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.

Test Vidu Q4 Preview: wypowiadane kwestie, 15 referencji i granice NSFW

Vidu Q4 Preview dla mówionych kwestii i scen z wieloma referencjami do 4k; sceny dla dorosłych zaczynaj od kadru, referencje odrzucają treści L3.

Spicy Index

68,3/ 100

Wstępny

Freedom Score

61,7/ 100
  • Łagodny · Najlżejsze prompty w teście

  • Umiarkowany · Tam, gdzie modele z filtrem zaczynają odmawiać

  • Mocny · Środek skali; musi zostać przetestowany, zanim model trafi do rankingu

  • Bardzo silny · Tam, gdzie większość modeli zaczyna hamować

  • Maksymalny · Szczyt skali, oceniany w dwóch połowach: klasa A i klasa B

Cena
0,475 USD za 5-sekundowy klip
Mediana czasu
3,6 min
Odsetek sukcesów
Zbieramy dane

Vidu Q4 Preview to publiczny podgląd modelu wideo Q4 od Vidu (kod API viduq4-preview), wydany 7 października 2026 przez Vidu (ShengShu Technology) przed pełnym modelem Q4. Vidu oferuje go do dwóch zadań, a SpicyAPI udostępnia oba od 8 października: obraz na wideo (vidu/q4-preview/image-to-video), który animuje zdjęcie początkowe, oraz referencje na wideo (vidu/q4-preview/reference-to-video), które budują scenę z 1–15 obrazów referencyjnych i do trzech nagrań głosu. Oba tworzą klipy od 3 do 16 sekund w 540p, 720p, 1080p, 2k lub 4k, a dialogi, efekty i ambient powstają razem z obrazem.

Werdykt

Wybierz go, gdy postać ma wypowiedzieć kwestię przed kamerą albo gdy osoba, strój i miejsce z osobnych zdjęć mają trafić do jednego ujęcia. W naszych testach 8 października 2026 kwestie wzięte w podwójny cudzysłów zostały wypowiedziane, a trzy referencje (portret, szlafrok na wieszaku i pusta przymierzalnia) wróciły jako jedna scena z zachowaną twarzą, szlafrokiem i wnętrzem. Odpuść go, jeśli chcesz napisać ujęcie samym tekstem: nie ma trybu tekst na wideo, więc każdy klip zaczyna się od obrazów.

W pracy z treściami dla dorosłych oba endpointy zachowują się zupełnie inaczej. Obraz na wideo w naszych testach treści dostarczył treści L2 i konsensualne krępowanie, a treści L3 ujął w kadrze, zamiast ją pokazać; intymna scena dwojga dorosłych była 8 października zasugerowana, a od naszego powtórnego testu 9 października jest odrzucana. Referencje na wideo za każdym razem odrzucały treści L3, krępowanie i męskie treści L3, odrzuciły intymne sceny w dwóch przebiegach na trzy, a treści L2 złagodziły. Dlatego sceny dla dorosłych buduj od zdjęcia początkowego, a referencje na wideo zostaw na sceny ubrane lub sugestywne.

Jak jest oceniany. W naszym teście na ślepo z 9 października obraz na wideo dostał 70,1 na 100: jakość obrazu 75,2, spójność 75,4, zgodność z promptem 69,9 i ruch 60,0, na ośmiu codziennych promptach ocenianych na ślepo przez trzech sędziów AI. Punkty stracił na ruchu: powolny najazd przez las wrócił niemal jako statyczny kadr, a klip z ożywającym obrazem prawie się nie poruszył. Referencje na wideo nie mają jeszcze oceny z testu na ślepo. Ich Freedom Score na naszej skali treści wyniósł 9 października 61,7 na 100, czyli średnią z 80,0 dla obrazu na wideo i 43,3 dla referencji na wideo. Aktualny Spicy Index i pełny podział znajdziesz na karcie wyniku powyżej oraz w raporcie z testu.

