Przejdź do treści głównej

Bez cenzury — Ten model deklaruje brak filtra treści. SpicyAPI przekazuje żądanie dalej, nie dokładając własnego skanowania po stronie platformy; obowiązki prawne i kwestia zgody pozostają po stronie klienta. Obraz na wideo — Bez cenzury; Przedłużenie wideo — Bez cenzury; Referencja na wideo — Lekki filtr.Zobacz wszystkie modele na tym poziomie filtrowania
vidu/q4-preview/reference-to-video

Referencja–wideo Vidu Q4 Preview buduje jedną scenę z 1–15 obrazów referencyjnych i do 3 klipów głosowych, w proporcjach 16:9, 9:16, 1:1, 3:4 lub 4:3. Klipy trwają 3–16 sekund, od 540p do 4k, z wygenerowanym dźwiękiem. Filtr jest lekki: od poziomu Umiarkowany większość żądań NSFW jest łagodzona lub odrzucana.

Filtrowanie różni się zależnie od endpointu: Obraz na wideo — Bez cenzury, Przedłużenie wideo — Bez cenzury, Referencja na wideo — Lekki filtr.

Od $0.045/s
Uruchom model

Obszar roboczy

Wejście

Referencja na wideo
307/20000

Zmiana kolejności aktualizuje odwołania w treści promptu. Usunięcie medium usuwa też jego odwołania – przejrzyj prompt.

Wymagany, do 20 000 znaków. Opisz scenę i odwołuj się do referencji po pozycji, np. „kobieta z pierwszego obrazu”. Kwestie umieszczaj w podwójnych cudzysłowach. Nie zmienia ceny. od 1 znaków · do 20000 znaków
3/15

Upuść pliki albo odnośniki do mediów, wklej lub wybierz z dysku · Do 15 plików · maks. 10 MB · JPG · PNG · WEBP · GIF

  • Image 1
  • Image 2
  • Image 3
3 / 15 plików
Wymagane, od 1 do 15 obrazów osób, strojów, produktów lub miejsc. Żądanie bez żadnego zostaje odrzucone. Kolejność ma znaczenie, bo prompt odwołuje się do nich po pozycji. Nie zmienia ceny. od 1 elementów · do 15 elementów
0/3

Upuść tutaj plik dźwiękowy albo wybierz z dysku · Do 3 plików · maks. 90 MB · MP3 · WAV

0 / 3 plików
Opcjonalne, do 3 nagrań głosu (Vidu prosi o MP3 po 3–12 sekund każde). Nagranie kształtuje głos, ale nie słowa: wpisz kwestię w prompcie i dopisz, że ma zabrzmieć głosem z nagrania referencyjnego. Nie zmienia ceny. od 1 elementów · do 3 elementów
16:9 (domyślnie), 9:16, 1:1, 3:4 lub 4:3. Nie zmienia ceny.
wpływa na cenę
540p, 720p (domyślnie), 1080p, 2k lub 4k. To ona wyznacza cenę za sekundę: 2k kosztuje więcej niż 1080p, a 4k mniej więcej dwa razy tyle co 2k. Pliki 2k i 4k to 10-bitowy HEVC, którego część przeglądarek nie odtwarza w osadzonym odtwarzaczu.
Czas trwaniawpływa na cenę
Pełne sekundy, od 3 do 16, domyślnie 5. Rozliczane za sekundę razem z rozdzielczością. nie mniej niż 3 · nie więcej niż 16
Generuj dźwięk
Domyślnie włączone: dialogi, efekty i ambient powstają razem z obrazem. Wyłącz, jeśli klip ma nie mieć ścieżki dźwiękowej. Nie zmienia ceny.
Seed
Pozwala porównywać przebiegi, gdy zmieniasz jedną rzecz naraz. Nie gwarantuje klipu identycznego co do klatki. Nie zmienia ceny. nie mniej niż 0 · nie więcej niż 2147483647
Filtr bezpieczeństwaWyłączony

SpicyAPI nie uruchamia przy tym modelu żadnego filtra bezpieczeństwa. Twój prompt i media trafiają do modelu w takiej postaci, w jakiej je zapisałeś, a o tym, co wraca, decyduje sam model.

