A referência para vídeo do Vidu Q4 Preview constrói uma cena a partir de 1 a 15 imagens de referência e até 3 clipes de voz, em 16:9, 9:16, 1:1, 3:4 ou 4:3. Os clipes rodam de 3 a 16 segundos, em 540p a 4k, com som gerado. Tem filtragem leve: a partir do nível Moderado, a maioria dos pedidos NSFW é suavizada ou recusada.
A filtragem muda de um endpoint para outro: Imagem para vídeo — Sem censura, Extensão de vídeo — Sem censura, Referência para vídeo — Reduzida.
Playground
Estes exemplos foram escritos para este endpoint. Substitua o prompt e as URLs de mídia de exemplo por suas próprias entradas acessíveis. Antes de enviar, confira a estimativa atual e a disponibilidade do modelo.
- Saída5 s
emerald-robe-fitting Três referências, em ordem: um retrato, a foto de um roupão e um provador vazio. O prompt as nomeia pela posição, e o rosto dela, o roupão e o espelho dourado e as cortinas de veludo do provador foram mantidos.
- 41004
- 720p
- 16:9
- Saída9 s
whisper-lock-the-door Um retrato e um clipe de voz, 9:16 com nove segundos. A fala sussurrada está escrita entre aspas no prompt; o clipe define a voz. Sem a fala no prompt, uma execução não produziu nenhuma voz.
- 41015
- 720p
- 9:16
- Saída5 s
elevator-loosened-tie Dois retratos, cada um citado pela posição, e uma única ação lenta em um elevador 9:16. Os dois rostos foram mantidos. Uma cena de referência com duas pessoas funciona melhor com um único momento.
- 41006
- 720p
- 9:16
Este exemplo começa em $0.045 por segundo de saída. O Playground recalcula a estimativa sempre que você muda as configurações.