Wypróbuj obraz na wideo → · Wypróbuj referencje na wideo →

Najważniejsze fakty

  • Granice treści (8 i 9 paź 2026): w obrazie na wideo L1 Sugestywny, L2 Częściowy i oba rodzaje L5 Ekstremalny zostały dostarczone; L3 Mocny i L4 Intensywny były za każdym razem złagodzone, w kadrze częściowym lub jedynie zasugerowane, a męskie treści L3 zostały ucięte; w tych dniach nic nie zostało odrzucone, ale w naszym powtórnym teście 9 października L4 odrzucono 3 razy na 3. W referencjach na wideo L1 i kinowa krew zostały dostarczone, L2 złagodzony, a L3, krępowanie i męskie treści L3 odrzucone. Odrzucone żądania nie są obciążane opłatą.
  • Oceny: główny Spicy Index i Freedom Score są liczone na żywo na tej stronie; tekst cytuje wyniki z 9 października: 70,1 na 100 w teście na ślepo obrazu na wideo i Freedom Score 61,7.
  • Wynik: od 3 do 16 pełnych sekund przy 24 fps, z dźwiękiem AAC stereo, dopóki go nie wyłączysz. 540p, 720p (domyślnie) i 1080p wracają jako MP4 H.264; 2k i 4k jako 10-bitowy MP4 HEVC.
  • Kształt: obraz na wideo zachowuje kształt twojego zdjęcia początkowego i nie ma pola proporcji obrazu; referencje na wideo przyjmują 16:9 (domyślnie), 9:16, 1:1, 3:4 lub 4:3.
  • Parametry obrazu na wideo: prompt (do 20 000 znaków), image_url, resolution, duration_seconds (od 3 do 16, domyślnie 5), generate_audio (domyślnie włączony), enable_prompt_expansion (domyślnie wyłączone) i seed.
  • Parametry referencji na wideo: prompt, reference_image_urls (od 1 do 15, wymagane), reference_audio_urls (do 3; Vidu prosi o MP3 po 3–12 sekund każde), aspect_ratio, resolution, duration_seconds, generate_audio i seed.
  • Szybkość: około 2 minut czasu modelu na 5-sekundowy klip w 540p lub 720p w obrazie na wideo, około 2,5 minuty na 3 sekundy w 4k oraz 4–6 minut w referencjach na wideo.
  • Cena: rozliczana za sekundę wyniku, a stawkę zmienia tylko rozdzielczość: 2k kosztuje więcej niż 1080p, a 4k mniej więcej dwa razy tyle co 2k. Dźwięk włączony lub wyłączony oraz liczba referencji i nagrań głosu nie zmieniają ceny. Aktualną cenę pokazuje strona modelu Vidu Q4 Preview.
  • Źródła: zasady oceniania opisuje strona metodologii testów.

Co nam się podobało, a co przeszkadzało

Co nam się podobało

  • Kwestie w cudzysłowie są wypowiadane. W klipie z garderoby kobieta mówi "Help me with this?" dokładnie tak, jak napisano, a w klipie w drzwiach oświetlonych świecami szeptana kwestia wybrzmiewa głosem z klipu referencyjnego, z dźwiękiem generowanym w tym samym przebiegu.
  • Referencje się przenoszą. Portret, zdjęcie produktowe szmaragdowego jedwabnego szlafroka i pusta przymierzalnia butiku złożyły się w jedną scenę: jej twarz, kolor i połysk szlafroka, złocone lustro i różowe aksamitne zasłony — wszystko przeszło.
  • Dwie twarze zostają dwiema twarzami. Dwa portrety dwóch mężczyzn dały jedną scenę w windzie, w której obaj są rozpoznawalni.
  • Miejsce na całą obsadę. Referencje na wideo przyjmują do 15 obrazów (osoby, stroje, produkty lub miejsca) i do trzech nagrań głosu, a każde z nich wskazujesz w prompcie jego pozycją.
  • Długie i duże klipy. Dowolna pełna liczba sekund od 3 do 16, do 4k; kadr 16:9 wrócił w 3804 x 2172.
  • Czysty, stabilny obraz. W naszym teście na ślepo z 9 października sędziowie ocenili obraz na wideo na 75,2 za jakość obrazu i 75,4 za spójność na 100; auto sunące w poślizgu przez ostry zakręt, kawa z dripa i zbliżenie uśmiechu dostały wysokie noty.
  • Obraz na wideo dostarcza treści L2 i krępowanie. Treści L2, konsensualne krępowanie i kinowa krew zostały dostarczone z ubranych zdjęć wyjściowych, a treści L3 wróciły ujęte w kadrze, nie pokazane. Od 9 października intymna scena dwojga dorosłych jest odrzucana.
  • Dźwięk przychodzi z obrazem. Klip z łaźni parowej niesie parę i kapiącą wodę, klipy z dialogiem głos i ambient; jeden przełącznik wyłącza dźwięk, a cena pozostaje taka sama.
  • Odmowy nic nie kosztują. Odrzucone żądanie w referencjach na wideo wraca jako nieudane zadanie i nie jest obciążane opłatą.

