Introduzione
La modalità da immagine a video di Vidu Q3 trasforma un fotogramma iniziale e un'istruzione scritta in una clip da 1 a 16 secondi interi a 540p, 720p o 1080p. Entrambi gli input sono obbligatori: image_url fissa soggetto, abiti, set e forma dell'output, mentre prompt descrive ciò che accade dopo quel fotogramma, cioè l'azione, il movimento di camera e il suono. Non c'è un campo per il rapporto d'aspetto: la clip mantiene le proporzioni dell'immagine che invii, che devono restare tra 1:4 e 4:1. L'audio viene generato nello stesso passaggio ed è attivo per impostazione predefinita.
Caratteristiche principali
Il fotogramma viene seguito alla lettera
Il modello parte esattamente da ciò che mostra l'immagine: il volto, l'outfit, il set e la composizione. Per questo è la scelta affidabile quando una clip deve corrispondere a un'immagine già approvata, comprese le immagini di partenza senza censura. Il rovescio è che tutto ciò che il fotogramma non mostra va inventato: una rotazione che rivela la schiena di un abito, o un movimento di camera verso una parte della stanza fuori dall'inquadratura, è il punto in cui compare la deriva.
L'ampiezza del movimento è un controllo a sé
movement_amplitude accetta auto, small, medium o large. Con auto il modello legge il fotogramma iniziale e decide; alzalo quando una scena statica deve muoversi di più e tienilo basso quando l'istruzione esclude il movimento. Nell'esempio pubblicato delle veneziane non si muove nulla tranne la luce, e un valore alto inventerebbe proprio il movimento che quell'istruzione esclude. Il prompt resta così libero per il gesto specifico: uno spostamento del peso, mezzo giro, un'uscita di campo.
Il suono nello stesso passaggio
generate_audio è true per impostazione predefinita, quindi il tono d'ambiente, i foley e l'atmosfera vengono resi insieme all'immagine e arrivano sincronizzati. Descrivi il suono nel prompt come descrivi la luce, per esempio il fragore del mare e il vento o una tenda che respira, e imposta il campo su false quando la clip andrà sotto il tuo mix. Un interruttore separato, bgm (attivo per impostazione predefinita), aggiunge musica di sottofondo; spegnilo se non vuoi musica.
Parametri della richiesta
| Parametro | Obbligatorio | Nota |
|---|---|---|
image_url | Sì | Il fotogramma di apertura. Fissa soggetto e inquadratura e determina la forma dell'output: qui non esiste |
prompt | Sì | Obbligatorio. Descrivi che cosa cambia dopo il fotogramma: azione, camera, suono. almeno 1 caratteri |
duration_seconds | No | Secondi interi, da 1 a 16. |
resolution | No | 540p, 720p o 1080p. |
movement_amplitude | No | auto, small, medium o large. Auto si regola sul fotogramma iniziale; alzalo quando una scena ferma deve muoversi di più. |
generate_audio | No | Attivo per impostazione predefinita. Portalo a false per una clip muta. Predefinito: |
bgm | No | Aggiunge musica di sottofondo alla clip. Attivo per impostazione predefinita. Predefinito: |
seed | No | Per confronti controllati tra due esecuzioni. |
Prezzi
| Specifiche | Prezzo |
|---|---|
| $0.07 / secondo |
| $0.15 / secondo |
| $0.16 / secondo |
Casi d’uso
Immagini approvate che non devono derivare
Una foto di campagna, un model sheet del personaggio o un fotogramma di storyboard già approvato resta l'ancora. Poiché la clip parte da lì, volto, abiti e set si mantengono e la revisione si riduce a una domanda: il movimento funziona? Metti le grandi rivelazioni nell'immagine invece di chiedere al prompt di inventarle.
Una scena, in verticale e in widescreen
L'output prende la forma del fotogramma, quindi un ritaglio 9:16 e uno 16:9 della stessa scena ti danno una versione per le storie e una per il feed senza cambiare nessun altro campo. Fai il ritaglio nella fase dell'immagine, prima del caricamento.
Inquadrature in cui cambiano solo luce e atmosfera
Alcune inquadrature chiedono che i personaggi restino fermi mentre cambia qualcos'altro. L'esempio da 8 secondi in 1080p mantiene due figure ferme mentre strisce nette di persiana attraversano le loro spalle al calare del sole. Un prompt in cui si muove solo la luce, un valore contenuto di movement_amplitude e generate_audio disattivato fanno il lavoro.
Dallo stacco di un secondo alla scena completa, sullo stesso endpoint
duration_seconds va da 1 a 16, quindi uno stacco di reazione di un secondo e una scena di sedici secondi con un inizio e una fine usano gli stessi campi. Durata e risoluzione sono i due valori da cui dipende il prezzo, e la stima in tempo reale si aggiorna appena modifichi l'uno o l'altro.
Consigli avanzati
Prepara il fotogramma iniziale
Ritaglia prima l'immagine nel formato di consegna, perché la clip lo eredita, e tieni il rapporto tra 1:4 e 4:1. Metti nell'immagine tutto ciò che deve comparire: soggetto, abiti, set. Il modello parte da ciò che mostra il fotogramma e deve inventare il resto.
Scrivi il movimento in ordine
Descrivi ciò che accade dopo il fotogramma nell'ordine in cui accade (azione, camera, luce, suono) senza descrivere di nuovo l'immagine. L'esempio della camera al mattino in high-key concatena tre azioni in cinque secondi: si stira, ricade lentamente sul letto bianco, poi gira la testa verso la camera e sorride. Il finale è affidato a luce e camera: una tenda sottile al sole, polvere nel fascio di luce, una lenta deriva a mano. Nessuna di queste azioni è nel fotogramma; sono tutte nel prompt.
Adatta l'esempio pubblicato
L'esempio pubblicato della scogliera dura 5 secondi a 720p, con generate_audio lasciato al valore predefinito, e parte da un'immagine di una donna in abito bianco sopra il mare. Mantieni la sua struttura (una forza, più materiali, un solo movimento di camera) e sostituisci soggetto e luogo con i tuoi.
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.
Il protagonista è il vento: l'erba alta corre a onde, l'abito e i capelli volano di lato e schioccano, e una steadicam descrive un arco intorno a lei mentre si appoggia alla raffica. Un'unica forza continua agisce su tre materiali diversi, una prova più severa per un'immagine animata rispetto a una persona che si limita a voltarsi.
Bozza a 540p, consegna a 1080p
Itera a 540p finché il movimento non funziona, poi rigenera a 1080p con lo stesso fotogramma, lo stesso prompt e lo stesso seed, così la risoluzione è l'unico valore cambiato. Un seed fisso rende confrontabili due generazioni ma non promette un risultato identico fotogramma per fotogramma. Quando una ripresa deriva, controlla prima le zone che l'immagine non mostrava mai, come la schiena di un capo o il bordo della stanza, e sposta quella rivelazione in un nuovo fotogramma iniziale invece di aggiungere testo al prompt.
Avvio rapido dell’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"
Nel riferimento dell’API trovi autenticazione, schema completo, polling e gestione degli errori.
