Vidu Q4 Preview の参照から動画への生成は、1〜15 枚の参照画像と最大 3 本の音声クリップから、16:9、9:16、1:1、3:4、4:3 のいずれかで一つのシーンを作ります。クリップは 540p から 4k まで 3〜16 秒で、音声も生成されます。フィルターは弱めで、中程度のレベル以上では NSFW のリクエストのほとんどが和らげられるか拒否されます。
エンドポイントごとにフィルタリングの扱いが異なります：画像から動画 — 規制なし, 動画延長 — 規制なし, 参照素材から動画 — 緩め。
最低価格 $0.045/秒
プレイグラウンド
この実行例は、このエンドポイント向けに書き下ろしたものです。プロンプトとサンプル素材の URL は、ご自身がアクセスできるものに差し替えてください。送信前に、最新の見積もりとモデルの提供状況もあわせてご確認ください。
- 出力5 秒
emerald-robe-fitting 順番に 3 枚の参照：ポートレート、ローブの写真、誰もいない試着室。プロンプトでは位置で呼び、彼女の顔、ローブ、部屋の金縁の鏡とベルベットのカーテンがすべて引き継がれました。
- 41004
- 720p
- 16:9
- 出力9 秒
whisper-lock-the-door ポートレート 1 枚と音声クリップ 1 本で、9:16、9 秒。ささやく台詞はプロンプト内の引用符に書き、声はクリップが決めます。台詞をプロンプトに書かなかった実行では、音声が出ませんでした。
- 41015
- 720p
- 9:16
- 出力5 秒
elevator-loosened-tie 2 枚のポートレートをそれぞれ位置で指し、9:16 のエレベーターでゆっくりした動作を 1 つ。両方の顔が保たれました。2 人が登場する参照シーンは、見せ場を 1 つに絞るのがいちばんうまくいきます。
- 41006
- 720p
- 9:16
この例は 出力秒 あたり $0.045 からです。設定を変更すると、プレイグラウンドの概算料金がその場で更新されます。