Pular para o conteúdo principal

Continue um clipe com o Vidu Q4 Preview: o último quadro do seu vídeo abre um novo segmento de 3 a 16 segundos, e você recebe um único arquivo com o original e a continuação unidos, em 540p, 720p, 1080p, 2k ou 4k.

A filtragem muda de um endpoint para outro: Imagem para vídeo — Sem censura, Extensão de vídeo — Sem censura, Referência para vídeo — Reduzida.

A partir de $0.045/s

Playground

Entrada

Extensão de vídeo
  1. 1

    Escolher o clipe para continuar

    Escolha um vídeo e nós o continuamos a partir do último quadro.

  2. 2

    O que acontece depois

    Escolha um clipe na etapa 1 para liberar esta etapa.

    0/20000
    Obrigatório, até 20.000 caracteres. O que acontece a seguir: a ação seguinte, o movimento de câmera e o som. Coloque as falas entre aspas duplas. O quadro inicial já define o sujeito e o cenário, então use as palavras para o movimento. pelo menos 1 caracteres · no máximo 20000 caracteres
    afeta o preço
    Nitidez do novo segmento gerado: 540p, 720p, 1080p, 2k ou 4k, padrão 720p. A resolução define apenas a nitidez do novo segmento; combine-a com a da origem, pois uma configuração menor deixa a parte nova mais suave que o original. Ela define o preço. Um novo segmento em 2k ou 4k é um arquivo HEVC de 10 bits que alguns navegadores não reproduzem inline quando aberto sozinho.
    Duraçãoafeta o preço
    Duração do novo segmento: qualquer número inteiro de 3 a 16. O padrão é 5. O seu original é acrescentado antes e não é cobrado. não menor que 3 · não maior que 16
    Gerar áudio
    Ativado por padrão, então o novo segmento vem com som gerado. O seu original mantém o próprio som nos dois casos; se um dos lados for mudo, o arquivo unido é completado com silêncio. Não altera o preço.
Filtro de segurançaDesligado

A SpicyAPI não executa filtro de segurança neste modelo. Seu prompt e suas mídias chegam ao modelo exatamente como você os enviou, e o próprio modelo decide o resultado.

Verificando sua conta antes de liberar o envio e a estimativa de preço.

Faltam 2 campos obrigatórios: Prompt · Vídeo de entrada

Saída

Pronto para uma nova execução

O resultado aparecerá aqui.

Configure as entradas, confira a estimativa de preço e execute o modelo.

Modelos relacionados e próximas tarefas

Não encontrou o modelo que precisa?

Conte qual modelo adicionar e para que você vai usá-lo. Os pedidos vão direto para quem decide os próximos modelos.

API DE VÍDEO

O Q4 em prévia da Vidu: clipes de 3 a 16 segundos até 4k, com som e falas, a partir de um quadro de abertura ou de até 15 referências.

Números principais

Endpoints
3
Imagem para vídeo, referência para vídeo e extensão de vídeo. Não há text-to-video: todo clipe parte de imagens ou de um clipe existente.
Duração do clipe
3-16 s
Qualquer número inteiro de segundos, a 24 fps, cobrado por segundo de saída.
Resolução máxima
4k
540p, 720p (padrão), 1080p, 2k e 4k. O 2k e o 4k voltam como arquivos HEVC de 10 bits.
Referências
15
O reference-to-video aceita de 1 a 15 imagens e até 3 clipes de voz.
Som
Ligado
Diálogos, efeitos e ambiência são gerados junto com a imagem; um único interruptor os desliga.

Antes de gastar

all

Imagem para vídeo: em nossos testes, os pedidos dos níveis Leve, Moderado e Máximo foram entregues. Os pedidos de nível Forte voltaram suavizados pelo enquadramento. O nível Muito forte voltou apenas sugerido em 8 de outubro e é recusado desde 9 de outubro (3 de 3 no nosso reteste); pedidos recusados não são cobrados.

all

A referência para vídeo tem filtragem leve. A partir do nível Moderado, quase todos os pedidos foram suavizados ou recusados, e pedidos recusados não são cobrados. Os pedidos de nível Leve passaram, assim como um dos dois prompts de nível Máximo. Para cenas sem filtro, use imagem para vídeo a partir de um quadro das pessoas.

all

Em 2k e 4k, o arquivo é HEVC (H.265) de 10 bits. Os arquivos são grandes e alguns navegadores não os reproduzem direto; edite ou transcodifique em uma ferramenta de desktop. O 540p, o 720p e o 1080p são H.264.

all

Esta é uma prévia do modelo Q4 completo, e ela não tem text-to-video. Todo clipe parte de um quadro de abertura ou de imagens de referência.

image-to-video

Não há campo de proporção: o clipe mantém o formato do seu quadro de abertura. Ativar a expansão de prompt deixa o modelo reescrever o seu prompt e, em uma execução, ele suavizou um pedido; por isso, mantenha-a desligada quando quiser seguir o texto ao pé da letra.

reference-to-video

Um pedido sem imagem de referência é rejeitado. O áudio de referência define a voz, mas não as palavras, então a fala precisa estar no prompt. Os clipes demoram mais do que no image-to-video, cerca de 3 a 10 minutos nos nossos testes.

O que o modelo faz

Imagem para vídeo

Um quadro que fala

Uma mulher de vestido de cetim preto diante de um espelho triplo em um camarim de veludo entra como quadro inicial. O prompt faz com que ela se vire, alcance o zíper e diga entre aspas "Help me with this?". A fala foi dita na saída em 720p, com o visual dela e as lâmpadas da penteadeira mantidos.