Sprawdzamy twoje konto, zanim odblokujemy wysyłkę i wycenę.

Wyjście

Gotowe do nowego uruchomienia
Wynik przykładowy
Wydłuż
Upscaling wideo
Edycja wideo

Powiązane modele i kolejne zadania

Brakuje modelu, którego potrzebujesz?

Napisz, co dodać i do czego chcesz tego użyć. Zgłoszenia trafiają do osób, które decydują o kolejności wdrożeń.

Zamień kadr otwierający albo do 15 referencji w klip, który wypowiada swoje kwestie

Vidu Q4 Preview to publiczna wersja zapoznawcza modelu wideo Q4 od Vidu, wydana 7 października 2026. Ma dwa endpointy: obraz na wideo ożywia kadr otwierający, a referencje na wideo buduje jedną scenę z 1 do 15 obrazów osób, strojów, produktów albo miejsc, z maksymalnie 3 próbkami głosu. Klipy trwają od 3 do 16 sekund w rozdzielczości od 540p do 4k, a dialogi, efekty i atmosfera powstają razem z obrazem; kwestia zapisana w podwójnym cudzysłowie zostaje wypowiedziana. W naszych testach obraz na wideo oddał poziomy Łagodny, Umiarkowany i Maksymalny naszego pięciostopniowego testu treści i złagodził Silny, ale od 9 października odrzuca poziom Bardzo silny; referencje na wideo są lekko filtrowane i odrzucają lub łagodzą wyższe poziomy.

Otwórz playground
Zamień kadr otwierający albo do 15 referencji w klip, który wypowiada swoje kwestie
Model
Vidu Q4 Preview od Vidu (ShengShu Technology), publiczna wersja zapoznawcza wydana 7 października 2026
Endpointy
Obraz na wideo z jednego kadru otwierającego; referencje na wideo z 1 do 15 obrazów i maksymalnie 3 próbek głosu; brak trybu tekst na wideo
Długość klipu
Od 3 do 16 pełnych sekund przy 24 kl./s, domyślnie 5
Rozdzielczość
540p, 720p (domyślnie), 1080p, 2k albo 4k; 2k i 4k wracają jako 10-bitowe pliki HEVC
Dźwięk
Dialogi, efekty i atmosfera domyślnie włączone, jeden przełącznik je wyłącza; kwestie w podwójnym cudzysłowie są wypowiadane
Filtr treści
Obraz na wideo: poziomy Umiarkowany i Maksymalny przeszły, Bardzo silny odrzucany od 9 października. Referencje na wideo: lekko filtrowane, odrzucają lub łagodzą wyższe poziomy
Obraz na wideo
Twój kadr ustala wygląd, prompt ustala akcjęKlip startuje od twojego kadru otwierającego i zachowuje jego kształt; nie ma pola z proporcjami. W naszych przebiegach osoby, garderoba i światło z kadru przechodziły do klipu, więc prompt musi tylko powiedzieć, co dzieje się dalej, co robi kamera i co jest mówione.
Referencje na wideo
Do 15 referencji w jednej scenieWyślij osoby, stroje, produkty i miejsca jako osobne obrazy i wskaż każdy w prompcie według jego pozycji. Trzy referencje, portret, jedwabne ubranie i pusta przymierzalnia, wróciły jako jedna scena, a dwa portrety zachowały rozpoznawalne twarze obu osób.
Treści
Dwa endpointy, dwa różne filtryW obrazie na wideo przeszły poziomy Umiarkowany i Maksymalny, a poziom Silny wrócił złagodzony kadrem; poziom Bardzo silny pozostał jedynie zasugerowany 8 października, a od 9 października jest odrzucany. Referencje na wideo odrzucają lub łagodzą wyższe poziomy. Odrzucone żądania nie są rozliczane.

Praca z Vidu Q4 Preview

Wyreżyseruj kolejne pięć sekund, razem z kwestią

Wyreżyseruj kolejne pięć sekund, razem z kwestią

Nasz kadr otwierający przedstawiał kobietę w czarnej satynowej sukience na cienkich ramiączkach przed trójskrzydłowym lustrem w welurowej garderobie. Prompt wymieniał pięć kolejnych momentów i jedną wypowiedzianą kwestię, „Help me with this?”, pod koniec. Klip w 1080p zagrał te momenty, a kwestia została wypowiedziana. Lewy górny panel to kadr otwierający, pozostałe trzy to chwile z klipu.