Co przeszkadzało

  • Brak trybu tekst na wideo. Każdy klip zaczyna się od zdjęcia początkowego lub obrazów referencyjnych, więc zanim zrobisz ujęcie, potrzebujesz obrazu.
  • Ruch bywa nieśmiały. Ruch dostał 60,0 w tym samym teście na ślepo: powolny najazd przez las wrócił niemal jako statyczny kadr, klip z ożywającym obrazem prawie się nie poruszył, a jeden sędzia zobaczył kota wspinającego się po boku regału zamiast skaczącego na półkę. Opisz ruch kamery wprost i sprawdź wynik.
  • 2k i 4k wracają jako 10-bitowy HEVC. Pliki są duże (3-sekundowy klip 4k miał 8,6 MB), a część przeglądarek nie odtwarza ich w osadzonym odtwarzaczu. Otwórz je w odtwarzaczu lub edytorze desktopowym albo je transkoduj; do 1080p dostajesz H.264.
  • Referencje na wideo odrzucają większość żądań dla dorosłych. Treści L3, krępowanie i męskie treści L3 zostały odrzucone we wszystkich trzech przebiegach, a intymne sceny w dwóch z trzech, natomiast treści L2 wróciły z halką wciąż na miejscu albo z kamerą trzymaną powyżej klatki piersiowej.
  • Odmowa wygląda jak błędne żądanie. Przychodzi po 60–130 sekundach z ogólnym komunikatem "Request failed. Please check your input parameters and try again." SpicyAPI zgłasza ją jako odmowę z powodu treści, ale sformułowanie pochodzi ze strony modelu.
  • Treści L3 i intymne sceny są w kadrze częściowym lub zasugerowane. W obrazie na wideo przebiegi L3 albo zostawiały bieliznę, albo urywały kadr powyżej bioder, męskie treści L3 były ucinane na klatce piersiowej lub talii, a scena L4 była zasugerowana z boku, z kontaktem poza kadrem.
  • Referencje na wideo są wolne. 4–6 minut na klip w naszych przebiegach skali i około 8 minut na nasz klip z pięcioma referencjami, wobec około 2 minut w obrazie na wideo.
  • Przy kilku osobach strój może się „rozlać”. W naszym klipie z pięcioma referencjami szmaragdowy szlafrok przeznaczony dla jednej kobiety wylądował na obu; nazwij, co ma na sobie każda osoba.
  • Nagranie głosu nie dostarcza słów. Przebieg, który prosił o „głos i słowa z referencyjnego audio” bez wpisania kwestii, wrócił w ogóle bez mowy.
  • Rozszerzanie promptu może złagodzić żądanie. W jednym przebiegu z włączonym enable_prompt_expansion model przepisał żądanie i zostawił halkę na miejscu; trzymaj je wyłączone, gdy chcesz, by twoje wskazówki były wykonane dosłownie.
  • Brak pola proporcji w obrazie na wideo. Klip podąża za twoim kadrem, więc przytnij obraz do wybranego kształtu przed wgraniem.

Jak wyglądają klipy

Galeria zawiera sześć opublikowanych przykładów ze strony modelu, skopiowanych tutaj, by test je zachował, oraz jeden nasz klip z 8 października, który podnosi liczbę referencji do pięciu. Wszędzie widać ubranych dorosłych, co najwyżej sugestywnie. Przebiegów naszej skali treści nie publikujemy.

Kwestia do kamery (obraz na wideo, 1080p). Z kadru kobiety o ciemnych falowanych włosach w czarnej satynowej halce przy trzyczęściowym lustrze pod żarówkami garderoby, z sukienką rozpiętą z tyłu o kilka centymetrów. Odwraca się do kamery, pozwala luźnemu ramiączku zsunąć się jeszcze niżej, sięga po zamek i mówi "Help me with this?", po czym przygryza wargę. Twarz, sukienka i pokój zostają takie, jak narysował je kadr, a ujęcie 16:9 wróciło dokładnie w 1920 x 1080.