Referência para vídeo

Três referências, uma cena

Um retrato, uma foto de produto de um roupão de seda esmeralda e um provador vazio de boutique são enviados como referências. O rosto dela, a cor e o brilho do roupão, o espelho dourado e as cortinas de veludo rosa voltaram juntos em uma única cena em 720p.

Voz de referência

A fala na voz do seu próprio clipe

Um retrato e um clipe de voz, com a fala escrita entre aspas no prompt. Ela gira a chave em uma porta iluminada por velas e sussurra a frase, em 9:16, 720p e nove segundos. O clipe define a voz; as palavras vêm do prompt.

Duas pessoas

Dois rostos mantidos no mesmo plano

Dois retratos de dois homens de terno entram como referências. Em um elevador espelhado de latão, o de barba afrouxa a gravata do outro e os dois quase se beijam quando as portas se abrem, com os dois rostos reconhecíveis o tempo todo.

Feito com Vidu Q4 Preview

  • Image-to-video, 16:9 em 1080p, cinco segundos. A fala entre aspas foi dita no resultado.
    5 s
  • Reference-to-video a partir de três referências, 16:9 em 720p, cinco segundos.
    5 s
  • Image-to-video a partir de um quadro 9:16, 720p (720 x 1280), cinco segundos, com vapor e água pingando no som.
    5 s
  • Reference-to-video a partir de um retrato e um clipe de voz, 9:16 em 720p, nove segundos.
    9 s
  • Image-to-video, 16:9 em 720p, cinco segundos.
    5 s
  • Reference-to-video a partir de dois retratos, 9:16 em 720p, cinco segundos.
    5 s

Onde se encaixa

  • Planos com diálogo

    Um personagem se vira para a câmera e diz uma frase, com som ambiente e uma voz compatível gerados na mesma passada. Coloque a fala entre aspas e mantenha-a curta para um clipe de 5 a 9 segundos.

  • Filmes de moda e de produto

    Envie um retrato, uma foto de produto e um local como três referências e receba uma só cena com os três: a pessoa, a peça e o ambiente.

  • Cenas com duas pessoas

    Envie dois retratos ao reference-to-video e os dois rostos continuam reconhecíveis no mesmo plano, para uma conversa, uma chegada ou um quase-beijo.

  • Plataformas sem filtro de conteúdo

    A imagem para vídeo entregou resultados sem filtro em nossos testes, então um aplicativo sem filtro pode partir dos próprios quadros dos usuários; o nível Muito forte é recusado desde 9 de outubro. Todas as pessoas na tela devem ser adultas.

Referência do modelo

Referência da API Vidu Q4 Preview

Especificações da API Vidu Q4 Preview

Publicador
Vidu (ShengShu Technology)
Modelo
Vidu Q4 Preview (viduq4-preview)
Lançamento
7 de outubro de 2026
Endpoints
Imagem para vídeo, Referência para vídeo, Extensão de vídeo
Duração
3 a 16 segundos, em segundos inteiros (padrão 5)
Resolução
540p, 720p (padrão), 1080p, 2k, 4k
Saída
MP4 H.264 até 1080p; MP4 HEVC de 10 bits em 2k e 4k
Taxa de quadros
24 fps
Áudio
Gerado junto com a imagem por padrão (AAC estéreo); pode ser desligado
Referências
Referência para vídeo: de 1 a 15 imagens e até 3 clipes de áudio
Política de conteúdo
Imagem para vídeo: Leve, Moderado e Máximo entregues, Forte mantido fora do quadro, Muito forte recusado desde 9 de outubro. Referência para vídeo: filtragem leve, suaviza ou recusa a maioria dos pedidos a partir de Moderado
Execução
Tarefa assíncrona, cobrada por segundo de saída

Como chamar a API Vidu Q4 Preview

  1. Coloque as falas entre aspas

    Escreva o que a pessoa diz entre aspas duplas, dentro do prompt. Nas nossas execuções, a fala entre aspas foi dita no resultado. Se você anexar um clipe de voz de referência, escreva a fala no prompt mesmo assim e diga que ela está na voz do áudio de referência; uma execução sem a fala voltou sem nenhuma voz.

  2. Cite as referências pela posição

    No reference-to-video, nomeie cada imagem pela posição na lista: "a mulher da primeira imagem", "o roupão da segunda imagem". Nas nossas execuções, rostos, figurinos e ambientes das referências foram mantidos.

  3. Rascunhe em 540p, finalize em 1080p

    O 540p é a forma mais rápida de testar um prompt. Rode de novo, em 1080p, o que você aprovou. Escolha 2k ou 4k só quando precisar desse tamanho e seu editor aguentar arquivos HEVC.

  4. Para cenas NSFW, parta de um quadro

    A referência para vídeo suaviza ou recusa a maioria dos pedidos a partir do nível Moderado. Para cenas sem filtro, comece de um quadro das pessoas na imagem para vídeo. Nenhum dos endpoints entrega o nível Muito forte: a imagem para vídeo o recusa desde 9 de outubro.

Em resumo

O Vidu Q4 Preview coloca o modelo de prévia mais novo da Vidu atrás de image-to-video, a partir de um quadro de abertura, reference-to-video, a partir de até 15 imagens e 3 clipes de voz, e video-extend, para continuar um clipe existente. Os clipes duram de 3 a 16 segundos, até 4k, com som e diálogos entre aspas gerados junto com a imagem, cobrados por segundo de saída.

Perguntas sobre a API Vidu Q4 Preview