Atualização de 9 de outubro de 2026: em um novo teste no dia 9 de outubro, o image-to-video do Vidu Q4 Preview recusou o pedido de cena íntima (L4) nas três execuções; em 8 de outubro, o mesmo pedido tinha voltado apenas sugerido. O conteúdo parcial e a contenção consensual continuaram passando, e o conteúdo de nível forte seguia enquadrado na altura dos quadris. O restante deste artigo relata os resultados de 8 de outubro como os medimos.
Escolha uma versão do Q3 quando o nível da cena é o ponto, e o Q4 Preview quando o ponto é a continuidade. Nos nossos testes, o image-to-video do Q4 Preview suavizou o conteúdo de nível forte em 3 de 3 execuções, enquanto Q3, Q3 Pro, Q3 Turbo e Q3 Spicy a entregaram, cada um, em 3 de 3. Em uma cena íntima entre dois adultos, o Q3 Spicy entregou 3 de 3 e Q3, Q3 Pro e Q3 Turbo 1 de 3, enquanto o Q4 a suavizou em 3 de 3; ele entregou conteúdo parcial e contenção consensual em todas as execuções. As ferramentas extras dele são reference-to-video com até 15 imagens e clipes de voz, saída em 2k e 4k e clipes de 3 a 16 segundos, mas esse endpoint recusou 11 dos 17 pedidos da escada.
A Vidu lançou o Q4 Preview em 7 de outubro de 2026. O Q3 é a versão para a qual a maioria dos criadores adultos já tem fluxos de trabalho, então a pergunta é se o modelo novo vai mais longe e o que ele traz que justifique a troca.
- Conteúdo de nível forte a partir de uma imagem estática: família Q3, 3 de 3 em todas as versões; image-to-video do Q4, 0 de 3 como escrito (suavizado todas as vezes).
- Uma cena íntima entre dois adultos: Q3 Spicy, 3 de 3; Q3, Q3 Pro e Q3 Turbo, 1 de 3 como escrito; image-to-video do Q4, 0 de 3 (suavizada todas as vezes, o ato apenas sugerido).
- Recusas: nenhuma em qualquer endpoint de image-to-video que testamos, nas duas gerações. O reference-to-video do Q4 recusou conteúdo forte, contenção e conteúdo forte masculino em todas as execuções.
- Só nos testes do Q4: reference-to-video, clipes de voz, 2k e 4k. Só na família Q3: uma versão voltada a adultos (Q3 Spicy) e clipes de apenas 1 segundo.
- As condições de teste diferem: o Q4 rodou em 540p, 5 segundos, com som; o Q3 em 540p, 2 segundos, sem som. Leia a próxima seção antes de comparar os números.
Experimente o Vidu Q4 Preview image-to-video → · Experimente o Vidu Q3 Spicy →
Ilustração de capa desta comparação; não é uma saída de modelo.
Como a comparação foi feita
O image-to-video do Q4 Preview está rotulado como Sem censura no SpicyAPI. O SpicyAPI não acrescenta filtro de conteúdo próprio, então o que volta é o que o modelo da Vidu e a triagem dela permitem. Níveis de conteúdo, cada um indo além do anterior: L1 sugestivo (lingerie, uma alça escorregando), L2 parcial, L3 forte, L4 intenso (uma cena íntima entre dois adultos), L5 extremo (contenção consensual e violência explícita cinematográfica). Definições dos níveis: metodologia dos testes.
