Cos’è Vidu Q4 Preview?

L’anteprima pubblica del modello video Q4 di Vidu, uscita il 7 ottobre 2026 in attesa del modello Q4 completo. Offre image-to-video, reference-to-video e video-extend. Non c’è il text-to-video.

Quanto durano i clip e a quale risoluzione?

Da 3 a 16 secondi interi a 24 fotogrammi al secondo, a 540p, 720p (predefinito), 1080p, 2k o 4k. L’image to video mantiene il formato del tuo fotogramma; il reference to video accetta 16:9, 9:16, 1:1, 3:4 o 4:3.

Genera il sonoro e può far pronunciare battute?

Sì. Dialoghi, effetti e ambiente sonoro sono generati insieme all’immagine e un interruttore li disattiva. Metti le battute tra virgolette doppie nel prompt; nelle nostre esecuzioni la battuta tra virgolette è stata pronunciata. Con un clip vocale di riferimento, scrivi la battuta anche nel prompt.

Quanti riferimenti posso usare?

Il reference to video accetta da 1 a 15 immagini di riferimento (persone, abiti, prodotti o luoghi) e fino a 3 clip audio; Vidu chiede MP3, da 3 a 12 secondi ciascuno. Nelle nostre esecuzioni tre riferimenti sono tornati come un’unica scena e due ritratti hanno mantenuto entrambi i volti.

Dipende dall'endpoint. Nell'immagine-video, nei nostri test sono state consegnate le richieste di livello Lieve, Moderato e Massimo, e le richieste di livello Forte sono tornate attenuate dall'inquadratura. Il livello Molto forte era solo suggerito l'8 ottobre ed è rifiutato dal 9 ottobre. Il riferimento-video è filtrato in modo leggero e attenua o rifiuta la maggior parte delle richieste dal livello Moderato in su. Tutte le persone in scena devono essere adulte.

Perché il mio file 4k non si riproduce nel browser?

I clip 2k e 4k sono file HEVC (H.265) a 10 bit, che alcuni browser non riescono a riprodurre direttamente. Aprili con un lettore o un editor desktop, oppure convertili. Il 540p, 720p e 1080p sono H.264 e si riproducono quasi ovunque.

Quanto ci mette un clip?

Nelle nostre prove un clip di 5 secondi a 540p o 720p ha richiesto circa 2 minuti di tempo del modello, e un clip 4k di 3 secondi circa 2 minuti e mezzo. Il reference to video è più lento, da 3 a 10 minuti circa.

Come viene addebitato?

Al secondo di output, e il prezzo dipende solo dalla risoluzione: il 2k costa più del 1080p e il 4k circa il doppio del 2k. Suono attivo o disattivo e numero di riferimenti non lo cambiano. Le richieste rifiutate non vengono addebitate. Il prezzo aggiornato è sulla pagina del modello.

API Vidu Q4 Preview: image to video senza censura in 4K

vidu/q4-preview/video-extend

Continua un clip con Vidu Q4 Preview: l'ultimo fotogramma del tuo video apre un nuovo segmento da 3 a 16 secondi e ottieni un unico file con originale e continuazione uniti, in 540p, 720p, 1080p, 2k o 4k.

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 Vedi l’API

Input

Estensione video

1
Scegliere la clip da continuare
Scegli un video e lo continuiamo dal suo ultimo fotogramma.
2
Cosa succede dopo
Scegli una clip al passaggio 1 e questo passaggio si apre.
Modello
Testo del prompt0/20000
Obbligatorio, fino a 20.000 caratteri. Cosa succede dopo: l'azione successiva, il movimento di camera e il suono. Metti le battute parlate tra virgolette doppie. Il fotogramma iniziale fissa già soggetto e ambientazione, quindi dedica le parole al movimento. almeno 1 caratteri · al massimo 20000 caratteri
Risoluzioneincide sul prezzo
Nitidezza del nuovo segmento generato: 540p, 720p, 1080p, 2k o 4k, predefinita 720p. La risoluzione decide solo la nitidezza del nuovo segmento; allineala alla sorgente, perché un’impostazione più bassa rende la parte nuova più morbida dell’originale. Determina il prezzo. Un nuovo segmento in 2k o 4k è un file HEVC a 10 bit che alcuni browser non riproducono inline se aperto da solo.
Durataincide sul prezzo
Durata del nuovo segmento: un numero intero da 3 a 16. Predefinito 5. L'originale viene aggiunto prima e non viene addebitato. non meno di 3 · non più di 16
Genera l’audio
Attivo per impostazione predefinita, quindi il nuovo segmento ha un suono generato. L'originale mantiene in ogni caso il proprio suono; se uno dei due lati è muto, il file unito viene completato con silenzio. Non cambia il prezzo.

