Wprowadzenie
Tryb obraz→wideo w Vidu Q3 zamienia jedną klatkę startową i pisemną instrukcję w klip o długości od 1 do 16 pełnych sekund w 540p, 720p lub 1080p. Oba wejścia są wymagane: image_url ustala postać, strój, scenografię i kształt wyniku, a prompt opisuje, co dzieje się po tej klatce – akcję, ruch kamery i dźwięk. Nie ma pola proporcji obrazu, więc klip zachowuje proporcje wysłanego obrazu, które muszą mieścić się między 1:4 a 4:1. Dźwięk powstaje w tym samym przebiegu i jest domyślnie włączony.
Najważniejsze funkcje
Klatka jest odtwarzana dosłownie
Model zaczyna dokładnie od tego, co pokazuje kadr: twarzy, stroju, scenografii i kompozycji. Dlatego to pewny wybór, gdy klip musi zgadzać się z już zatwierdzonym obrazem, także z klatkami źródłowymi bez cenzury. Druga strona medalu: wszystko, czego klatka nie pokazuje, trzeba wymyślić. Obrót odsłaniający tył stroju albo ruch kamery w część pokoju poza kadrem to miejsca, w których pojawia się dryf.
Skala ruchu to osobne ustawienie
movement_amplitude przyjmuje auto, small, medium lub large. W trybie auto model odczytuje klatkę startową i sam decyduje; podnieś wartość, gdy statyczna scena ma się ruszać bardziej, i trzymaj ją nisko, gdy instrukcja wyklucza ruch. W opublikowanym przykładzie z żaluzjami nie porusza się nic poza światłem, a wysoka wartość wymyśliłaby dokładnie ten ruch, który instrukcja wyklucza. Prompt pozostaje wtedy wolny na konkretny gest: przeniesienie ciężaru, półobrót, wyjście z kadru.
Dźwięk w tym samym przebiegu
generate_audio ma domyślnie wartość true, więc tło pomieszczenia, efekty foley i atmosfera powstają razem z obrazem i docierają zsynchronizowane. Opisz dźwięk w prompcie tak, jak opisujesz światło – szum morza i wiatr, oddychająca zasłona – i ustaw pole na false, gdy klip trafi pod twój własny miks. Osobny przełącznik bgm (domyślnie włączony) dodaje muzykę w tle; wyłącz go, jeśli nie chcesz muzyki.
Parametry żądania
| Parametr | Wymagane | Uwaga |
|---|---|---|
image_url | Tak | Klatka otwierająca. Ustala temat i kompozycję oraz nadaje kształt wynikowi – nie ma tu pola |
prompt | Tak | Pole wymagane. Opisz, co zmienia się po klatce: akcję, kamerę, dźwięk. od 1 znaków |
duration_seconds | Nie | Pełne sekundy, od 1 do 16. |
resolution | Nie | 540p, 720p albo 1080p. |
movement_amplitude | Nie | auto, small, medium lub large. Auto odczytuje klatkę początkową - podnieś, gdy statyczna scena ma się poruszać mocniej. |
generate_audio | Nie | Domyślnie włączone. Ustaw na false, żeby dostać klip niemy. Domyślnie: |
bgm | Nie | Dodaje do klipu muzykę w tle. Domyślnie włączone. Domyślnie: |
seed | Nie | Do kontrolowanych porównań między dwoma przebiegami. |
Cennik
| Specyfikacja | Cena |
|---|---|
| $0.07 / sekundę |
| $0.15 / sekundę |
| $0.16 / sekundę |
Zastosowania
Zatwierdzone kadry, które nie mogą się rozjechać
Zdjęcie kampanijne, karta postaci albo zatwierdzona klatka storyboardu pozostaje punktem odniesienia. Ponieważ klip od niej startuje, twarz, strój i scenografia zostają zachowane, a odbiór sprowadza się do jednego pytania: czy ruch działa? Duże odsłony umieść w kadrze, zamiast prosić prompt, żeby je wymyślił.