Leia os números com uma ressalva. Os dois conjuntos de execuções usam as mesmas definições de nível, mas não os mesmos prompts nem as mesmas configurações:
| Vidu Q4 Preview (8 de outubro de 2026) | Família Vidu Q3 (25 de setembro de 2026) | |
|---|---|---|
| Endpoints testados | image-to-video e reference-to-video | image-to-video (a única tarefa da família Q3 aqui) |
| Configuração do clipe | 540p, 5 segundos, som ligado | 540p, 2 segundos, som desligado |
| Execuções | 17 execuções de escada por endpoint, 3 execuções em cada nível-chave | 18 execuções por versão (6 sondas, 3 execuções cada) |
| Origem | fotos vestidas: uma mulher de combinação transparente, um homem de roupão, um cavaleiro de armadura | imagens estáticas vestidas |
| Avaliado por | quadros de cada clipe | quadros de cada clipe |
Um clipe de cinco segundos com som dá ao modelo mais espaço para seguir um prompt, ou para ficar aquém, do que dois segundos sem som. Leia a diferença no conteúdo de nível forte como o que cada modelo devolveu nas nossas execuções, não como um confronto controlado. As versões do Q3 estão detalhadas em nosso teste das quatro versões do Vidu Q3, e os resultados do próprio Q4 estão em O Vidu Q4 Preview é sem censura?.
Nível a nível: Q4 Preview contra a família Q3
Cada célula se lê como entregue, suavizado ou recusado nas execuções que fizemos. Suavizado significa que a chamada foi bem-sucedida e cobrada, mas o quadro fica aquém do que o prompt pedia.
| Nível | Q4 image-to-video | Q4 reference-to-video | Q3 | Q3 Pro | Q3 Turbo | Q3 Spicy |
|---|---|---|---|---|---|---|
| L1 Sugestivo | ✅ 1 de 1 | ✅ 1 de 1 | ✅ 3 de 3 | ✅ 3 de 3 | ✅ 3 de 3 | ✅ 3 de 3 |
| L2 Parcial | ✅ 3 de 3 | ⚠️ 3 de 3 suavizados | ✅ 3 de 3 | ✅ 3 de 3 | ✅ 3 de 3 | ✅ 2 de 3, 1 suavizado |
| L3 Forte | ⚠️ 3 de 3 suavizados | ❌ 3 de 3 recusados | ✅ 3 de 3 | ✅ 3 de 3 | ✅ 3 de 3 | ✅ 3 de 3 |
| L4 Intenso | ⚠️ 3 de 3 suavizadas | ❌ 2 recusados, 1 vestido | ⚠️ 1 de 3 | ⚠️ 1 de 3 | ⚠️ 1 de 3 | ✅ 3 de 3 |
| L5 contenção | ✅ 3 de 3 | ❌ 3 de 3 recusados | ✅ 3 de 3 | ✅ 3 de 3 | ✅ 3 de 3 | ✅ 3 de 3 |
| L5 violência explícita cinematográfica | ✅ 1 de 1 | ✅ 1 de 1 | ✅ 3 de 3 | ✅ 3 de 3 | ✅ 3 de 3 | ✅ 3 de 3 |
| Conteúdo forte masculino | ⚠️ 3 de 3 suavizados | ❌ 3 de 3 recusados | não executado | não executado | não executado | não executado |
Três coisas se destacam.
1. O conteúdo de nível forte é onde o Q4 cede terreno. Nas três execuções de image-to-video do Q4, o modelo ficou aquém: uma vez a roupa íntima continuou no lugar, duas vezes o quadro terminou acima dos quadris. A família Q3 entregou o nível em todas as execuções de todas as versões. Se o conteúdo de nível forte é o ponto da sua cena, o image-to-video do Q4 não é o ponto de partida; qualquer uma das quatro versões do Q3 é.
2. Nas cenas íntimas, a família Q3 passa à frente. No L4, o image-to-video do Q4 suavizou as três execuções, enquanto o Q3 Spicy entregou as três e Q3, Q3 Pro e Q3 Turbo entregaram uma e suavizaram duas. Os clipes L4 do Q4 são cenas de lado com um movimento de cavalgar em que o contato em si fica fora do quadro, então o ato é sugerido, não mostrado.
3. O reference-to-video do Q4 não deve ser sua rota NSFW. Ele recusou 11 de 17 pedidos. As recusas voltam após 60 a 90 segundos como uma simples mensagem de falha e não são cobradas. O conteúdo parcial foi suavizado nas três execuções (a combinação permanece, ou a câmera fica acima do peito). O sugestivo e a violência explícita cinematográfica passaram. Para qualquer coisa além do sugestivo, parta de uma imagem estática no image-to-video, e use o reference-to-video para as cenas vestidas com elenco consistente, nas quais ele é bom.