Wskaż każdą referencję według pozycji

Wskaż każdą referencję według pozycji

Referencje na wideo przyjmują od 1 do 15 obrazów. Wysłaliśmy portret kobiety, zdjęcie produktowe szmaragdowego jedwabnego ubrania i pustą przymierzalnię butiku, a w prompcie wskazaliśmy każdy według jego miejsca, zaczynając od „the woman from the first image”. Jej twarz, kolor i połysk ubrania, złocone lustro i różowe welurowe zasłony wróciły w jednej scenie 720p.

  • Próbka głosu ustala głos, prompt ustala słowa

    Referencje na wideo przyjmują też do 3 klipów audio; Vidu oczekuje MP3, po 3 do 12 sekund każdy. Próbka kształtuje głos, ale nie dostarcza słów: przebieg, który prosił o słowa z nagrania referencyjnego bez zapisania kwestii, wrócił bez żadnej mowy. Zapisz kwestię w podwójnym cudzysłowie i napisz, że jest wypowiadana głosem z nagrania referencyjnego.

  • Szkicuj w 540p, kończ w 1080p

    Obraz na wideo zajmował w naszych testach około 2 minut czasu modelu na 5-sekundowy klip w 540p albo 720p, a referencje na wideo około 3 do 10 minut. Wypróbuj prompt w 540p ze stałym seedem, a wybraną wersję puść ponownie w 1080p. 540p, 720p i 1080p wracają jako pliki MP4 w H.264, które odtworzysz niemal wszędzie.

  • Traktuj 2k i 4k jak pliki master

    W 2k i 4k klip to 10-bitowy MP4 w HEVC (H.265). Pliki są duże, 3-sekundowy klip 4k miał 8,6 MB, a część przeglądarek nie odtworzy ich w stronie, więc otwórz je w odtwarzaczu albo edytorze na komputerze lub przekonwertuj. Cena za sekundę zależy od poziomu rozdzielczości: 2k kosztuje więcej niż 1080p, a 4k około dwa razy tyle co 2k.

Kto używa Vidu Q4 Preview

  • Postacie, które mówią swoje kwestie

    Narratorzy i twórcy krótkich dramatów

    Postacie, które mówią swoje kwestie

    Wyślij portret i krótką próbkę głosu, zapisz kwestię w cudzysłowie i wybierz 9:16 na ekran telefonu. Nasza kobieta z długimi czarnymi włosami i czerwoną szminką przekręciła klucz w drzwiach oświetlonych świecami i przez dziewięć sekund szeptała „Lock the door. Nobody is coming up tonight... and I am not in any hurry.” głosem z próbki. Lewy panel to portret referencyjny.

  • Pionowe klipy, które zachowują twój kadr

    Zespoły social media i krótkich form

    Pionowe klipy, które zachowują twój kadr

    Obraz na wideo zachowuje kształt kadru otwierającego, więc zdjęcie 9:16 dało klip 720 x 1280 w 720p bez żadnego dodatkowego ustawienia. W naszym teście mężczyzna wstał z marmurowej ławy i ruszył w stronę kamery przez unoszącą się parę, a w dźwięku słychać było parę i kapiącą wodę. Lewy panel to kadr otwierający.

  • Zacznij od kadrów własnych użytkowników

    Twórcy platform bez cenzury

    Zacznij od kadrów własnych użytkowników

    Obraz na wideo oddał poziomy Łagodny, Umiarkowany i Maksymalny naszego testu treści, więc aplikacja bez filtrów może ożywiać kadry, które przynoszą jej użytkownicy. Poziom Silny wrócił złagodzony kadrem, a poziom Bardzo silny jest odrzucany od 9 października. Wszyscy widoczni na ekranie muszą być dorośli.