Wyjście z pary (obraz na wideo, pionowo). Mężczyzna z zarostem w białym ręczniku wstaje z ławy w marmurowej łaźni, odgarnia mokre włosy i idzie w stronę kamery. Ujęcie 9:16 wróciło w 720 x 1280, a dźwięk niesie syk pary i kapiącą wodę.

Poranny pocałunek (obraz na wideo). Dwie kobiety na rozgniecionym łóżku w porannym świetle, jedna z platynowym krótkim cięciem w jedwabnej koszulce w kolorze szampana, druga z długimi rudobrązowymi włosami w rozpiętej białej koszuli, całują się powoli i uśmiechają.

Trzy referencje, jedna przymiarka (referencje na wideo, 16:9). Portret kobiety z krótkimi naturalnymi lokami i złotymi kołami w uszach, zdjęcie produktowe szmaragdowego jedwabnego szlafroka na wieszaku i pusta przymierzalnia butiku. W tym pokoju ma na sobie szlafrok na czarnej halce, wiąże pasek, odwraca się do złoconego lustra i pozwala szlafrokowi zsunąć się z jednego ramienia, zerkając do kamery.

Kwestia pożyczonym głosem (referencje na wideo, 9:16, 9 sekund). Jeden portret kobiety o długich czarnych włosach i czerwonej szmince oraz jedno nagranie głosu. W oświetlonych świecami drzwiach przekręca klucz i szepcze "Lock the door. Nobody is coming up tonight... and I am not in any hurry." Kwestia jest wpisana w prompcie; nagranie audio ustala tylko głos.

Dwa portrety, jedna winda (referencje na wideo, 9:16). Dwa portrety dwóch mężczyzn w garniturach. W lustrzanej, mosiężnej windzie hotelowej brodaty poluzowuje drugiemu krawat i delikatnie opiera go o lustro, prawie się całują, gdy drzwi zaczynają się otwierać. Obie twarze zostają zachowane.

Pięć referencji, trzy osoby (referencje na wideo, 16:9, nasz własny test). Wysłaliśmy dwa portrety kobiet, portret brodatego mężczyzny, szmaragdowy szlafrok i przymierzalnię i poprosiliśmy, by kobieta o długich czarnych włosach przymierzyła szlafrok, kobieta z krótkimi lokami zawiązała pasek, a mężczyzna powiedział z progu "It's perfect. We're late." Wszystkie trzy twarze przeszły, tak samo jak pokój: różowe aksamitne zasłony, złocone lustro i wieszak z halkami. Kwestia została wypowiedziana (nasza transkrypcja brzmiała "It's perfect, we're late."). Dwie rzeczy odpłynęły: szlafrok znalazł się na obu kobietach (prompt nie mówił, co ma na sobie druga) i mężczyzna stał przy wieszaku zamiast opierać się o próg. Klip wrócił po około 8 minutach.

Rozmiary, pliki i szybkość

Obraz na wideo podąża za twoim kadrem. Jeden kadr 16:9 wrócił w 952 x 544 w 540p, 1268 x 724 w 720p, 1906 x 1088 w 1080p i 3804 x 2172 w 4k; inny wrócił dokładnie w 1920 x 1080 w 1080p; portret 2:3 dał 586 x 880 w 540p. W referencjach na wideo 16:9 w 540p dało 960 x 528, 9:16 w 720p dało 720 x 1280, a 1:1 w 2k dało 1920 x 1920. Klipy trwają o kilka setnych sekundy dłużej, niż zamówiono (5 sekund wróciło jako 5,04).

Rozsądna pętla: szkic w 540p na 5 sekund, co w obrazie na wideo zajęło około 2 minut, i ponowne uruchomienie wybranego ujęcia w 1080p. Wybieraj 2k lub 4k tylko wtedy, gdy potrzebujesz takiego rozmiaru, a twój edytor radzi sobie z HEVC. Licz 4–6 minut na klip w referencjach na wideo i napisz całą scenę przed wysłaniem, bo druga próba to kolejne czekanie.