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.

2 campi obbligatori mancanti: Testo del prompt · Video di input

Output

Pronto per una nuova esecuzione

Il tuo risultato comparirà qui.

Configura gli input, controlla la stima, poi esegui il modello.

Introduzione

Estensione video su Vidu Q4 Preview. Invia la clip che vuoi continuare e descrivi cosa succede dopo: l'ultimo fotogramma della clip diventa il fotogramma iniziale di una nuova inquadratura immagine-video di Vidu Q4 Preview, e l'originale e il nuovo segmento tornano uniti in un unico MP4. Si addebitano solo i secondi nuovi. L'intervallo di contenuti è quello dell'immagine-video, rifiuti inclusi: le richieste di livello Molto forte vengono rifiutate, e le richieste rifiutate non vengono addebitate.

Specifiche di Vidu Q4 Preview · Video Extend
Campo	Valore
Input	Video
Output	Video
Produttore	Vidu (ShengShu Technology)
Modello	Vidu Q4 Preview (viduq4-preview)
Uscita	7 ottobre 2026
Endpoint	Image to Video, Reference to Video, Estensione video
Durata	Da 3 a 16 secondi, in secondi interi (predefinito 5)
Risoluzione	540p, 720p (predefinito), 1080p, 2k, 4k
Frame rate	24 fps
Audio	Generato insieme all’immagine per impostazione predefinita (AAC stereo); si può disattivare
Riferimenti	Reference to video: da 1 a 15 immagini e fino a 3 clip audio
Politica sui contenuti	Immagine-video: Lieve, Moderato e Massimo consegnati, Forte tenuto fuori inquadratura, Molto forte rifiutato dal 9 ottobre. Riferimento-video: filtrato in modo leggero, attenua o rifiuta la maggior parte delle richieste da Moderato in su
Esecuzione	Attività asincrona, addebito al secondo di output

Caratteristiche principali

Un fotogramma che parla

Una donna in abito di raso nero davanti a uno specchio a tre ante in un camerino di velluto entra come fotogramma iniziale. Il prompt la fa girare, allungare la mano verso la cerniera e dire tra virgolette "Help me with this?". La battuta è stata pronunciata nell'output a 720p, con il suo look e le lampadine da toletta mantenuti.

Tre riferimenti, una scena

Un ritratto, la foto di prodotto di una vestaglia di seta color smeraldo e un camerino vuoto di una boutique vengono inviati come riferimenti. Il suo viso, il colore e la lucentezza della vestaglia, lo specchio dorato e le tende di velluto rosa sono tornati tutti in un’unica scena a 720p.

La battuta con il tuo clip vocale

Un ritratto e un clip vocale, con la battuta scritta tra virgolette nel prompt. Lei gira la chiave in una porta illuminata dalle candele e la sussurra, in 9:16 a 720p e per nove secondi. Il clip definisce la voce; le parole vengono dal prompt.

Due volti mantenuti nella stessa inquadratura

Due ritratti di due uomini in completo entrano come riferimenti. In un ascensore di ottone con gli specchi, quello con la barba allenta la cravatta all’altro e si sfiorano quasi in un bacio mentre le porte si aprono, con entrambi i volti riconoscibili per tutto il tempo.

Parametri della richiesta

Parametri della richiesta di Vidu Q4 Preview · Video Extend
Parametro	Obbligatorio	Nota
`prompt`	Sì	Obbligatorio, fino a 20.000 caratteri. Cosa succede dopo: l'azione successiva, il movimento di camera e il suono. almeno 1 caratteri · al massimo 20000 caratteri
`video_url`	Sì	Il clip da continuare: MP4, MOV o WebM, fino a 60 secondi. almeno 1 caratteri
`resolution`	No	Nitidezza del nuovo segmento generato: 540p, 720p, 1080p, 2k o 4k, predefinita 720p. `540p` · `720p` · `1080p` · `2k` · `4k` · Predefinito: `720p`
`duration_seconds`	No	Durata del nuovo segmento: un numero intero da 3 a 16. Predefinito 5. `≥ 3` · `≤ 16` · Predefinito: `5`
`generate_audio`	No	Attivo per impostazione predefinita, quindi il nuovo segmento ha un suono generato. Predefinito: `true`
`enable_prompt_expansion`	No	Disattivato per impostazione predefinita. Se attivo, il modello riscrive e amplia il prompt prima di generare; lascialo disattivato per indicazioni letterali. Predefinito: `false`
`seed`	No	Da 0 a 2147483647. Tienilo fisso per confrontare cambiando un solo campo alla volta; toglilo per avere varietà. `≥ 0` · `≤ 2147483647`

Prezzi

Addebitato per secondo del nuovo segmento alla risoluzione scelta; il clip originale che invii non viene addebitato. Le richieste rifiutate non vengono addebitate.

