Aller au contenu principal

Poursuivez un clip avec Vidu Q4 Preview : la dernière image de votre vidéo ouvre un nouveau segment de 3 à 16 secondes, et vous récupérez un seul fichier réunissant l’original et la suite, en 540p, 720p, 1080p, 2k ou 4k.

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.

À partir de $0.045/s

Atelier

Entrée

Prolongation vidéo
  1. 1

    Choisir le clip à prolonger

    Choisissez une vidéo : nous la prolongeons à partir de sa dernière image.

  2. 2

    La suite

    Choisissez un clip à l’étape 1 pour ouvrir cette étape.

    0/20000
    Obligatoire, jusqu’à 20 000 caractères. Ce qui se passe ensuite : l’action qui suit, le mouvement de caméra et le son. Placez les répliques entre guillemets doubles. L’image de départ fixe déjà le sujet et le décor ; consacrez vos mots au mouvement. 1 caractères minimum · 20000 caractères maximum
    influe sur le prix
    Netteté du nouveau segment généré : 540p, 720p, 1080p, 2k ou 4k, 720p par défaut. La résolution ne détermine que la netteté du nouveau segment ; alignez-la sur votre source, car un réglage plus bas rend la partie nouvelle plus douce que l’original. Elle détermine le prix. Un nouveau segment en 2k ou 4k est un fichier HEVC 10 bits que certains navigateurs ne lisent pas en ligne lorsqu’il est ouvert seul.
    Duréeinflue sur le prix
    Durée du nouveau segment : un nombre entier de 3 à 16. Par défaut 5. Votre source est ajoutée devant et n’est pas facturée. pas inférieur à 3 · pas supérieur à 16
    Générer l’audio
    Activé par défaut : le nouveau segment reçoit un son généré. Votre source garde son propre son dans les deux cas ; si l’un des côtés est muet, le fichier réuni est complété par du silence. Ne change pas le prix.
Filtre de sécuritéDésactivé

SpicyAPI n’applique aucun filtre de sécurité à ce modèle. Votre prompt et vos médias sont transmis tels quels, et c’est le modèle lui-même qui décide du résultat.

Nous vérifions votre compte avant d’activer l’envoi et le calcul du prix.

2 champs obligatoires manquants : Prompt · Vidéo d’entrée

Sortie

Prêt pour une nouvelle exécution

Le résultat apparaîtra ici.

Configurez les entrées, vérifiez l’estimation, puis lancez le modèle.

Modèles liés et tâches suivantes

Le modèle que vous cherchez n’est pas là ?

Dites-nous lequel ajouter et à quoi il vous servira. Les demandes vont directement à l’équipe qui décide des prochains modèles.

API VIDÉO

L’aperçu Q4 de Vidu : des clips de 3 à 16 secondes jusqu’en 4k, avec son et dialogues, à partir d’une image d’ouverture ou de 15 références maximum.

Chiffres clés

Points de terminaison
3
Image vers vidéo, référence vers vidéo et prolongation vidéo. Pas de texte vers vidéo : chaque clip part d’images ou d’un clip existant.
Durée du clip
3-16 s
Un nombre entier de secondes au choix, 24 i/s, facturé à la seconde de sortie.
Résolution max
4k
540p, 720p (par défaut), 1080p, 2k et 4k. Le 2k et le 4k sortent en fichiers HEVC 10 bits.
Références
15
Référence vers vidéo accepte de 1 à 15 images et jusqu’à 3 clips vocaux.
Son
Activé
Dialogues, effets et ambiance sont générés avec l’image ; un seul interrupteur les désactive.

Avant de dépenser

all

Image-vers-vidéo : dans nos tests, les demandes des niveaux Léger, Modéré et Maximum ont été livrées. Les demandes de niveau Fort sont revenues adoucies par le cadrage. Le niveau Très fort n'est revenu que suggéré le 8 octobre et est refusé depuis le 9 octobre (3 sur 3 dans notre retest) ; les demandes refusées ne sont pas facturées.

all

La référence-vers-vidéo est faiblement filtrée. À partir du niveau Modéré, presque toutes les demandes ont été adoucies ou refusées, et les demandes refusées ne sont pas facturées. Les demandes de niveau Léger sont passées, tout comme l'un des deux prompts de niveau Maximum. Pour des scènes sans filtre, utilisez l'image-vers-vidéo à partir d'une image des personnes.

all

En 2k et en 4k, le fichier est en HEVC (H.265) 10 bits. Les fichiers sont lourds et certains navigateurs ne peuvent pas les lire directement ; modifiez-les ou transcodez-les dans un outil de bureau. Le 540p, le 720p et le 1080p sont en H.264.

all

Il s’agit d’un aperçu du modèle Q4 complet, sans texte vers vidéo. Chaque clip part d’une image d’ouverture ou d’images de référence.

image-to-video

Il n’y a pas de champ de ratio d’image : le clip garde le format de votre image d’ouverture. L’expansion de prompt laisse le modèle réécrire votre prompt ; lors d’un essai, il a atténué une demande, laissez-la donc désactivée pour une consigne littérale.

reference-to-video

Une requête sans image de référence est rejetée. L’audio de référence fixe la voix mais pas les mots : la réplique doit figurer dans le prompt. Les clips sont plus longs à produire qu’en image vers vidéo, environ 3 à 10 minutes lors de nos tests.

Ce que fait le modèle

Image vers vidéo

Une image qui parle

Une femme en robe satin noire devant un miroir à trois faces, dans un vestiaire de velours, sert d'image d'ouverture. Le prompt la fait se retourner, attraper la fermeture éclair et dire entre guillemets « Help me with this? ». La réplique a été prononcée dans le résultat en 720p, avec son allure et les ampoules de coiffeuse conservées.

