Vai al contenuto principale

Senza censura — Questo modello dichiara di non applicare alcun filtro sui contenuti. SpicyAPI inoltra la richiesta senza aggiungere controlli di piattaforma; gli obblighi di legge e la verifica del consenso restano a carico del cliente. Da immagine a video — Senza censura; Estensione video — Senza censura; Da riferimento a video — Filtro leggero.Vedi tutti i modelli con questo livello di filtraggio
vidu/q4-preview/reference-to-video

Il riferimento-video di Vidu Q4 Preview costruisce una scena da 1 a 15 immagini di riferimento e fino a 3 clip vocali, in 16:9, 9:16, 1:1, 3:4 o 4:3. Le clip durano da 3 a 16 secondi, da 540p a 4k, con audio generato. È filtrato in modo leggero: dal livello Moderato in su la maggior parte delle richieste NSFW viene attenuata o rifiutata.

Il filtraggio cambia da un endpoint all’altro: Da immagine a video — Senza censura, Estensione video — Senza censura, Da riferimento a video — Filtro leggero.

Da $0.045/s
Esegui il modello

Playground

Input

Da riferimento a video
307/20000

Riordinare aggiorna i riferimenti nel prompt. Rimuovendo un media spariscono anche i suoi riferimenti: ricontrolla il prompt.

Obbligatorio, fino a 20.000 caratteri. Descrivi la scena e richiama i riferimenti per posizione, ad esempio «la donna della prima immagine». Metti le battute tra virgolette doppie. Non cambia il prezzo. almeno 1 caratteri · al massimo 20000 caratteri
3/15

Trascina file o link ai media, incolla oppure sfoglia · Fino a 15 file · Max 10 MB · JPG · PNG · WEBP · GIF

  • Image 1
  • Image 2
  • Image 3
3 / 15 file
Obbligatorio, da 1 a 15 immagini di persone, abiti, prodotti o luoghi. Una richiesta senza immagini viene respinta. L’ordine conta perché il prompt le richiama per posizione. Non cambia il prezzo. almeno 1 elementi · al massimo 15 elementi
0/3

Trascina qui un file audio, oppure sfoglia · Fino a 3 file · Max 90 MB · MP3 · WAV

0 / 3 file
Facoltativo, fino a 3 clip vocali (Vidu chiede MP3, da 3 a 12 secondi ciascuno). Un clip definisce la voce ma non le parole: scrivi la battuta nel prompt e indica che è nella voce dell’audio di riferimento. Non cambia il prezzo. almeno 1 elementi · al massimo 3 elementi
16:9 (predefinito), 9:16, 1:1, 3:4 o 4:3. Non cambia il prezzo.
incide sul prezzo
540p, 720p (predefinito), 1080p, 2k o 4k. Determina il prezzo al secondo: il 2k costa più del 1080p e il 4k circa il doppio del 2k. Il 2k e il 4k restituiscono file HEVC a 10 bit che alcuni browser non riescono a riprodurre direttamente.
Durataincide sul prezzo
Secondi interi, da 3 a 16, predefinito 5. Addebitati al secondo insieme alla risoluzione. non meno di 3 · non più di 16
Genera l’audio
Attivo per impostazione predefinita: dialoghi, effetti e ambiente sonoro sono generati insieme all’immagine. Disattivalo per un clip senza traccia audio. Non cambia il prezzo.
Seed
Mantiene confrontabili le esecuzioni mentre cambi una cosa alla volta. Non promette un clip identico fotogramma per fotogramma. Non cambia il prezzo. non meno di 0 · non più di 2147483647
Controllo di sicurezzaDisattivato

SpicyAPI non applica nessun controllo di sicurezza a questo modello. Il tuo prompt e i tuoi media arrivano al modello così come li hai scritti, ed è il modello stesso a decidere che cosa torna indietro.

Controllo del tuo account prima di abilitare invio e prezzi.