Prezzi
Specifiche	Prezzo
`540p`	$0.045 / secondo
`720p`	$0.095 / secondo
`1080p`	$0.12 / secondo
`2k`	$0.19 / secondo
`4k`	$0.39 / secondo

Casi d’uso

Inquadrature con dialogo

Un personaggio si volta verso la camera e pronuncia una battuta, con ambiente sonoro e una voce coerente generati nello stesso passaggio. Metti la battuta tra virgolette e tienila breve per un clip da 5 a 9 secondi.

Film di moda e di prodotto

Invia un ritratto, una foto di prodotto e una location come tre riferimenti e ottieni un’unica scena con tutti e tre: la persona, il capo e l’ambiente.

Scene con due persone

Invia due ritratti al reference to video e i due volti restano riconoscibili nella stessa inquadratura, per una conversazione, un arrivo o un quasi bacio.

Piattaforme senza filtro sui contenuti

Nei nostri test l'immagine-video ha consegnato risultati senza filtro, quindi un'app senza filtro può partire dai fotogrammi dei propri utenti; il livello Molto forte viene rifiutato dal 9 ottobre. Tutte le persone in scena devono essere adulte.

Consigli avanzati

Metti le battute tra virgolette

Scrivi ciò che dice la persona tra virgolette doppie, dentro il prompt. Nelle nostre esecuzioni la battuta tra virgolette è stata pronunciata. Se alleghi un clip vocale di riferimento, scrivi comunque la battuta nel prompt e indica che è nella voce dell’audio di riferimento: un’esecuzione senza la battuta è tornata senza alcun parlato.
Richiama i riferimenti per posizione

Nel reference to video indica ogni immagine con il suo posto nell’elenco: «la donna della prima immagine», «la vestaglia della seconda immagine». Nelle nostre esecuzioni volti, abiti e ambienti dei riferimenti sono stati mantenuti.
Bozza a 540p, versione finale a 1080p

Il 540p è il modo più rapido per provare un prompt. Rilancia quello che ti convince a 1080p. Scegli il 2k o il 4k solo se ti serve quella dimensione e il tuo editor gestisce i file HEVC.
Per le scene NSFW, parti da un fotogramma

Il riferimento-video attenua o rifiuta la maggior parte delle richieste dal livello Moderato in su. Per scene senza filtro, parti da un fotogramma delle persone in immagine-video. Nessuno dei due endpoint restituisce il livello Molto forte: l'immagine-video lo rifiuta dal 9 ottobre.

Introduzione

Vidu Q4 Preview Estensione video continua un clip che hai già. Invialo come video_url con un prompt su cosa succede dopo. L'ultimo fotogramma del tuo clip diventa il fotogramma iniziale di una nuova inquadratura image-to-video di Vidu Q4 Preview da 3 a 16 secondi, e i due vengono uniti in un unico MP4: prima il tuo originale, poi la continuazione, senza il fotogramma ripetuto nel punto di giunzione. Il nuovo segmento torna anche come file a sé, così puoi continuare a estendere o modificare i pezzi separatamente.

Funzionalità principali e punti di forza

La continuità nasce dall'ultimo fotogramma. Abiti, ambientazione, luce e posizione di ciascuno si mantengono perché il nuovo segmento parte letteralmente dal tuo ultimo fotogramma. Il movimento non si mantiene allo stesso modo: il modello vede un'immagine fissa, non l'intero clip. Descrivi quindi il movimento che vuoi continuare, invece di supporre che mantenga velocità o direzione.

Un file in risposta, più il pezzo nuovo da solo. Il MP4 unito mantiene la frequenza dei fotogrammi e l’inquadratura della tua clip, senza bande nere. Per allineare la giuntura, l’immagine può essere ritagliata o regolata di qualche punto percentuale ai bordi. Se il modello restituisce proporzioni nettamente diverse, il nuovo segmento viene ridimensionato per riempire la tua inquadratura e centrato, e ciò che sporge viene ritagliato. Il file è codificato come MP4 H.264 con audio AAC. Il suono dell'originale resta, il suono generato per il nuovo segmento lo segue, e un lato muto viene completato con silenzio perché immagine e suono restino allineati nella giunzione. Il secondo asset dell'output è il nuovo segmento da solo, pronto per un'altra estensione o per un editor.

Tutto il resto è immagine-video di Vidu Q4 Preview. Il nuovo segmento gira sulle stesse rotte, con lo stesso intervallo di contenuti e lo stesso prezzo al secondo dell'endpoint immagine-video, e una generazione fallita viene rimborsata allo stesso modo. Questo include i suoi rifiuti: le richieste di livello Molto forte vengono rifiutate, e le richieste rifiutate non vengono addebitate. Se la generazione riesce ma la giunzione non può essere costruita, l'attività fallisce e l'addebito viene rimborsato.

