemble. Lors de nos essais, un visage, un vêtement et une pièce ont donné une seule scène.
Deux personnes, toutes deux reconnaissables
Deux portraits comme références ont gardé les deux visages dans le même plan.
Voix de référence
Jusqu’à 3 clips audio fixent la voix. Les mots viennent toujours du prompt : écrivez donc la réplique entre guillemets.
Cinq formats et cinq niveaux
aspect_ratio propose 16:9, 9:16, 1:1, 3:4 et 4:3 ; resolution va du 540p au 4k, le 2k et le 4k sortant en HEVC 10 bits.
Paramètres de requête
| Paramètre | Obligatoire | Description |
|---|---|---|
prompt | Oui | Obligatoire, jusqu’à 20 000 caractères. Décrivez la scène et désignez les références par leur position, par exemple « la femme de la première image ». 1 caractères minimum · 20000 caractères maximum |
reference_image_urls | Oui | Obligatoire, de 1 à 15 images de personnes, de tenues, de produits ou de lieux. Une requête sans image est rejetée. 1 éléments minimum · 15 éléments maximum |
reference_audio_urls | Non | Facultatif, jusqu’à 3 clips vocaux (Vidu demande du MP3, de 3 à 12 secondes chacun). 1 éléments minimum · 3 éléments maximum |
aspect_ratio | Non | 16:9 (par défaut), 9:16, 1:1, 3:4 ou 4:3. Ne change pas le prix. |
resolution | Non | 540p, 720p (par défaut), 1080p, 2k ou 4k. Elle fixe le prix à la seconde : le 2k coûte plus cher que le 1080p, et le 4k environ le double du 2k. |
duration_seconds | Non | Secondes entières, de 3 à 16, 5 par défaut. Facturé à la seconde, en fonction de la résolution. |
generate_audio | Non | Activé par défaut : dialogues, effets et ambiance sont générés avec l’image. Désactivez-le pour un clip sans piste audio. Valeur par défaut: |
seed | Non | Rend les essais comparables pendant que vous ne changez qu’un paramètre à la fois. Elle ne garantit pas un clip identique image par image. |
Tarification
Facturé à la seconde de sortie, selon la résolution choisie. Le son, le nombre d’images de référence et le nombre de clips audio de référence ne changent pas le prix. Les requêtes refusées ne sont pas facturées.
| Spécification | Prix |
|---|---|
| $0.045 / seconde |
| $0.095 / seconde |
| $0.12 / seconde |
| $0.19 / seconde |
| $0.39 / seconde |
Cas d’utilisation
Scènes de mode et de produit
Un mannequin, un vêtement et un lieu dans un seul clip.
Plans avec deux personnes
Une conversation, une arrivée ou un baiser esquissé, avec les deux visages conservés.
Personnages doublés
Un portrait, un clip vocal et une réplique entre guillemets.
Guide de prompt et conseils pratiques
Désignez par la position
Dites « la femme de la première image » et « le peignoir de la deuxième image ».
Écrivez la réplique
Un clip vocal ne fournit pas les mots. Mettez la réplique entre guillemets et précisez qu’elle est dite avec la voix de l’audio de référence.
Connaître le filtre
Les demandes de niveau Léger sont passées, tout comme l'un des deux prompts de niveau Maximum ; à partir du niveau Modéré, les autres ont été refusées ou adoucies dans nos tests, et les refus ne sont pas facturés. Pour les scènes au-delà de ces limites, utilisez le image vers vidéo à partir d'une image des personnes.
Brouillon en 540p
Testez le prompt en 540p, puis terminez en 1080p. Ne choisissez le 2k ou le 4k que si vous pouvez gérer des fichiers HEVC.
Démarrage rapide de l’API
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "vidu/q4-preview/reference-to-video",
"input": {
"aspect_ratio": "16:9",
"duration_seconds": 5,
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"reference_image_urls": [
"https://example.com/reference.png"
],
"resolution": "720p"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
La référence API détaille l’authentification, le schéma complet, le polling et la gestion des erreurs.
