La référence-vers-vidéo de Vidu Q4 Preview construit une scène à partir de 1 à 15 images de référence et de jusqu'à 3 clips vocaux, en 16:9, 9:16, 1:1, 3:4 ou 4:3. Les clips durent 3 à 16 secondes, de 540p à 4k, avec un son généré. Le filtrage est léger : à partir du niveau Modéré, la plupart des demandes NSFW sont adoucies ou refusées.
Le filtrage n’est pas le même d’un point de terminaison à l’autre : Image vers vidéo — Sans censure, Prolongation vidéo — Sans censure, Référence vers vidéo — Allégé.
Atelier
Ces exemples ont été écrits pour ce point de terminaison. Remplacez le prompt et les URL de médias par vos propres fichiers accessibles, puis vérifiez l’estimation à jour et la disponibilité du modèle avant d’envoyer.
- Sortie5 s
emerald-robe-fitting Trois références dans l’ordre : un portrait, une photo de peignoir et une cabine d’essayage vide. Le prompt les nomme par position, et son visage, le peignoir ainsi que le miroir doré et les rideaux de velours de la pièce se sont tous retrouvés dans le clip.
- 41004
- 720p
- 16:9
- Sortie9 s
whisper-lock-the-door Un portrait et un clip vocal, en 9:16 sur neuf secondes. La réplique chuchotée est écrite entre guillemets dans le prompt ; le clip fixe la voix. Sans la réplique dans le prompt, un essai n’a produit aucune parole.
- 41015
- 720p
- 9:16
- Sortie5 s
elevator-loosened-tie Deux portraits, chacun désigné par sa position, et une seule action lente dans un ascenseur en 9:16. Les deux visages ont été conservés. Une scène de référence à deux personnes fonctionne mieux avec un seul temps fort.
- 41006
- 720p
- 9:16
Cet exemple démarre à $0.045 par seconde produite. Le Playground actualise l’estimation lorsque vous modifiez les réglages.