Casi d'uso

Allunga un'inquadratura finita troppo presto: un piatto girevole di prodotto che si ferma prima che l'etichetta guardi in camera, o una camminata tagliata prima che il soggetto raggiunga la porta. Estendila di qualche secondo e descrivi solo il movimento che manca.

Costruisci una sequenza più lunga passo dopo passo. Genera una prima inquadratura, estendila, poi estendi di nuovo il risultato unito finché resta entro il limite di 60 secondi per l'originale; ogni passaggio addebita solo i secondi che aggiunge. Poiché ogni passaggio parte da un solo fotogramma, controlla ogni giunzione prima di aggiungere la successiva.

Guida ai prompt e consigli pratici

Descrivi il momento successivo, non l'intera scena. Il fotogramma fissa già chi e dove, quindi usa il prompt per l'azione che segue, il movimento di camera e il suono. Ripeti il linguaggio di camera con cui è finito il tuo clip, come un lento avvicinamento o un'inquadratura fissa, perché la giunzione sembri un'unica ripresa.

Taglia prima di estendere. L'ultimo fotogramma è l'unica cosa che il modello vede, quindi un finale sfocato, tagliato a metà movimento o molto compresso passa direttamente nella continuazione. Taglia prima l'originale su un fotogramma pulito e nitido. Sono accettati originali fino a 60 secondi in MP4, MOV o WebM.

Mantieni coerente la risoluzione. La risoluzione decide solo la nitidezza con cui viene generato il nuovo segmento, quindi un’impostazione più bassa rende la parte nuova più morbida dell’originale. Allinea la risoluzione alla sorgente e imposta duration_seconds sulla durata che ti serve davvero: l’addebito segue solo il nuovo segmento.

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/q4-preview/video-extend",
  "input": {
    "duration_seconds": 5,
    "prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
    "resolution": "720p",
    "video_url": "https://example.com/reference.mp4"
  }
}'

# 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.

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.

API VIDEO

L’anteprima Q4 di Vidu: clip da 3 a 16 secondi fino a 4k, con suono e battute parlate, da un fotogramma iniziale o da un massimo di 15 riferimenti.

Numeri chiave

Endpoint: 3; Image to video, reference to video e video-extend. Non c’è il text-to-video: ogni clip parte da immagini o da una clip esistente.
Durata del clip: 3-16 s; Qualsiasi numero intero di secondi, a 24 fps, addebitati al secondo di output.
Risoluzione massima: 4k; 540p, 720p (predefinito), 1080p, 2k e 4k. Il 2k e il 4k tornano come file HEVC a 10 bit.
Riferimenti: 15; Il reference to video accetta da 1 a 15 immagini più un massimo di 3 clip vocali.
Suono: Attivo; Dialoghi, effetti e ambiente sonoro sono generati insieme all’immagine; un solo interruttore li disattiva.

Prima di spendere

all

Immagine-video: nei nostri test sono state consegnate le richieste di livello Lieve, Moderato e Massimo. Le richieste di livello Forte sono tornate attenuate dall'inquadratura. Il livello Molto forte è tornato solo suggerito l'8 ottobre ed è rifiutato dal 9 ottobre (3 su 3 nel nostro retest); le richieste rifiutate non vengono addebitate.

all

Il riferimento-video è filtrato in modo leggero. Dal livello Moderato in su quasi ogni richiesta è stata attenuata o rifiutata, e le richieste rifiutate non vengono addebitate. Le richieste di livello Lieve sono passate, così come uno dei due prompt di livello Massimo. Per scene senza filtro, usa l'immagine-video partendo da un fotogramma delle persone.

all

A 2k e 4k il file è HEVC (H.265) a 10 bit. I file sono pesanti e alcuni browser non riescono a riprodurli direttamente; modificali o convertili con uno strumento desktop. Il 540p, 720p e 1080p sono H.264.

all

È un’anteprima del modello Q4 completo e non ha il text-to-video. Ogni clip parte da un fotogramma iniziale o da immagini di riferimento.

image-to-video

Non c’è un campo per le proporzioni: il clip mantiene il formato del tuo fotogramma iniziale. Attivando l’espansione del prompt il modello può riscriverlo e in un’esecuzione ha attenuato una richiesta, quindi tienila disattivata se vuoi indicazioni alla lettera.

reference-to-video

Una richiesta senza immagini di riferimento viene respinta. L’audio di riferimento definisce la voce ma non le parole, quindi la battuta deve stare nel prompt. I clip richiedono più tempo dell’image to video, da 3 a 10 minuti circa nelle nostre prove.