  • Dwie osoby z dwóch portretów

    Twórcy seriali i postaci

    Dwie osoby z dwóch portretów

    Wyślij po jednym portrecie na osobę i wskazuj każdą według pozycji. Dwa portrety dwóch mężczyzn w garniturach wróciły w lustrzanej, mosiężnej hotelowej windzie, w której brodaty poluzowywał drugiemu krawat, a obie twarze pozostały rozpoznawalne. Ujęcie referencyjne z dwiema osobami ogranicz do jednego wolnego momentu i w każdym ujęciu sekwencji używaj tych samych portretów w tej samej kolejności.

Od pierwszego kadru do finalnego montażu z Vidu Q4 Preview

  1. Wybierz endpoint według tego, co masz

    Kadr otwierający trafia do obrazu na wideo; osobne zdjęcia osób, strojów, produktów albo miejsc trafiają do referencji na wideo. Na poziomach umiarkowanym i maksymalnym zacznij od kadru z tymi osobami w trybie obraz na wideo.

  2. Napisz momenty, kamerę i dźwięk

    Opisz po kolei, co dzieje się po pierwszej chwili, powiedz, co robi kamera, i zapisz każdą wypowiadaną kwestię w podwójnym cudzysłowie. Zostaw rozszerzanie promptu wyłączone, żeby użyć twojego brzmienia bez zmian.

  3. Szkicuj w 540p ze stałym seedem

    Puść kilka wersji w 540p i 3 do 5 sekund, a zanim wydłużysz klip, sprawdź twarze, dłonie i wypowiedzianą kwestię.

  4. Dokończ w 1080p

    Puść zwycięską wersję ponownie w 1080p z tym samym promptem i seedem. 2k albo 4k wybierz tylko wtedy, gdy twój edytor radzi sobie z 10-bitowymi plikami HEVC.

  5. Zaplanuj odrzucenia i ciszę

    Odrzucone żądanie kończy się po około 6 do 8 minutach i nie jest rozliczane; scenę na poziomie umiarkowanym lub maksymalnym przenieś z referencji na wideo do obrazu na wideo. Wyłącz dźwięk, gdy dodasz własną ścieżkę; cena pozostaje taka sama.

Prompty do Vidu Q4 Preview, które warto skopiować

  • Kadr otwierający, który mówi

    Dla obrazu na wideo z kadru jednej dorosłej osoby. Wypisz momenty po kolei i zapisz kwestię w cudzysłowie.

    The adult woman in the black satin evening dress turns from the dressing-room mirror toward the camera, tucks a loose curl behind her ear and smiles. She says, "You're late. Sit down, the show starts in five minutes." Warm vanity bulbs glow behind her, the camera pushes in slowly, soft room tone.

  • Trzy referencje, jedna przymiarka

    Dla referencji na wideo z portretem, zdjęciem ubrania i zdjęciem miejsca, w tej kolejności. Wskaż każdy obraz według jego pozycji.

    The adult woman from the first image stands in the boutique from the third image, wearing the long silk coat from the second image over a black turtleneck. She fastens the belt, turns to the mirror, looks back at the camera with a confident smile and says, "This one. I'll wear it out." Soft lamp light, slow dolly-in, the rustle of silk.

  • Portret i próbka głosu

    Dla referencji na wideo z jednym portretem i jednym klipem głosu MP3 o długości od 3 do 12 sekund. Słowa muszą znaleźć się w prompcie.

    The adult woman from the reference image, in a dark green velvet dress, stands by a rain-streaked window in a candlelit study. She turns to the camera with a small, knowing smile and says in the voice from the reference audio: "You kept me waiting. Tell me everything." Close-up, shallow depth of field, flickering candlelight, rain on the glass.

Więcej pytań o Vidu Q4 Preview

Używaj go, gdy scena potrzebuje głosu

Zacznij od kadru otwierającego, gdy masz już ujęcie, albo od referencji, gdy osoby, stroje, produkty i miejsca muszą się zgadzać.

Pisz momenty po kolei, cytuj każdą kwestię, szkicuj w 540p i kończ w 1080p. Dla poziomów Umiarkowany i Maksymalny użyj obrazu na wideo z kadru z tymi osobami; referencje na wideo je odrzucają lub łagodzą. Obraz na wideo odrzuca poziom Bardzo silny od 9 października, a odrzucenia nie są rozliczane.

Wszystkie modele Vidu5