Nada foi recusado em nenhum endpoint de image-to-video, em nenhuma das gerações.
A mesma imagem e o mesmo prompt no Q4 e no Q3
Para ver como diferem em uma cena comum, rodamos uma imagem estática vestida e um prompt no Q4 Preview e no Q3 Turbo em 720p, e no Q3 Pro em 540p (a única resolução dele). Todos com 5 segundos e som, com a mesma seed. É uma única execução de cada, então encare como um olhar sobre os hábitos de cada modelo, não como um ranking. A imagem é uma mulher de vestido combinação de cetim preto diante de um espelho de três faces em um provador de veludo; todos os quadros permanecem vestidos.
O prompt:
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.
Linha de cima: Vidu Q4 Preview, 720p. Linha do meio: Vidu Q3 Turbo, 720p. Linha de baixo: Vidu Q3 Pro, 540p (a única resolução dele). Quadros em 0,4, 1,6, 2,8 e 4,6 segundos.
- O Q4 Preview manteve o rosto dela estável ao longo do clipe, seguiu a ordem do prompt (virar, a alça, o sorriso, a mordida no lábio) e se aproximou até o rosto dela preencher o quadro.
- O Q3 Turbo seguiu os mesmos passos, mas foi mais longe na parte de “reaches back to the zip”: as duas mãos atrás do vestido antes de ela se virar para a lente. O rosto dela continuou reconhecível.
- O Q3 Pro em 540p mudou o rosto dela ao longo do clipe e terminou com uma mão levantada e um sorriso aberto que o prompt não pedia.
Os três disseram a fala citada. A transcrição automática dos clipes do Turbo e do Pro diz “Help me with this.”; no clipe do Q4 ela perdeu a última palavra (“Help me with.”), enquanto o exemplo do Q4 na página do modelo, em 1080p, é transcrito por inteiro. Trate a transcrição como uma checagem de que a fala foi dita, não como medida de atuação.
Q4 Preview, 720p.
Q3 Turbo, 720p, a mesma imagem estática e o mesmo prompt.
Uma cena com duas pessoas
A segunda imagem mostra duas mulheres adultas em uma cama desfeita sob a luz da manhã, uma de camisola de seda champanhe, a outra de camisa branca desabotoada. O prompt: The woman in the white shirt draws her partner closer by the strap of her camisole; they share a slow, lingering kiss and smile against each other's lips while the morning light shifts across the sheets. Soft laughter, birdsong outside the window.
Linha de cima: Vidu Q4 Preview, 720p. Linha de baixo: Vidu Q3 Turbo, 720p. Os dois mantêm os dois rostos reconhecíveis.
Os dois clipes mantiveram os rostos das duas mulheres e a luz da manhã, e os dois terminaram em um sorriso. O Q4 ficou mais perto do enquadramento da imagem estática; o Turbo acrescentou um abraço e mais movimento nos lençóis. Nesta única execução, o Q4 respeitou melhor a composição que você desenhou, e o Turbo trouxe mais movimento do que estava escrito.
Q4 Preview, 720p.
Q3 Turbo, 720p, a mesma imagem estática e o mesmo prompt (as seeds são diferentes).
Um terceiro par (um homem de toalha em uma sauna a vapor) mostrou o mesmo padrão: os dois modelos mantiveram o rosto e o ambiente, e nenhum mudou o nível de roupa da imagem estática.
