本文へスキップ

Vidu Q4 Preview でクリップを続けます。動画の最後のフレームから 3〜16 秒の新しい区間を作り、元の動画と続きをつないだ 1 本のファイルを 540p、720p、1080p、2k、4k で返します。

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

入力

動画延長
  1. 1

    続きを作るクリップを選ぶ

    動画を1本選ぶと、その最後のフレームから続きを作ります。

  2. 2

    この先の展開

    ステップ 1 でクリップを選ぶと、ここが開きます。

    0/20000
    必須、最大 20,000 文字です。次に起きること、つまり続く動作、カメラの動き、音を書きます。話させたいセリフは二重引用符で囲みます。被写体とセットは開始フレームで決まっているので、言葉は動きに使ってください。 1 文字以上 · 20000 文字以内
    料金に影響
    生成される新しい区間の精細さです。540p、720p、1080p、2k、4k から選び、既定は 720p です。解像度が決めるのは新しい区間の精細さだけなので、元のクリップに合わせてください。低く設定すると新しい部分が元より甘く見えます。料金もこれで決まります。2k と 4k の新しい区間は 10-bit HEVC ファイルで、単体で開くとブラウザによっては埋め込み再生できません。
    長さ料金に影響
    新しい区間の長さです。3〜16 の整数秒で指定し、既定は 5 です。元の動画はその前に足されますが課金されません。 3 以上 · 16 以下
    音声を生成
    既定でオンで、新しい区間に生成した音が付きます。元の動画の音はどちらの場合も残ります。片方が無音のときは、つないだファイルを無音で埋めます。料金は変わりません。
セーフティチェックオフ

SpicyAPI はこのモデルにセーフティチェックをかけません。プロンプトと素材はそのままモデルに渡り、出力はモデル自身が決めます。

送信と料金見積もりを有効にする前にアカウントを確認しています。

必須項目が 2 件未入力です:プロンプト · 入力動画

出力

実行待ち

結果はここに表示されます。

入力を設定し、概算料金を確認してからモデルを実行します。

関連モデルと次のステップ

お探しのモデルが見つかりませんか?

必要なモデルと用途をお知らせください。次に何を追加するかを決めるチームに直接届きます。

VIDEO API

Vidu の Q4 プレビュー。冒頭フレーム 1 枚、または最大 15 枚の参照画像から、音と台詞つきの 3〜16 秒クリップを最大 4k で。

主なスペック

エンドポイント
3
image-to-video、reference-to-video、video-extend。text-to-video はなく、すべてのクリップは画像か既存のクリップから始まります。
クリップの長さ
3〜16 秒
1 秒刻みの整数秒で、24 fps。出力 1 秒単位で課金されます。
最大解像度
4k
540p、720p(既定)、1080p、2k、4k。2k と 4k は 10-bit HEVC ファイルで返ります。
参照画像
15
reference-to-video は画像 1〜15 枚と、音声クリップ最大 3 本を受け付けます。
音声
あり
台詞、効果音、環境音が映像と一緒に生成されます。スイッチ 1 つでオフにできます。

課金前に知っておくこと

all

画像から動画への生成:当社のテストでは、軽め、中程度、最大のレベルのリクエストは出力されました。強めのレベルのリクエストは構図によって和らげられました。かなり強めのレベルは 10 月 8 日には示唆されるにとどまり、10 月 9 日以降は拒否されています(再テストでは 3 件中 3 件)。拒否されたリクエストには課金されません。

all

参照から動画への生成はフィルターが弱めです。中程度のレベル以上では、ほぼすべてのリクエストが和らげられるか拒否され、拒否されたリクエストには課金されません。軽めのリクエストは通り、最大のレベルのプロンプト二つのうち一つも通りました。フィルターなしのシーンには、人物を写したフレームからの画像から動画への生成を使ってください。

all

2k と 4k のファイルは 10-bit HEVC(H.265)です。ファイルが大きく、ブラウザによってはその場で再生できないため、デスクトップのツールで編集または変換してください。540p、720p、1080p は H.264 です。

all

これは Q4 モデル本体の前に公開されたプレビューで、text-to-video はありません。すべてのクリップは冒頭フレームか参照画像から始まります。

image-to-video

アスペクト比のフィールドはなく、クリップは冒頭フレームの形を保ちます。プロンプト拡張をオンにするとモデルがプロンプトを書き換えます。ある実行では依頼内容が控えめになったため、指示をそのまま反映させたいときはオフのままにしてください。

reference-to-video

参照画像のないリクエストは拒否されます。参照音声が決めるのは声で、言葉ではないため、台詞はプロンプトに書く必要があります。image-to-video より時間がかかり、私たちのテストでは約 3〜10 分でした。

できること

Image to video

話し出す 1 枚のフレーム

ベルベットの化粧室の三面鏡の前にいる、黒いサテンのドレスの女性を開始フレームにしました。プロンプトでは、彼女が振り向き、ジッパーに手を伸ばし、「Help me with this?」と言うように指示しています。台詞は 720p の出力で話され、彼女の見た目と化粧台の電球の光もそのまま引き継がれました。

Reference to video

3 枚の参照で、1 つのシーン

ポートレート、エメラルドのシルクのローブの商品写真、誰もいないブティックの試着室を参照として送ります。彼女の顔、ローブの色と光沢、金縁の鏡、ピンクのベルベットのカーテンが、720p の 1 つのシーンに揃って返りました。