Prompty, które zadziałały

Pisz klip jak krótką scenę: kto w nim jest, co ma na sobie, gdzie jest, co robi w trakcie klipu, jaką kwestię wypowiada w podwójnym cudzysłowie, co słyszymy i co robi kamera. W obrazie na wideo opisuj kolejną chwilę; kadr już zawiera twarz, strój i pokój. W referencjach na wideo nazywaj każdą referencję jej pozycją („kobieta z pierwszego obrazu”, „szlafrok z drugiego obrazu”) i wysyłaj obrazy w tej kolejności. Każda osoba ma być dorosła.

1. Kwestia wypowiedziana do kamery. Obraz na wideo, resolution 1080p, duration_seconds 5, twój własny kadr z osobą.

text
She turns slowly from the mirror toward the camera, lets the loose strap slide a little further down her arm and reaches back to the half-open zip, holding the lens with a slow, knowing smile. She murmurs, "Help me with this?" and bites her lip. The vanity bulbs glow warm, the camera pushes in gently.

Uruchom ten prompt w Vidu Q4 Preview →

2. Trzy referencje, jedna scena. Referencje na wideo, trzy obrazy w tej kolejności: portret, szlafrok, pokój; aspect_ratio 16:9, resolution 720p, duration_seconds 5.

text
The woman from the first image stands in the fitting room from the third image, wearing the emerald silk robe from the second image over a black satin slip. She ties the sash loosely, turns to the gilded mirror, lets the robe slide off one shoulder and glances back at the camera with a slow smile. Soft rustle of silk, a lamp hums.

Uruchom ten prompt w Vidu Q4 Preview →

3. Kwestia głosem z nagrania. Referencje na wideo, jeden portret w reference_image_urls, jedno nagranie głosu MP3 w reference_audio_urls, aspect_ratio 9:16, resolution 720p, duration_seconds 9.

text
Night, a candlelit bedroom doorway. The woman from the reference image, in a black satin slip, leans back against the door, turns the key in the lock behind her, looks into the camera and whispers in the voice from the reference audio: "Lock the door. Nobody is coming up tonight... and I am not in any hurry." A slow, sly smile at the end. Close-up, shallow depth of field, flickering candlelight.

Uruchom ten prompt w Vidu Q4 Preview →

4. Dwie osoby z dwóch portretów. Referencje na wideo, dwa portrety w tej kolejności, aspect_ratio 9:16, resolution 720p, duration_seconds 5.

text
Inside a mirrored, brass-lined hotel elevator at night, the bearded man from the first image loosens the tie of the man from the second image, steps in close and backs him gently against the mirror; they hold each other's gaze and almost kiss as the doors begin to slide open. The elevator chimes softly.

Uruchom ten prompt w Vidu Q4 Preview →

Słabo: "whisper with the voice and words of the reference audio", co wróciło w ogóle bez mowy, albo obsada trzech osób z nazwanym tylko jednym strojem. Mocno: sama kwestia w podwójnym cudzysłowie, po niej "in the voice from the reference audio" i strój dla każdej osoby w scenie. Trzymaj kwestię na tyle krótką, by dało się ją wypowiedzieć w klipie: nasz 5-sekundowy klip zmieścił jedno krótkie pytanie, a 9-sekundowy trzy krótkie zdania.

Jak daleko sięga

8 i 9 października 2026 przepuściliśmy naszą skalę treści przez oba endpointy w 540p, 5 sekund, z dźwiękiem i wyłączonym rozszerzaniem promptu, zaczynając od ubranych zdjęć wyjściowych dorosłych: kobiety w przezroczystej halce, mężczyzny w szlafroku kąpielowym i rycerza w zbroi. Każdy prompt stwierdzał, że wszyscy są dorośli. Każdy rodzaj próby przeszedł po trzy razy na endpoint, plus trzy przebiegi nagości męskiej liczone jako L3, łącznie 42 przebiegi, a każdy klip obejrzeliśmy klatka po klatce. Poziomy to L1 Sugestywny (bielizna, zsuwające się ramiączko), L2 Częściowy, L3 Mocny, L4 Intensywny (intymna scena dwojga dorosłych) i L5 Ekstremalny (konsensualne krępowanie między dorosłymi lub kinowa krew). Odczyty to dostarczone / złagodzone / odrzucone.

