Introdução
O modo imagem para vídeo do Vidu Q3 transforma um quadro inicial e uma instrução escrita em um clipe de 1 a 16 segundos inteiros em 540p, 720p ou 1080p. As duas entradas são obrigatórias: image_url define o sujeito, o figurino, o cenário e o formato da saída, e prompt descreve o que acontece depois desse quadro – a ação, o movimento de câmera e o som. Não existe campo de proporção: o clipe volta nas proporções da imagem que você envia, que precisam ficar entre 1:4 e 4:1. O áudio é gerado na mesma passada e vem ligado por padrão.
Recursos e destaques
O quadro é seguido ao pé da letra
O modelo parte exatamente do que a imagem mostra: o rosto, a roupa, o cenário e a composição. Por isso ele é a escolha confiável quando um clipe precisa bater com uma imagem já aprovada, incluindo imagens de origem sem censura. O outro lado é que tudo o que o quadro não mostra precisa ser inventado: um giro que revela as costas de uma roupa, ou um movimento de câmera para uma parte do cômodo fora da imagem, é onde aparece o desvio.
A amplitude do movimento é um controle separado
movement_amplitude aceita auto, small, medium ou large. Em auto, o modelo lê o quadro inicial e decide; aumente quando uma cena parada precisar se mover mais e mantenha baixo quando a instrução descartar movimento. No exemplo publicado da persiana, nada se move além da luz, e um valor alto inventaria justamente o movimento que essa instrução exclui. Assim o prompt fica livre para o gesto específico: uma mudança de peso, meio giro, uma saída de quadro.
Som na mesma passada
generate_audio vem como true por padrão, então o som ambiente, o foley e a atmosfera são gerados junto com a imagem e chegam sincronizados. Descreva o som no prompt como você descreve a luz – o rugido do mar e o vento, uma cortina que respira – e mude o campo para false quando o clipe for entrar embaixo da sua própria mixagem. Uma chave separada, bgm (ligada por padrão), adiciona música de fundo; desligue se você não quiser música.
Parâmetros da requisição
| Parâmetro | Obrigatório | Descrição |
|---|---|---|
image_url | Sim | O quadro de abertura. Fixa sujeito e composição e define o formato de saída — não há |
prompt | Sim | Obrigatório. Descreva o que muda depois do quadro: ação, câmera, som. pelo menos 1 caracteres |
duration_seconds | Não | Segundos inteiros, de 1 a 16. |
resolution | Não | 540p, 720p ou 1080p. |
movement_amplitude | Não | auto, small, medium ou large. O auto se orienta pelo quadro inicial; aumente quando uma cena parada precisar de mais movimento. |
generate_audio | Não | Ligado por padrão. Ponha false para um clipe mudo. Valor padrão: |
bgm | Não | Adiciona música de fundo ao clipe. Ligado por padrão. Valor padrão: |
seed | Não | Para comparações controladas entre duas execuções. |
Preços
| Especificação | Preço |
|---|---|
| $0.07 / segundo |
| $0.15 / segundo |
| $0.16 / segundo |
Casos de uso
Imagens aprovadas que não podem desviar
Uma foto de campanha, uma folha de personagem ou um quadro de storyboard já aprovado continua sendo a âncora. Como o clipe parte dele, rosto, figurino e cenário se mantêm, e a revisão se resume a uma pergunta: o movimento funciona? Coloque as grandes revelações na imagem em vez de pedir ao prompt que as invente.
Uma cena na vertical e no widescreen
A saída assume o formato do quadro, então um recorte 9:16 e um recorte 16:9 da mesma cena rendem uma versão para stories e outra para o feed sem mudar nenhum outro campo. Faça o recorte na etapa da imagem, antes de enviar.
Planos em que só a luz e o clima mudam
Alguns planos pedem que as pessoas fiquem paradas enquanto outra coisa muda. O exemplo de 8 segundos em 1080p mantém duas figuras no lugar enquanto faixas nítidas de persiana atravessam seus ombros conforme o sol se põe. Um prompt em que só a luz se move, um movement_amplitude contido e generate_audio desligado fazem o trabalho.
De vinhetas de um segundo a cenas inteiras no mesmo endpoint
duration_seconds vai de 1 a 16, então um corte de reação de um segundo e uma cena de dezesseis segundos com começo e fim usam os mesmos campos. Duração e resolução são os dois valores dos quais o preço depende, e a estimativa ao vivo se atualiza quando você muda qualquer um deles.
Guia de prompt e dicas práticas
Prepare o quadro inicial
Primeiro recorte a imagem no formato de entrega, porque o clipe herda esse formato, e mantenha a proporção entre 1:4 e 4:1. Coloque na imagem tudo o que precisa aparecer: sujeito, figurino, cenário. O modelo parte do que o quadro mostra e precisa inventar o resto.
Escreva o movimento na ordem
Descreva o que acontece depois do quadro na ordem em que acontece – ação, câmera, luz, som – sem descrever a imagem de novo. O exemplo do quarto de manhã em tons claros encadeia três ações em cinco segundos: ela se espreguiça, cai devagar de costas sobre a cama branca e depois vira a cabeça para a câmera e sorri. O fechamento é de luz e câmera: uma cortina fina ao sol, poeira no feixe de luz, uma deriva lenta de câmera na mão. Nenhuma dessas ações está no quadro; todas estão no prompt.
Adapte o exemplo publicado
O exemplo publicado do penhasco tem 5 segundos em 720p, com generate_audio no valor padrão, a partir de uma imagem de uma mulher de vestido branco acima do mar. Mantenha a estrutura – uma força, vários materiais, um movimento de câmera – e troque o sujeito e o lugar pelos seus.
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.
O vento é o protagonista: o capim alto corre em ondas, o vestido e o cabelo voam de lado e estalam, e uma steadicam faz um arco em volta dela enquanto ela se inclina contra a rajada. Uma única força contínua age sobre três materiais diferentes, o que testa uma imagem animada mais do que uma pessoa que simplesmente se vira.
Rascunhe em 540p, entregue em 1080p
Repita em 540p até o movimento ficar certo e depois gere de novo em 1080p com o mesmo quadro, o mesmo prompt e o mesmo seed, para que a resolução seja o único valor alterado. Um seed fixo deixa duas gerações comparáveis; ele não promete um resultado idêntico quadro a quadro. Quando uma tomada desviar, olhe primeiro as áreas que a imagem nunca mostrou – as costas de uma peça de roupa, o canto do cômodo – e leve essa revelação para um novo quadro inicial em vez de acrescentar mais texto ao prompt.
Início rápido da 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"
Consulte a referência da API para autenticação, esquema completo, polling e tratamento de erros.