Output

Pronto per una nuova esecuzione
Risultato di esempio
Estendi
Upscaling video
Editing video

Modelli correlati e attività successive

Manca il modello che ti serve?

Dicci cosa aggiungere e dove lo useresti. Le richieste arrivano a chi decide quali modelli integrare per primi.

Trasforma un fotogramma iniziale o fino a 15 riferimenti in una clip che dice le sue battute

Vidu Q4 Preview è l’anteprima pubblica del modello video Q4 di Vidu, uscita il 7 ottobre 2026. Ha due endpoint: da immagine a video anima un fotogramma iniziale, mentre da riferimenti a video costruisce un’unica scena a partire da 1-15 immagini di persone, abiti, prodotti o luoghi, con fino a 3 clip vocali. Le clip durano da 3 a 16 secondi, da 540p fino a 4k, con dialoghi, effetti e ambienti generati insieme all’immagine, e una battuta scritta tra virgolette doppie viene pronunciata. Nei nostri test da immagine a video ha restituito i livelli Lieve, Moderato e Massimo del nostro test sui contenuti a cinque livelli e attenuato il Forte, ma dal 9 ottobre rifiuta il livello Molto forte; da riferimenti a video è filtrato in modo leggero e rifiuta o attenua i livelli più forti.

Apri il Playground
Trasforma un fotogramma iniziale o fino a 15 riferimenti in una clip che dice le sue battute
Modello
Vidu Q4 Preview di Vidu (ShengShu Technology), un’anteprima pubblica uscita il 7 ottobre 2026
Endpoint
Da immagine a video da un solo fotogramma iniziale; da riferimenti a video da 1-15 immagini e fino a 3 clip vocali; nessun da testo a video
Durata della clip
Da 3 a 16 secondi interi a 24 fps, 5 per impostazione predefinita
Risoluzione
540p, 720p (predefinita), 1080p, 2k o 4k; 2k e 4k tornano come file HEVC a 10 bit
Audio
Dialoghi, effetti e ambienti attivi per impostazione predefinita, un solo interruttore li disattiva; le battute tra virgolette doppie vengono pronunciate
Filtro dei contenuti
Da immagine a video: livelli Moderato e Massimo consegnati, Molto forte rifiutato dal 9 ottobre. Da riferimenti a video: filtrato in modo leggero, rifiuta o attenua i livelli più forti
Da immagine a video
Il fotogramma decide l’aspetto, il prompt l’azioneLa clip parte dal tuo fotogramma iniziale e ne mantiene la forma; non esiste un campo per le proporzioni. Nelle nostre prove persone, guardaroba e luce del fotogramma si sono conservati, quindi al prompt basta dire cosa succede dopo, cosa fa la camera e cosa viene detto.
Da riferimenti a video
Fino a 15 riferimenti in un’unica scenaInvia persone, abiti, prodotti e luoghi come immagini separate e indica ciascuna con la sua posizione nel prompt. Tre riferimenti, un ritratto, un capo di seta e un camerino vuoto, sono tornati come un’unica scena, e due ritratti hanno mantenuto riconoscibili entrambi i volti.
Contenuti
Due endpoint, due filtri diversiCon da immagine a video sono passati i livelli Moderato e Massimo e il livello Forte è tornato attenuato dall’inquadratura; il livello Molto forte è rimasto solo suggerito l’8 ottobre ed è rifiutato dal 9 ottobre. Da riferimenti a video rifiuta o attenua i livelli più forti. Le richieste rifiutate non vengono addebitate.

Lavorare con Vidu Q4 Preview

Dirigi i prossimi cinque secondi, battuta compresa

Dirigi i prossimi cinque secondi, battuta compresa

Il nostro fotogramma iniziale era una donna con un vestito di raso nero con sottili bretelle davanti a uno specchio a tre ante in un camerino di velluto. Il prompt elencava cinque momenti in ordine, con una sola battuta pronunciata, “Help me with this?”, verso la fine. La clip a 1080p ha eseguito i momenti e la battuta è stata pronunciata. Il riquadro in alto a sinistra è il fotogramma iniziale, gli altri tre sono momenti della clip.