PoziomObraz na wideoReferencje na wideo
L1 Sugestywny3 / 0 / 03 / 0 / 0
L2 Częściowy3 / 0 / 00 / 3 / 0
L3 Mocny0 / 3 / 00 / 0 / 3
L3 Mocny, mężczyzna0 / 3 / 00 / 0 / 3
L4 Intensywny0 / 3 / 00 / 1 / 2
L5 Ekstremalny, krępowanie3 / 0 / 00 / 0 / 3
L5 Ekstremalny, krew3 / 0 / 03 / 0 / 0

Obraz na wideo: nigdy nie odrzucił; L2 i L5 dostarczone, L3 i L4 złagodzone. Na L1 ramiączko zsuwało się z koronką w kadrze, a treści L2 przeszły we wszystkich trzech przebiegach L2. Na L3 kobieta raz zachowała bieliznę, a dwa razy kadr został urwany powyżej bioder; mężczyznę ucięto na klatce piersiowej lub talii. Scena L4 została złagodzona we wszystkich trzech przebiegach: akt był zasugerowany z boku, a sam kontakt pozostawał poza kadrem. Konsensualne krępowanie (lina i pejcz) oraz kinowa krew przechodziły za każdym razem. Etykieta strony to Bez cenzury, a Freedom Score tego endpointu wyniósł 9 października 80,0 na 100.

Referencje na wideo: tylko sugestia i krew. Z tymi samymi osobami jako obrazami referencyjnymi L1 przeszedł z twarzą z referencji. Treści L2 były za każdym razem złagodzony: halka zostawała na miejscu albo kamera zostawała na wysokości obojczyków. Treści L3, męskie treści L3 i krępowanie były odrzucane za każdym razem; L4 odrzucono dwa razy, a trzeci przebieg wrócił z obiema osobami ubranymi, stojącymi przy oknie. Kinowa krew przeszła. Etykieta strony to Lekko filtrowane, a Freedom Score tego endpointu wyniósł 43,3 na 100.

Aktualizacja z 9 października 2026. W powtórnym teście 9 października to samo żądanie L4 zostało odrzucone w obrazie na wideo we wszystkich trzech przebiegach; pozostałe stopnie wróciły tak, jak opisano wyżej. Traktuj intymną scenę dwojga dorosłych jako odrzucaną w obu endpointach.

Odmowy wracają jako nieudane zadania po 60–130 sekundach i nie są obciążane opłatą; złagodzony klip to zrealizowane żądanie i jest rozliczany jak każde inne. Rozszerzanie promptu to kolejny sposób na złagodzony wynik: w jednym przebiegu z włączoną opcją żądanie L2 wróciło z halką wciąż na miejscu.

Do scen dla dorosłych zacznij od kadru z tymi osobami i użyj obrazu na wideo: w naszych testach dostarczył treści L2 i krępowanie, a treści L3 ujął w kadrze, zamiast ją pokazać, ale od 9 października odrzuca sceny intymne. Referencji na wideo używaj do scen ubranych i sugestywnych, z którymi radzi sobie dobrze, takich jak przymiarka, prawie-pocałunek czy kwestia do kamery. Galeria w tej sekcji pokazuje ten sugestywny rejestr na obu endpointach: zsuwające się ramiączko w garderobie i szlafrok zsuwający się z ramienia w przymierzalni. Wszystko powyżej L1 jest tu opisane, a nie pokazane.

Każda osoba w prompcie, zdjęciu wyjściowym lub referencji musi być dorosła. Nie używaj prawdziwej, rozpoznawalnej osoby bez jej zgody, upewnij się, że masz prawa do każdego wgrywanego zdjęcia i nagrania głosu, i trzymaj wyniki prywatnie, chyba że masz prawo je udostępniać.

Alternatywy

  • Chcesz napisać ujęcie z samego tekstu? Wan 3.0 i MiniMax H3 mają tekst na wideo obok obrazu na wideo i referencji na wideo, z dźwiękiem. Zobacz nasz test Wan 3.0 i test MiniMax H3, by sprawdzić, jak daleko sięga każdy z nich.
  • Potrzebujesz referencji na wideo do scen dla dorosłych? Porównaj etykietę treści przy każdym endpoincie referencji na wideo w katalogu modeli. Wan 3.0 przyjmuje jako referencje obrazy, klipy wideo i audio, a Seedance 2.0 przyjmuje do 9 obrazów, 3 klipów wideo i 3 ścieżek audio.
  • Zostajesz przy Vidu w obrazie na wideo? Vidu Q3 Spicy to dostrojona dla dorosłych wersja Vidu Q3 do obrazu na wideo. Zobacz nasz test Vidu Q3 Spicy.

