Vidu Q3 Spicy API

Vidu Q3 Spicy の画像から動画は、無検閲の開始フレームを動かします。動きの指示は任意で、音声は同じ処理で生成されます。

Vidu Q3 Spicy は Vidu Q3 を LoRA で調整した検閲なしのビルドで、画像から動画と video-extend のエンドポイントとして公開しています。このページでは画像から動画を扱います。内容は用意した開始フレームが担い、プロンプトは任意です。クリップは 540p、720p、1080p の 1〜16 秒です。

承認した画がそのまま動く

入力は画像だけなので、承認したシーンとテキストのプロンプトが描こうとするものの間にずれがありません。衣装、体、ポーズ、構図はすべて静止画から来て、モデルの仕事は動きです。検閲なしの開始フレームも和らげられることなく、送ったとおりに届きます。

静止画だけでも完結したリクエスト

プロンプトは任意です。フレームだけを送ればモデルが小さく自然な動きを推測し、ループならそれで十分なことがよくあります。カメラへ目線を上げる、衣服がずれるなど特定の瞬間がほしいときだけテキストを足し、画を説明し直すのではなく変化だけを書きます。

最長 16 秒の縦長クリップ

画面比率のフィールドがないので、9:16 の静止画は 9:16 のクリップになり、出力時に切り直されることはありません。最長 16 秒、最大 1080p と合わせれば、2 秒の断片ではなく始まりと終わりのある縦長の一場面を作れます。

他の API が拒否する検閲なしのクリップ

開始フレームはコンテンツフィルターなしで受け付けられ、送ったとおりに動きます。ほかの動画 API がプロンプトフィルターで拒否する素材もここでは動きます。内容は画像にあるので、結果は言葉を和らげて解釈し直したものではなく、承認したフレームに一致します。

コンパニオン・ロールプレイ動画

キャラクターの静止画 1 枚が、プロンプトを変えるだけで、見上げる、微笑む、肩があらわになるといった短いリアクションのセットになります。フレームが人物、衣装、セットをセット全体で安定させるので、コンパニオン向けのフィードに連続性が生まれます。

有料フィード向けの縦型ループ

9:16 の静止画は切り直しなしで縦長クリップになり、ループなら 1〜4 秒、シーンなら最長 16 秒です。540p でいくつか下書きを作り、出来の良い 2 本を 1080p で作り直しましょう。

# 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-spicy/image-to-video",
  "input": {
    "duration_seconds": 5,
    "image_url": "https://example.com/reference.png",
    "movement_amplitude": "auto",
    "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"

認証、完全なスキーマ、ポーリング、エラー処理は API リファレンスを参照してください。