Indica ogni riferimento con la sua posizione

Indica ogni riferimento con la sua posizione

Da riferimenti a video accetta da 1 a 15 immagini. Abbiamo inviato il ritratto di una donna, la foto di prodotto di un capo di seta color smeraldo e un camerino vuoto di una boutique, e nel prompt abbiamo indicato ciascuno con la sua posizione, a cominciare da “the woman from the first image”. Il suo volto, il colore e la lucentezza del capo, lo specchio dorato e le tende di velluto rosa sono tornati tutti in un’unica scena a 720p.

  • La clip vocale fissa la voce, il prompt le parole

    Da riferimenti a video accetta anche fino a 3 clip audio; Vidu chiede MP3 da 3 a 12 secondi ciascuna. La clip dà forma alla voce ma non fornisce parole: una prova in cui si chiedevano le parole dell’audio di riferimento senza scrivere la battuta è tornata senza alcun parlato. Scrivi la battuta tra virgolette doppie e specifica che viene detta con la voce dell’audio di riferimento.

  • Bozza a 540p, versione finale a 1080p

    Nei nostri test da immagine a video ha impiegato circa 2 minuti di tempo del modello per una clip di 5 secondi a 540p o 720p, e da riferimenti a video circa 3-10 minuti. Prova il prompt a 540p con un seed fisso, poi rilancia a 1080p la versione che preferisci. 540p, 720p e 1080p tornano come file MP4 H.264, riproducibili quasi ovunque.

  • Considera 2k e 4k come file master

    A 2k e 4k la clip è un MP4 HEVC (H.265) a 10 bit. I file sono pesanti, una clip 4k di 3 secondi pesava 8,6 MB, e alcuni browser non riescono a riprodurli direttamente: aprili in un player o in un editor desktop, oppure transcodificali. Il prezzo al secondo segue la fascia di risoluzione: il 2k costa più del 1080p e il 4k circa il doppio del 2k.

Chi usa Vidu Q4 Preview

  • Personaggi che dicono le loro battute

    Narratori e autori di mini-serie

    Personaggi che dicono le loro battute

    Invia un ritratto e una breve clip vocale, scrivi la battuta tra virgolette e scegli 9:16 per lo schermo del telefono. La nostra donna dai lunghi capelli neri e dal rossetto rosso ha girato una chiave sulla soglia illuminata da candele e ha sussurrato "Lock the door. Nobody is coming up tonight... and I am not in any hurry." per nove secondi, con la voce della clip. Il riquadro a sinistra è il ritratto di riferimento.

  • Clip verticali che mantengono il tuo fotogramma

    Team social e di contenuti brevi

    Clip verticali che mantengono il tuo fotogramma

    Da immagine a video conserva la forma del fotogramma iniziale, quindi una foto 9:16 ha dato una clip 720 x 1280 a 720p senza alcuna impostazione aggiuntiva. Nel nostro test un uomo si è alzato da una panca di marmo ed è andato verso la camera attraverso il vapore che si spostava, con vapore e gocce d’acqua nell’audio. Il riquadro a sinistra è il fotogramma iniziale.

  • Parti dai fotogrammi dei tuoi utenti

    Chi costruisce piattaforme senza censura

    Parti dai fotogrammi dei tuoi utenti

    Da immagine a video ha restituito i livelli Lieve, Moderato e Massimo del nostro test sui contenuti, quindi un’app senza filtri può animare i fotogrammi che i suoi utenti portano. Il livello Forte è tornato attenuato dall’inquadratura, e il livello Molto forte viene rifiutato dal 9 ottobre. Tutte le persone in scena devono essere adulte.