参照音声

手持ちの音声クリップの声で話す台詞

ポートレート 1 枚と音声クリップ 1 本を送り、台詞はプロンプトの中で引用符に入れて書きます。彼女はろうそくの灯る戸口で鍵を回し、その台詞をささやきます。9:16、720p、9 秒です。声を決めるのはクリップで、言葉はプロンプトから来ます。

2 人

1 つのショットに 2 人の顔

スーツ姿の男性 2 人のポートレートを参照として入力します。鏡張りの真鍮のエレベーターで、ひげの男性がもう一人のネクタイを緩め、扉が開くと二人はキスしそうになります。その間ずっと、両方の顔が見分けられました。

Vidu Q4 Preview の作例

  • Image to video、16:9、1080p、5 秒。引用符内の台詞が出力で話されました。
    5 秒
  • 3 枚の参照からの reference-to-video。16:9、720p、5 秒。
    5 秒
  • 9:16 のフレームからの image-to-video。720p(720 x 1280)、5 秒で、音声には蒸気としたたる水の音が入っています。
    5 秒
  • ポートレート 1 枚と音声クリップ 1 本からの reference-to-video。9:16、720p、9 秒。
    9 秒
  • Image to video、16:9、720p、5 秒。
    5 秒
  • 2 枚のポートレートからの reference-to-video。9:16、720p、5 秒。
    5 秒

活用シーン

  • 台詞のあるショット

    人物がカメラに向き直って一言話し、ルームトーンと合った声が同じ処理で生成されます。5〜9 秒のクリップなら、台詞は短く引用符で囲んでください。

  • ファッション・商品フィルム

    人物のポートレート、商品写真、ロケーションの 3 枚を参照として送ると、その 3 つ(人物、衣装、部屋)が揃った 1 つのシーンが返ります。

  • 二人が写る場面

    2 枚のポートレートを reference-to-video に送ると、同じショットで両方の顔が見分けられます。会話、到着、キス寸前の場面に向いています。

  • コンテンツフィルターのないプラットフォーム

    当社のテストでは、画像から動画への生成はフィルターなしの結果を出したため、フィルターのないアプリは利用者自身のフレームから始めることができます。かなり強めのレベルは 10 月 9 日以降拒否されています。画面に映るすべての人物は成人である必要があります。

モデルリファレンス

Vidu Q4 Preview API リファレンス

Vidu Q4 Preview API の仕様

出品元
Vidu(ShengShu Technology)
モデル
Vidu Q4 Preview(viduq4-preview)
公開日
2026 年 10 月 7 日
エンドポイント
Image to Video、Reference to Video、Video Extend
長さ
3〜16 秒、1 秒刻みの整数秒(既定は 5 秒)
解像度
540p、720p(既定)、1080p、2k、4k
出力
1080p までは H.264 の MP4、2k と 4k は 10-bit HEVC の MP4
フレームレート
24 fps
音声
既定で映像と一緒に生成(AAC ステレオ)。オフにもできます
参照
reference-to-video:画像 1〜15 枚と音声クリップ最大 3 本
コンテンツポリシー
画像から動画へ:軽め、中程度、最大は出力、強めは画面外、かなり強めは 10 月 9 日以降拒否。参照から動画へ:フィルターは弱め、中程度以上のほとんどのリクエストを和らげるか拒否
実行方式
非同期タスク。課金は出力 1 秒単位

Vidu Q4 Preview API の呼び出し方

  1. 台詞は引用符で囲む

    人物が話す言葉は、プロンプトの中でダブルクォートで囲んで書きます。私たちの実行では、引用符内の台詞が出力で話されました。参照音声クリップを付ける場合も、台詞はプロンプトに書き、参照音声の声で話すと明記してください。台詞を書かなかった実行では、音声がまったく出ませんでした。

  2. 参照画像は順番で指す

    reference-to-video では、リスト内の位置で各画像を呼びます。例:"the woman from the first image"、"the robe from the second image"。私たちの実行では、参照画像の顔、衣装、部屋がクリップに引き継がれました。

  3. 540p で下書きし、1080p で仕上げる

    プロンプトを試すなら 540p がいちばん手早い方法です。気に入ったものを 1080p で回し直してください。2k や 4k は、そのサイズが必要で、編集ソフトで HEVC ファイルを扱える場合だけ選びます。

  4. NSFW シーンは、フレームから始める

    参照から動画への生成は、中程度のレベル以上のほとんどのリクエストを和らげるか拒否します。フィルターなしのシーンは、人物を写したフレームから画像から動画への生成で始めてください。どちらのエンドポイントも、かなり強めのレベルは出力しません。画像から動画への生成では、10 月 9 日以降それが拒否されています。

モデルの概要

Vidu Q4 Preview は、Vidu の最新プレビューモデルを次のエンドポイントで提供します。冒頭フレームから動かす image-to-video、最大 15 枚の画像と 3 本の音声クリップから作る reference-to-video、既存のクリップを続ける video-extend です。クリップは 3〜16 秒、最大 4k で、音と引用符内の台詞が映像と一緒に生成され、課金は出力 1 秒単位です。

Vidu Q4 Preview API のよくある質問