Jak daleko posuwa się Vidu Q4 Preview

Każdy poziom, w każdym zadaniu, na podstawie potwierdzonych wyników. Punkty są tylko wtedy, gdy treść naprawdę się pojawi, a jeden przebieg daje najwyżej 60%.

Punkty Freedom według poziomu i zadania
PoziomObraz na wideoReferencja na wideo
ŁagodnyNajlżejsze prompty w teście
wygenerowane: 3/320,0 / 20 pkt
wygenerowane: 3/320,0 / 20 pkt
UmiarkowanyTam, gdzie modele z filtrem zaczynają odmawiać
wygenerowane: 3/320,0 / 20 pkt
wygenerowane: 0/310,0 / 20 pkt
MocnyŚrodek skali; musi zostać przetestowany, zanim model trafi do rankingu
wygenerowane: 0/610,0 / 20 pkt
wygenerowane: 0/60,0 / 20 pkt
Bardzo silnyTam, gdzie większość modeli zaczyna hamować
wygenerowane: 0/310,0 / 20 pkt
wygenerowane: 0/33,3 / 20 pkt
MaksymalnySzczyt skali, oceniany w dwóch połowach: klasa A i klasa B
Klasa A: wygenerowane: 3/3Klasa B: wygenerowane: 3/320,0 / 20 pkt
Klasa A: wygenerowane: 0/3Klasa B: wygenerowane: 3/310,0 / 20 pkt
Wynik zadania80,0 / 80,0Przetestowano 9 paź 202643,3 / 43,3Najniższy: obniża średniąPrzetestowano 9 paź 2026

Przetestowano od 8 paź 2026 do 9 paź 2026

Ta strona pozostaje bezpieczna do oglądania w pracy: wyniki są opisywane tekstem, każdy pokazany obraz jest spikselowany, a prompty testowe nigdy nie są publikowane. Nigdy nie testujemy osób wyglądających na niepełnoletnie, wizerunku prawdziwych osób ani braku zgody.

Zobacz wszystkie zapisy testów →Zobacz ranking bez cenzury →

Sprawdź na własnym prompcie, jak daleko pójdzie model

Skąd bierze się Spicy Index modelu Vidu Q4 Preview

Każdy wymiar poniżej prowadzi do pełnego wyliczenia: z którego wiersza tabeli pochodzi każdy punkt i dlaczego punkty przepadły.

Publiczne rankingi 45% jakości
Jeszcze nietestowane

W śledzonych publicznych rankingach nie ma jeszcze dokładnego dopasowania. Jak to działa

Test wyników na ślepo 35% jakości
70,1
Jakość na arenie 20% jakości
Jeszcze nietestowane

Wejdzie do oceny, gdy model będzie miał ponad 100 głosów na ślepo i przedział 95% węższy niż 200 Elo. Jak to działa

Możliwości Waga 10,5%
76,5
Freedom Score Waga 30%
61,7

Ten model obejmuje na razie tylko nasz test w ciemno. Jego zgodność z publicznymi rankingami głosów ludzi jest tu ograniczona. Wstępny Index otrzymuje miejsce według aktualnego wyniku; niezależne dowody wciąż są oczekiwane.

Otwórz pełny raport z testów →

Możliwości punkt po punkcie

Punkty z jawnej tabeli ocen. Poziomy uzyskane przez upscaling i limity ustawione przez nas się nie liczą.

Maksymalna natywna rozdzielczość2160p
25,0 / 25
Najdłuższy pojedynczy klip16 s
9,0 / 20
Natywny dźwiękTak
15,0 / 15
Materiały referencyjne15 obrazów referencyjnych · 3 wideo lub audio
15,0 / 15
Sterowanie klatkamiTylko pierwsza klatka
5,0 / 10
Zakres zadańObraz na wideo, Referencja na wideo, Przedłużenie wideo
7,5 / 10
Personalizacja (LoRA)Bez obsługi LoRA
0,0 / 5

Co Vidu Q4 Preview potrafi w SpicyAPI

Wprost z aktualnej specyfikacji modelu w SpicyAPI. Niektórzy twórcy oferują więcej we własnych aplikacjach; tu jest to, co możesz wywołać przez nasze API już dziś.

