Введение
Режим «изображение в видео» у Vidu Q3 превращает один стартовый кадр и текстовое задание в ролик длиной от 1 до 16 целых секунд в 540p, 720p или 1080p. Оба входа обязательны: image_url задаёт героя, одежду, декорации и форму результата, а prompt описывает то, что происходит после этого кадра, — действие, движение камеры и звук. Поля для соотношения сторон нет: ролик повторяет пропорции отправленного изображения, и они должны укладываться в диапазон от 1:4 до 4:1. Звук создаётся в том же проходе и по умолчанию включён.
Ключевые возможности и особенности
Кадр соблюдается буквально
Модель начинает ровно с того, что показывает кадр: лицо, наряд, декорации и композицию. Поэтому это надёжный выбор, когда ролик должен совпадать с уже утверждённым изображением, включая исходные кадры без цензуры. Обратная сторона в том, что всё, чего в кадре нет, приходится придумывать: поворот, открывающий спину наряда, или движение камеры в часть комнаты за пределами снимка — именно там появляется дрейф.
Амплитуда движения — отдельная настройка
movement_amplitude принимает auto, small, medium или large. В режиме auto модель считывает стартовый кадр и решает сама; повышайте значение, когда статичной сцене нужно больше движения, и держите его низким, когда задание движение исключает. В опубликованном примере с жалюзи не движется ничего, кроме света, и высокое значение придумало бы именно то движение, которое задание запрещает. Промпт при этом остаётся свободным для конкретного жеста: переноса веса, полуоборота, ухода из кадра.
Звук в том же проходе
generate_audio по умолчанию равен true, поэтому фон помещения, шумы и атмосфера создаются вместе с изображением и приходят синхронно. Описывайте звук в промпте так же, как свет, — шум моря и ветер, дышащая занавеска — и ставьте false, когда ролик пойдёт под ваш собственный микс. Отдельный переключатель bgm (включён по умолчанию) добавляет фоновую музыку; выключите его, если музыка не нужна.
Параметры запроса
| Параметр | Обязательно | Описание |
|---|---|---|
image_url | Да | Стартовый кадр. Фиксирует героя и композицию и задаёт формат выхода — |
prompt | Да | Обязателен. Опишите, что меняется после кадра: действие, камера, звук. Не менее 1 символов |
duration_seconds | Нет | Целые секунды, от 1 до 16. |
resolution | Нет | 540p, 720p или 1080p. |
movement_amplitude | Нет | auto, small, medium или large. Auto ориентируется на первый кадр; повышайте, когда статичной сцене нужно больше движения. |
generate_audio | Нет | Включён по умолчанию. Для немого клипа поставьте false. По умолчанию: |
bgm | Нет | Добавляет в клип фоновую музыку. Включён по умолчанию. По умолчанию: |
seed | Нет | Для контролируемого сравнения двух прогонов. |
Стоимость
| Спецификация | Стоимость |
|---|---|
| $0.07 / секунду |
| $0.15 / секунду |
| $0.16 / секунду |
Сценарии использования
Утверждённые кадры, которые не должны уплыть
Рекламное фото, лист персонажа или кадр раскадровки, который уже согласован, остаётся опорой. Поскольку ролик начинается с него, лицо, одежда и декорации сохраняются, а проверка сводится к одному вопросу: работает ли движение? Крупные раскрытия помещайте в сам кадр, а не просите промпт их придумать.
Одна сцена — вертикально и широкоформатно
Результат принимает форму кадра, поэтому кадрирование одной сцены в 9:16 и в 16:9 даёт версию для сторис и версию для ленты без изменения других полей. Кадрируйте на этапе изображения, до загрузки.
Планы, где меняются только свет и настроение
В некоторых планах персонажи должны оставаться неподвижными, пока меняется что-то другое. Пример на 8 секунд в 1080p удерживает две фигуры на месте, пока жёсткие полосы от жалюзи проходят по их плечам по мере заката. Работу делают промпт, в котором движется только свет, сдержанное значение movement_amplitude и выключенный generate_audio.
От секундной вставки до целой сцены на одном эндпоинте
duration_seconds принимает значения от 1 до 16, поэтому секундная реакция и шестнадцатисекундная сцена с началом и концом используют одни и те же поля. Цена зависит от двух значений — длительности и разрешения, а оценка стоимости обновляется сразу, как только вы меняете любое из них.
Руководство по промптам и практические советы
Подготовьте стартовый кадр
Сначала обрежьте изображение под формат сдачи — ролик его унаследует — и держите соотношение в пределах от 1:4 до 4:1. Всё, что обязательно должно быть в кадре, — героя, одежду, декорации — поместите в изображение. Модель начинает с того, что показывает кадр, а остальное вынуждена придумывать.
Пишите движение по порядку
Описывайте, что происходит после кадра, в том порядке, в каком это случается, — действие, камера, свет, звук, — не пересказывая сам снимок. Пример с утренней спальней в светлых тонах связывает три действия в пять секунд: она потягивается, медленно откидывается на белую кровать, затем поворачивает голову к камере и улыбается. Финал отдан свету и камере: тонкая занавеска на солнце, пыль в луче, медленный дрейф ручной камеры. Ни одного из этих действий нет в кадре — все они в промпте.
Адаптируйте опубликованный пример
Опубликованный пример с утёсом длится 5 секунд в 720p, generate_audio оставлен по умолчанию, а исходный кадр — женщина в белом платье над морем. Сохраните его структуру — одна сила, несколько материалов, одно движение камеры — и подставьте своего героя и своё место.
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.
Главный герой здесь — ветер: высокая трава бежит волнами, платье и волосы развеваются вбок и хлопают, а стедикам описывает дугу вокруг неё, пока она наклоняется навстречу порыву. Одна непрерывная сила действует на три разных материала, и для оживлённого кадра это более строгая проверка, чем человек, который просто оборачивается.
Черновик в 540p, сдача в 1080p
Повторяйте в 540p, пока движение не станет убедительным, затем перегенерируйте в 1080p с тем же кадром, тем же промптом и тем же seed, чтобы изменилось только разрешение. Фиксированный seed делает два прогона сравнимыми, но не гарантирует покадрово одинаковый результат. Если дубль уплывает, сначала проверьте участки, которых на снимке не было, — спину одежды, край комнаты — и перенесите это раскрытие в новый стартовый кадр вместо того, чтобы дописывать промпт.
Быстрый старт 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"
Аутентификация, полная схема, опрос статуса и обработка ошибок описаны в справочнике API.