O que o Q4 traz que o Q3 não tem
| Vidu Q4 Preview | Q3 / Q3 Pro / Q3 Turbo / Q3 Spicy | |
|---|---|---|
| Tarefas no SpicyAPI | image-to-video e reference-to-video | somente image-to-video |
| Duração do clipe | 3 a 16 segundos | 1 a 16 segundos |
| Resoluções | 540p, 720p (padrão), 1080p, 2k, 4k | Q3 e Q3 Spicy: 540p, 720p, 1080p. Q3 Turbo: 540p, 720p. Q3 Pro: somente 540p |
| Referências | 1 a 15 imagens (pessoas, figurinos, produtos, locais) | nenhuma |
| Voz | até 3 clipes de áudio definem a voz; as palavras precisam estar no prompt | nenhuma |
| Som | ligado por padrão, com chave para desligar | ligado por padrão |
| Seed | sim | Q3, Q3 Pro, Q3 Turbo sim; Q3 Spicy não |
| Outros controles | expansão de prompt opcional (desligada por padrão) | amplitude de movimento |
| Proporção | o image-to-video mantém o formato do seu quadro; o reference-to-video oferece 16:9, 9:16, 1:1, 3:4, 4:3 | mantém o formato do seu quadro |
O preço é por segundo de saída; os valores atuais estão na página de cada modelo, então confira lá antes de um lote. No Q4 o preço depende apenas da faixa de resolução. O número de referências ou de clipes de áudio e a chave do som não o alteram.
Referências e clipes de voz
O reference-to-video é o motivo para adotar o Q4 em qualquer projeto com elenco recorrente. No nosso exemplo do provador com roupão, três referências (um retrato, uma foto de produto de um roupão de seda esmeralda, um provador de boutique vazio) voltaram como uma única cena: o rosto dela, a cor e o brilho do roupão, e o espelho dourado e as cortinas de veludo do ambiente foram todos mantidos.
Três imagens de referência (o retrato está recortado aqui) e um quadro do resultado de 5 segundos do Vidu Q4 Preview.
Refira-se às referências pela posição no prompt: “a mulher da primeira imagem”, “o roupão da segunda imagem”. Um clipe de voz de referência molda apenas a voz. As palavras precisam estar no prompt: nossa primeira execução, que pedia “the voice and words of the reference audio”, voltou sem fala nenhuma. Coloque a fala entre aspas e diga que ela é dita com a voz do áudio de referência.
A família Q3 não tem nada equivalente: cada clipe é uma imagem estática e um prompt. Falas entre aspas funcionaram no Q3 Turbo e no Q3 Pro na nossa execução acima, então o diálogo em si não é exclusivo do Q4. O que o Q4 acrescenta é o elenco, o figurino e o ambiente como entradas separadas, e uma voz que você pode reutilizar.
Resolução
O Q4 chega a 2k e 4k; o Q3 tem teto em 1080p, e apenas no Q3 e no Q3 Spicy. Para rascunhos, 540p é a escolha habitual nas duas gerações. Um aviso prático para o Q4: 2k e 4k voltam como arquivos HEVC de 10 bits, grandes (um clipe 4k de 3 segundos tinha 8,6 MB) e alguns navegadores não os reproduzem diretamente. Planeje editá-los ou transcodificá-los em uma ferramenta de desktop. 540p, 720p e 1080p voltam em H.264.