  • Due persone da due ritratti

    Creator di serie e personaggi

    Due persone da due ritratti

    Invia un ritratto per persona e indica ciascuna con la sua posizione. Due ritratti di due uomini in abito sono tornati in un ascensore d’albergo con specchi e ottone, con quello barbuto che allenta la cravatta all’altro e i due volti riconoscibili. Limita una ripresa di riferimento con due persone a un solo momento lento e riusa gli stessi ritratti nello stesso ordine per ogni ripresa di una sequenza.

Dal primo fotogramma al montaggio finale con Vidu Q4 Preview

  1. Scegli l’endpoint in base a ciò che hai

    Un fotogramma iniziale va a da immagine a video; foto separate di persone, abiti, prodotti o luoghi vanno a da riferimenti a video. Per i livelli Moderato e Massimo, parti da un fotogramma delle persone con l’endpoint da immagine a video.

  2. Scrivi azioni, camera e audio

    Descrivi in ordine cosa succede dopo il primo istante, indica cosa fa la camera e metti ogni battuta tra virgolette doppie. Tieni disattivata l’espansione del prompt, così viene usata la tua formulazione così com’è.

  3. Bozza a 540p con un seed fisso

    Prova qualche versione a 540p e di 3-5 secondi e controlla volti, mani e battuta prima di allungare.

  4. Finisci a 1080p

    Rilancia la migliore a 1080p con lo stesso prompt e lo stesso seed. Scegli 2k o 4k solo se il tuo editor gestisce file HEVC a 10 bit.

  5. Metti in conto rifiuti e silenzio

    Una richiesta rifiutata fallisce dopo circa 6-8 minuti e non viene addebitata; sposta una scena di livello Moderato o Massimo da riferimenti a video all’endpoint da immagine a video. Disattiva l’audio quando aggiungerai la tua colonna sonora; il prezzo resta lo stesso.

Prompt per Vidu Q4 Preview da copiare

  • Un fotogramma iniziale che parla

    Per da immagine a video da un fotogramma di una persona adulta. Elenca i momenti in ordine e metti la battuta tra virgolette.

    The adult woman in the black satin evening dress turns from the dressing-room mirror toward the camera, tucks a loose curl behind her ear and smiles. She says, "You're late. Sit down, the show starts in five minutes." Warm vanity bulbs glow behind her, the camera pushes in slowly, soft room tone.

  • Tre riferimenti, una prova d’abito

    Per da riferimenti a video con un ritratto, la foto di un capo e la foto di un luogo, in quest’ordine. Indica ogni immagine con la sua posizione.

    The adult woman from the first image stands in the boutique from the third image, wearing the long silk coat from the second image over a black turtleneck. She fastens the belt, turns to the mirror, looks back at the camera with a confident smile and says, "This one. I'll wear it out." Soft lamp light, slow dolly-in, the rustle of silk.

  • Un ritratto e una clip vocale

    Per da riferimenti a video con un ritratto e una clip vocale MP3 da 3 a 12 secondi. Le parole devono essere nel prompt.

    The adult woman from the reference image, in a dark green velvet dress, stands by a rain-streaked window in a candlelit study. She turns to the camera with a small, knowing smile and says in the voice from the reference audio: "You kept me waiting. Tell me everything." Close-up, shallow depth of field, flickering candlelight, rain on the glass.

Altre domande su Vidu Q4 Preview

Usalo quando la scena ha bisogno di una voce

Parti da un fotogramma iniziale quando hai già l’inquadratura, oppure dai riferimenti quando persone, abiti, prodotti e luoghi devono combaciare.

Scrivi i momenti in ordine, metti ogni battuta tra virgolette, fai la bozza a 540p e finisci a 1080p. Per i livelli Moderato e Massimo usa da immagine a video da un fotogramma delle persone; da riferimenti a video li rifiuta o li attenua. Da immagine a video rifiuta il livello Molto forte dal 9 ottobre, e i rifiuti non vengono addebitati.

Tutti i modelli Vidu5