Référence vers vidéo

Trois références, une scène

Un portrait, une photo produit d’un peignoir en soie émeraude et une cabine d’essayage de boutique vide sont envoyés comme références. Son visage, la couleur et le brillant du peignoir, le miroir doré et les rideaux de velours rose se sont retrouvés dans une même scène en 720p.

Voix de référence

La réplique dans votre propre clip vocal

Un portrait et un clip vocal, avec la réplique écrite entre guillemets dans le prompt. Elle tourne la clé dans l’encadrement d’une porte éclairé à la bougie et la murmure, en 9:16, en 720p et sur neuf secondes. Le clip fixe la voix ; les mots viennent du prompt.

Deux personnes

Deux visages conservés dans un même plan

Deux portraits de deux hommes en costume sont envoyés comme références. Dans un ascenseur en laiton aux parois miroirs, le barbu desserre la cravate de l’autre et ils se frôlent presque les lèvres quand les portes s’ouvrent, les deux visages restant reconnaissables du début à la fin.

Créé avec Vidu Q4 Preview

  • Image vers vidéo, 16:9 en 1080p, cinq secondes. La réplique citée a été prononcée dans le rendu.
    5 s
  • Référence vers vidéo à partir de trois références, 16:9 en 720p, cinq secondes.
    5 s
  • Image vers vidéo à partir d’une image 9:16, 720p (720 x 1280), cinq secondes, avec de la vapeur et des gouttes d’eau dans le son.
    5 s
  • Référence vers vidéo à partir d’un portrait et d’un clip vocal, 9:16 en 720p, neuf secondes.
    9 s
  • Image vers vidéo, 16:9 en 720p, cinq secondes.
    5 s
  • Référence vers vidéo à partir de deux portraits, 9:16 en 720p, cinq secondes.
    5 s

Cas d’usage

  • Plans dialogués

    Un personnage se tourne vers la caméra et dit une réplique, avec l’ambiance sonore et une voix assortie générées dans la même passe. Mettez la réplique entre guillemets et gardez-la courte pour un clip de 5 à 9 secondes.

  • Films de mode et de produit

    Envoyez un portrait, une photo de produit et un lieu comme trois références et obtenez une scène qui réunit les trois : la personne, le vêtement et la pièce.

  • Scènes à deux personnes

    Envoyez deux portraits à référence vers vidéo et les deux visages restent reconnaissables dans le même plan, pour une conversation, une arrivée ou un baiser esquissé.

  • Plateformes sans filtre de contenu

    L'image-vers-vidéo a livré des résultats sans filtre dans nos tests : une application sans filtre peut donc partir des images de ses utilisateurs ; le niveau Très fort est refusé depuis le 9 octobre. Toutes les personnes à l'image doivent être des adultes.

Référence du modèle

Référence de l’API Vidu Q4 Preview

Spécifications de l’API Vidu Q4 Preview

Éditeur
Vidu (ShengShu Technology)
Modèle
Vidu Q4 Preview (viduq4-preview)
Date de sortie
7 octobre 2026
Points de terminaison
Image vers vidéo, Référence vers vidéo, Prolongation vidéo
Durée
3 à 16 secondes, en secondes entières (5 par défaut)
Résolution
540p, 720p (par défaut), 1080p, 2k, 4k
Sortie
MP4 H.264 jusqu’au 1080p ; MP4 HEVC 10 bits en 2k et 4k
Cadence
24 i/s
Audio
Généré avec l’image par défaut (AAC stéréo) ; peut être désactivé
Références
Référence vers vidéo : 1 à 15 images et jusqu’à 3 clips audio
Filtre de contenu
Image-vers-vidéo : Léger, Modéré et Maximum livrés, Fort tenu hors cadre, Très fort refusé depuis le 9 octobre. Référence-vers-vidéo : faiblement filtré, adoucit ou refuse la plupart des demandes à partir du niveau Modéré
Exécution
Tâche asynchrone, facturée à la seconde de sortie

Comment appeler l’API Vidu Q4 Preview

  1. Mettez les répliques entre guillemets

    Écrivez ce que dit le personnage entre guillemets doubles dans le prompt. Lors de nos essais, la réplique citée a bien été prononcée. Si vous joignez un clip vocal de référence, écrivez quand même la réplique dans le prompt et précisez qu’elle est dite avec la voix de l’audio de référence : un essai sans la réplique n’a produit aucune parole.

  2. Désignez les références par leur position

    Avec référence vers vidéo, nommez chaque image par sa place dans la liste : « la femme de la première image », « le peignoir de la deuxième image ». Lors de nos essais, les visages, les tenues et les pièces des références se sont retrouvés dans le clip.

  3. Brouillon en 540p, version finale en 1080p

    Le 540p est le moyen le plus rapide de tester un prompt. Relancez celui qui vous plaît en 1080p. Ne choisissez le 2k ou le 4k que si vous avez besoin de cette taille et pouvez gérer des fichiers HEVC dans votre éditeur.

  4. Pour les scènes NSFW, partez d’une image

    La référence-vers-vidéo adoucit ou refuse la plupart des demandes à partir du niveau Modéré. Pour des scènes sans filtre, partez d'une image des personnes en image-vers-vidéo. Aucun des deux endpoints ne livre le niveau Très fort : l'image-vers-vidéo le refuse depuis le 9 octobre.

En résumé

Vidu Q4 Preview place le tout dernier modèle en aperçu de Vidu derrière image-to-video à partir d’une image d’ouverture, reference-to-video à partir de 15 images et 3 clips vocaux maximum, et video-extend pour prolonger un clip existant. Les clips durent de 3 à 16 secondes jusqu’en 4k, avec son et dialogues entre guillemets générés en même temps que l’image, facturés à la seconde de sortie.

Questions sur l’API Vidu Q4 Preview