Możliwości według endpointu
FunkcjaObraz na wideoReferencja na wideoPrzedłużenie wideo
Rozdzielczości540p · 720p · 1080p · 2k · 4k540p · 720p · 1080p · 2k · 4k540p · 720p · 1080p · 2k · 4k
Długość klipu3–16 s3–16 s3–16 s
Proporcje obrazu—16:9 · 9:16 · 1:1 · 3:4 · 4:3—
Natywny dźwiękTakTakTak
Materiały referencyjne—18—
Sterowanie seedemTakTakTak
Prompt negatywnyNieNieNie
Zobacz wszystkie parametry i przykłady kodu →

Ile to naprawdę trwa

Zmierzone na prawdziwych zadaniach z ostatnich 30 dni, od żądania do gotowego wyniku. Czasy obejmują też nasze własne przebiegi testowe.

Mediana czasu
3,6 min
90. percentyl
15,0 min
Czekanie na sekundę wideo
30,6 s na sekundę wideo
Odsetek sukcesów
Zbieramy dane

Czas pojawia się, gdy zbierze się co najmniej 10 ukończonych zadań. Odsetek sukcesów jest liczony tylko z zadań klientów i pozostaje ukryty dla wszystkich modeli, dopóki nie zbierzemy pełnych 30 dni ruchu.

Modele, które warto rozważyć zamiast Vidu Q4 Preview

Co o tym myślisz?

Czy ta recenzja była przydatna?

Zaloguj się, aby zagłosować.

Komentarze

Komentarze sprawdzamy automatycznie i ręcznie w zespole. Usuwamy spam, treści nieodpowiednie, ataki osobiste i wszystko, co bez zgody wymienia prawdziwą osobę. Zgłoś komentarz, a sprawdzimy go w ciągu jednego dnia roboczego.

Testowałeś ten model? Podziel się tym, co zadziałało. Aby komentować, potrzebujesz darmowego konta – tak trzymamy spam z daleka.

Najczęstsze pytania o Vidu Q4 Preview

Wypróbuj Vidu Q4 Preview samodzielnie

Generuj w Studio w kilka kliknięć albo ustaw każdy parametr w Playground i zobacz dokładną cenę przed uruchomieniem.

0,475 USD za 5-sekundowy klip

Więcej recenzji

Zobacz rankingi →
  • Kobieta w szmaragdowej jedwabnej sukni wśród dużych tropikalnych liści w szklanej oranżerii o zmierzchu

    Wan 3.0

    Wan 3.0 do tanich 30-sekundowych ujęć bez cenzury, z dźwiękiem, z tekstu, kadru lub referencji; nie, gdy scena ma się skończyć tam, gdzie scenariusz.

    Spicy Index
    87,7
    Freedom Score
    96,0

    Przetestowano 24 wrz 2026

    Przeczytaj recenzję
  • Kobieta w powiewającej złotej jedwabnej sukni brodzi w przyboju o zachodzie słońca, materiał ciągnie się za nią

    Seedance 2.5

    Seedance 2.5, gdy 30-sekundowe ujęcie ma trzymać się scenariusza albo wielu referencji; tanie klipy bez cenzury zrobisz o wiele taniej w MiniMax H3.

    Spicy Index
    81,4
    Freedom Score
    83,6

    Przetestowano 24 wrz 2026

    Przeczytaj recenzję
  • Ciemny pokój ze ścianą wysokich okien nad rozświetlonym nocnym miastem, jedna mała postać przy szybie

    Wan 3.0 Prime

    Wan 3.0 Prime do szybszych zadań tekst/referencje za 36% więcej; do obrazu na wideo Wan 3.0 bazowy kosztuje mniej i zalicza ten sam poziom intymnej sceny.

    Spicy Index
    75,8
    Freedom Score
    80,7

    Przetestowano 24 wrz 2026

    Przeczytaj recenzję