Wprowadzenie
Vidu Q3 Spicy w trybie obraz na wideo animuje kadr otwierający bez cenzury, z opcjonalnym opisem ruchu i dźwiękiem generowanym w tym samym przebiegu.
Vidu Q3 Spicy to dostrojona przez LoRA wersja Vidu Q3 bez cenzury, udostępniona jako endpointy obraz na wideo i video-extend; ta strona dotyczy obraz na wideo. Treść niesie dostarczony przez ciebie kadr otwierający, prompt jest opcjonalny, a klipy trwają od 1 do 16 sekund w 540p, 720p lub 1080p.
Najważniejsze funkcje
Animuje się to, co zatwierdzisz
Jedynym wejściem jest obraz, więc nie ma rozdźwięku między zaakceptowaną sceną a tym, co gotów jest wygenerować prompt tekstowy. Strój, ciało, poza i kadrowanie pochodzą ze zdjęcia, a zadaniem modelu jest ruch. Kadry bez cenzury przechodzą takie, jak je dostarczono, bez łagodzenia.
Samo zdjęcie to kompletne żądanie
Prompt jest opcjonalny. Wyślij tylko kadr, a model wywnioskuje drobny, wiarygodny ruch, często dokładnie taki, jakiego potrzebuje pętla. Tekst dodaj, gdy chcesz konkretnego momentu, na przykład spojrzenia unoszącego się do kamery albo zsuwającej się części garderoby, i opisuj tylko to, co się zmienia, zamiast opisywać obraz od nowa.
Pionowe klipy do szesnastu sekund
Nie ma pola proporcji, więc zdjęcie 9:16 daje klip 9:16 i nic go po drodze nie przekadrowuje. Razem z szesnastoma sekundami i 1080p wystarcza to na pełny pionowy moment z początkiem i końcem zamiast dwusekundowego urywka.
Parametry żądania
| Parametr | Wymagane | Uwaga |
|---|---|---|
image_url | Tak | Wymagane. To kadr, który ożywa: decyduje o treści i o kształcie wyjścia, więc najpierw doprowadź go do porządku. |
prompt | Nie | Opcjonalny. Opisz zagranie, kamerę i dźwięk; nie opisuj ponownie samej klatki. |
duration_seconds | Nie | Pełne sekundy, od 1 do 16. Od jednej do czterech pasuje do pętli; szesnaście obejmuje całe zagranie. |
resolution | Nie | 540p, 720p albo 1080p. Wartość domyślna to 720p – przy materiale docelowym poproś o 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 je na false, żeby dostać niemą pętlę. Domyślnie: |
bgm | Nie | Dodaje do klipu muzykę w tle. Domyślnie włączone. Domyślnie: |
Cennik
| Specyfikacja | Cena |
|---|---|
| $0.0665 / sekundę |
| $0.1425 / sekundę |
| $0.152 / sekundę |
Zastosowania
Klipy bez cenzury, które odrzucają inne API
Kadry są przyjmowane bez filtra treści i animowane tak, jak zostały dostarczone, więc materiał odrzucany przez inne API wideo na filtrze promptów działa tutaj. Ponieważ treść jest w obrazie, wynik odpowiada zatwierdzonemu kadrowi, a nie złagodzonej reinterpretacji twoich słów.
Wideo z towarzyszką i odgrywanie ról
Jedno zdjęcie postaci staje się zestawem krótkich reakcji, takich jak spojrzenie w górę, uśmiech czy zsuwające się ramię, gdy zmieniasz tylko prompt. Kadr utrzymuje tożsamość, kostium i scenografię w całym zestawie, dzięki czemu feed z towarzyszką wydaje się spójny.
Pionowe pętle do płatnego feedu
Zdjęcie 9:16 animuje się w pionowy klip bez przekadrowania: od jednej do czterech sekund na pętlę albo do szesnastu na scenę. Zrób kilka szkiców w 540p, a potem wygeneruj w 1080p dwa najlepsze.
Wskazówki
Najpierw zrób kadr
Strój, ciało, pozę i kadrowanie ustal w przebiegu obrazu i wyeksportuj zdjęcie w docelowych proporcjach, mieszczących się między 1:4 a 4:1. Nie ma pola, którym dałoby się później poprawić kształt; to, co jest na zdjęciu, będzie w klipie.
Ustal, jak bardzo scena się rusza
movement_amplitude przyjmuje auto, small, medium lub large. auto opiera się na kadrze otwierającym; zwiększ wartość, gdy nieruchoma scena ma się ruszać bardziej, a zmniejsz ją w pętli, w której ma zmieniać się tylko oddech. Dla niemej pętli ustaw generate_audio na false.
Dostosuj dołączony przykład
Opublikowany przykład używa duration_seconds 5, generate_audio true i resolution 720p.
She finishes pouring, sets the flask down and lifts her eyes to camera with a small smile, steam rising from the cup, the yukata sliding a fraction lower on her shoulder. Paper shoji glow, evening cicadas, very slow push-in.
Jedno zdjęcie i notatka o ruchu: nalewanie, spojrzenie w kamerę i ramię są opisane, a wszystko, co identyfikuje postać, pochodzi z kadru.
Tani szkic, jedno wykończenie
Wygeneruj z tego samego kadru krótkie warianty w 540p, wybierz ruch, który działa, i wygeneruj go ponownie w 1080p z dłuższym czasem do dostawy. Domyślna rozdzielczość to 720p, więc przy dostawie poproś wprost o 1080p.
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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "vidu/q3-spicy/image-to-video",
"input": {
"duration_seconds": 5,
"image_url": "https://example.com/reference.png",
"movement_amplitude": "auto",
"resolution": "720p"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Uwierzytelnianie, pełny schemat, odpytywanie i obsługę błędów opisuje dokumentacja API.