Jedna scena w pionie i w szerokim kadrze
Wynik przyjmuje kształt klatki, więc kadrowanie tej samej sceny do 9:16 i do 16:9 daje wersję do relacji i wersję do feedu bez zmiany żadnego innego pola. Kadruj na etapie obrazu, przed wysłaniem.
Ujęcia, w których zmienia się tylko światło i nastrój
Niektóre ujęcia wymagają, żeby postacie pozostały nieruchome, podczas gdy zmienia się coś innego. Przykład 8-sekundowy w 1080p utrzymuje dwie postacie w miejscu, podczas gdy twarde pasy żaluzji przesuwają się po ich ramionach, gdy słońce zachodzi. Robotę wykonują prompt, w którym porusza się tylko światło, powściągliwa wartość movement_amplitude i wyłączone generate_audio.
Od sekundowego przerywnika do pełnej sceny na jednym endpoincie
duration_seconds przyjmuje wartości od 1 do 16, więc sekundowe ujęcie reakcji i szesnastosekundowa scena z początkiem i końcem korzystają z tych samych pól. Cena zależy od dwóch wartości – długości i rozdzielczości – a szacunek na żywo aktualizuje się, gdy zmienisz którąkolwiek z nich.
Wskazówki
Przygotuj klatkę startową
Najpierw przytnij obraz do formatu dostawy, bo klip go dziedziczy, i utrzymaj proporcje między 1:4 a 4:1. Umieść w obrazie wszystko, co musi się pojawić: postać, strój, scenografię. Model zaczyna od tego, co pokazuje klatka, a resztę musi wymyślić.
Pisz ruch po kolei
Opisz, co dzieje się po klatce, w kolejności, w jakiej to następuje – akcja, kamera, światło, dźwięk – bez ponownego opisywania kadru. Przykład z jasnej, wysokiej tonalnie porannej sypialni łączy trzy czynności w pięciu sekundach: ona się przeciąga, powoli opada na białe łóżko, po czym odwraca głowę do kamery i uśmiecha się. Zamknięcie należy do światła i kamery: cienka zasłona w słońcu, kurz w smudze światła, powolny dryf kamery z ręki. Żadnej z tych czynności nie ma w kadrze – wszystkie są w prompcie.
Dostosuj opublikowany przykład
Opublikowany przykład z klifem trwa 5 sekund w 720p, z generate_audio pozostawionym na wartości domyślnej, a startuje od kadru kobiety w białej sukience nad morzem. Zachowaj jego strukturę – jedna siła, kilka materiałów, jeden ruch kamery – i podmień postać oraz miejsce na własne.
The wind gusts and the long grass runs in waves across the clifftop; her white dress and hair stream sideways and snap. She turns from the sea into the wind toward the camera, catching the hair off her face with one hand and laughing, then spreads both arms and leans into the gust. Gulls cross far below. Slow steadicam arc around her, bright overcast daylight, cool green and pale blue, sea roar and wind.
Bohaterem jest wiatr: wysoka trawa biegnie falami, sukienka i włosy powiewają na bok i łopoczą, a steadicam zatacza łuk wokół niej, gdy wychyla się pod podmuch. Jedna ciągła siła działa na trzy różne materiały, co jest dla animowanego kadru trudniejszym testem niż osoba, która po prostu się odwraca.
Szkic w 540p, dostawa w 1080p
Powtarzaj w 540p, aż ruch będzie czytelny, a potem wygeneruj ponownie w 1080p z tą samą klatką, tym samym promptem i tym samym seed, tak by zmieniła się tylko rozdzielczość. Stały seed sprawia, że dwa przebiegi da się porównać, ale nie gwarantuje identycznego wyniku klatka po klatce. Gdy ujęcie się rozjeżdża, najpierw sprawdź obszary, których kadr nigdy nie pokazywał – tył ubrania, skraj pokoju – i przenieś tę odsłonę do nowej klatki startowej, zamiast dopisywać tekst do promptu.
Szybki start z 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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "vidu/q3/image-to-video",
"input": {
"duration_seconds": 5,
"image_url": "https://example.com/reference.png",
"movement_amplitude": "auto",
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "720p"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Uwierzytelnianie, pełny schemat, odpytywanie i obsługę błędów opisuje dokumentacja API.