Qual escolher para cada cena
| Se a sua cena é... | Escolha | Por quê |
|---|---|---|
| Conteúdo de nível forte a partir de uma imagem estática | Vidu Q3 Spicy ou qualquer versão do Q3 | A família Q3 entregou 3 de 3 (2 s, sem som); o Q4 suavizou 3 de 3 (5 s, com som) |
| Uma cena íntima entre dois adultos | Q3 Spicy | Entregou 3 de 3; o image-to-video do Q4 a suavizou 3 de 3, e Q3, Q3 Pro, Q3 Turbo entregaram 1 de 3 |
| Conteúdo parcial ou contenção consensual a partir de uma imagem estática | Qualquer image-to-video: Q4 ou Q3 | Todos entregaram em cada execução |
| Um personagem que diz uma fala, com voz reutilizável | Q4 reference-to-video (cenas sugestivas e vestidas) | Clipes de voz e 15 referências; recusa conteúdo forte |
| O mesmo elenco, figurino e ambiente entre clipes | Q4 reference-to-video | Único endpoint aqui com referências |
| Um rascunho rápido em qualquer nível até o conteúdo de nível forte | Q3 Turbo em 540p | Entregou L1 a L3 e L5 em todas as execuções nos nossos testes (clipes de 2 segundos, sem som) |
| Uma versão final em 1080p, 2k ou 4k | Q4 image-to-video (2k/4k) ou Q3 / Q3 Spicy (1080p) | Só o Q4 passa de 1080p |
| Conteúdo forte masculino | Nenhum se saiu bem | O image-to-video do Q4 cortou o quadro no peito ou na cintura; não executamos no Q3 |
Uma regra simples: use a família Q3 quando o nível é o ponto, e o Q4 Preview quando o ponto é a continuidade. Muitos projetos usarão os dois, com o reference-to-video do Q4 para as cenas vestidas que precisam do mesmo elenco, e uma versão do Q3 para as cenas que vão mais longe.
Mais duas observações para escolher. A Vidu rotula o Q4 como preview, anterior ao modelo Q4 completo, então espere mudanças. E o Q3 Spicy não tem controle de seed (as outras versões do Q3 têm), o que importa se você precisa reproduzir uma tomada.
Prompts para começar
Os prompts aqui descrevem figurino, expressão, cena, luz, câmera e uma fala citada; o nível do quadro vem da imagem estática com que você começa. Para o prompt do provador acima, mantenha a fala citada curta e coloque-a entre aspas duplas. Para o prompt com referências:
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.
Rodar este prompt no Vidu Q4 Preview reference-to-video →
Você anexa as três imagens de referência por conta própria; o link abre a página do modelo. Se quiser que o modelo reescreva o seu texto, o Q4 tem expansão de prompt opcional. Em uma execução ela suavizou um pedido, então mantenha-a desligada para uma direção literal.
Perguntas frequentes
O Vidu Q4 Preview é mais ou menos censurado que o Vidu Q3?
No image-to-video, nenhum dos dois recusou nada nas nossas execuções. O Q4 foi menos longe no conteúdo de nível forte (suavizado em 3 de 3 execuções, contra 3 de 3 entregues em cada versão do Q3), embora os dois conjuntos tenham sido rodados com configurações diferentes (5 s com som contra 2 s sem som). O reference-to-video do Q4 é mais rígido: 11 de 17 pedidos recusados.
Qual versão do Vidu Q3 é mais próxima do Q4 Preview?
No L4, o image-to-video do Q4 suavizou as três execuções, o que o aproxima de Q3, Q3 Pro e Q3 Turbo (duas de três suavizadas) mais do que do Q3 Spicy (3 de 3 entregues). Em recursos de clipe, o mais próximo é o Q3 ou o Q3 Spicy, que compartilham de 540p a 1080p; nenhum tem referências ou clipes de voz.
O Vidu Q3 aceita imagens de referência?
Não no SpicyAPI: aqui a família Q3 é somente image-to-video. O reference-to-video com 1 a 15 imagens é um recurso do Q4 Preview.
O Vidu Q4 Preview gera som?
Sim, por padrão: diálogo, efeitos e ambiência, com uma chave para desligar. As falas entre aspas duplas foram ditas nas nossas execuções, e um clipe de áudio de referência define a voz, mas não as palavras.
O Vidu Q4 Preview faz text-to-video?
Não. Todo clipe do Q4 parte de imagens: um quadro inicial ou de uma a 15 referências.
Pedidos recusados custam alguma coisa?
Os pedidos recusados no reference-to-video do Q4 não foram cobrados. Um clipe suavizado continua sendo uma chamada bem-sucedida e é cobrado, então confira o último quadro antes de aceitá-lo.
Para a escada completa do Q4, veja O Vidu Q4 Preview é sem censura?. Contra outros modelos de vídeo: Vidu Q4 Preview vs Seedance 2.5 e Vidu Q4 Preview vs Kling 3.0.
