Vidu Q4 Preview 多参考图与音频编排方法
Back to Blog
技术实践Vidu Q4 Preview参考生视频图生视频

Vidu Q4 Preview 多参考图与音频编排方法

November 18, 2026
10 min read
On this page17 sections

关键要点

  • Vidu Q4 Preview 于 2026 年 10 月 7 日发布。预览版仅支持图生视频与参考生视频,不包含文生视频;最高支持 16 秒、540p–4K。
  • 参考生视频最多接受 15 张参考图与 3 条音频参考,并支持原生同步音频生成。
  • 在 Artificial Analysis 的 AA-Video-I2V 榜单上,Vidu Q4 Preview 以 1,179 Elo 位列第 3;Vidu Q3 Pro 约为第 19 名,前者提升 16 位。
  • 发布期价格约 $0.014/秒起;官方渠道对图生视频与参考生视频提供 30% 折扣,截止 2026 年 11 月 30 日。可通过官方 Web 应用、API 及第三方平台访问。

Vidu Q4 Preview 是什么?

Vidu Q4 Preview 是生数科技(ShengShu Technology)下一代旗舰视频模型的公开预览版,发布于 2026 年 10 月 7 日。其重点在于“传神表现力”:更自然的面部表情、情绪化配音、流畅运动与高冲击力 VFX。

与纯文生视频模型不同,Vidu Q4 Preview 以参考驱动为核心。在多参考输入下,它优先保持角色、风格、场景、产品与声音的一致性,并原生生成同步对白、音效和环境声。预览版先于完整 Q4 发布,用于真实项目测试与反馈,最终规格仍可能变化。

核心功能与技术规格

规格 Vidu Q4 Preview
模型 ID viduq4-preview
模式 图生视频;参考生视频
分辨率 540p;720p;1080p;2K;4K
帧率 24 fps
最长视频时长 16 秒
图生视频时长 3–16 秒
参考图数量 最多 15 张
音频参考 最多 3 条
音视频生成 支持
参考生视频宽高比 16:9、9:16、1:1、4:3、3:4

图生视频(I2V)以单张图作为首帧,通过文本提示描述运动、镜头、对白或特效,生成 3–16 秒视频;输出保持源图宽高比,分辨率覆盖 540p–4K。

参考生视频(R2V)组合 1–15 张参考图与 0–3 条音频参考,在生成的多镜头序列中维持视觉与声音一致性;时长 1–16 秒,适用于多主体、连续镜头叙事。

其他技术细节包括:24 fps;2K/4K 最高支持 10-bit 色彩;原生同步语音、情绪表达、口型与音效;多镜头转场和大动作处理更稳定,VFX 表现增强。提示词遵循能力更强,建议按“图1”“图2”的顺序引用参考图,并为多镜头控制加入时间节拍。

在 Artificial Analysis 的 AA-Video-I2V v1.0 榜单上,Vidu Q4 Preview 以 1,179 Elo 排名第 3;Vidu Q3 Pro 约为第 19 名、约 1,056 Elo,提升 16 位。作为预览版,其分数、限制与定价仍可能在完整 Q4 发布前调整。

图生视频(I2V)

图生视频把单张图片作为首帧,由文本提示描述运动、镜头、对白或特效,生成 3–16 秒视频;输出保持源图宽高比,分辨率覆盖 540p 至 4K。它适合已有明确起点的镜头:人物从静态画面进入动作,产品或场景在既定构图上追加运镜和表演。提示词应分别写清主体动作与镜头运动;对白、情绪和特效的时间点越具体,生成结果越容易控制。

参考生视频(R2V)

参考生视频组合 1–15 张参考图与 0–3 条音频参考,参考对象可包括人物、产品、物体、地点或风格,音频参考通常是短 MP3 片段。模型在生成的多镜头序列中维持视觉与声音一致性,时长 1–16 秒,支持 16:9、9:16、1:1、4:3、3:4 等宽高比。该模式面向一镜到底式的多主体叙事:同一角色在不同镜头中保持外观与声线,产品在多镜头中保持外观一致。使用多张参考图时,应按“图1”“图2”的顺序说明每张图对应哪个元素。

其他技术细节:

输出帧率为 24 fps;2K/4K 分辨率下最高支持 10-bit 色彩,为后续调色保留空间。原生音视频生成覆盖同步语音、情绪表达、口型与音效。镜头与运动方面,稳定性、多镜头转场、大动作处理(武术、战斗、奔跑)和电影化运镜得到增强;VFX 强化了爆炸、烟雾、粒子、能量效果和复杂场景动态。相较前代,面部表情更细腻,声音情绪更自然,光照与纹理更连贯,伪影有所减少。提示词遵循能力更强,仍建议按顺序引用参考图,并为多镜头控制写明时间节拍。

性能基准与支撑数据

独立评测机构 Artificial Analysis 的数据显示,Vidu Q4 Preview 在 AA-Video-I2V v1.0 榜单以 1,179 Elo 位列第 3;Vidu Q3 Pro 约为第 19 名、约 1,056 Elo,排名相差 16 位。该成绩针对图生视频,快照时间为 2026 年 10 月上旬,当时榜首约为 1,195 Elo。

模型 榜单排名 Elo
Vidu Q4 Preview 第 3 1,179
Vidu Q3 Pro 约第 19 约 1,056

作为预览版,其分数、限制与定价仍可能在正式版 Q4 发布前调整。

Vidu Q4 与 Vidu Q3:异同点

以下对照以 Q3 Pro 为基准,不覆盖 Q3 Mix、Q3 Turbo 等其他 Q3 变体;这些变体的工作流与限制并不相同。

维度 Vidu Q4 Preview Vidu Q3 Pro
最高标称分辨率 4K 1080p
API 时长 Q4 端点为 3–16 秒 文档记录的 Q3 Pro 路径为 1–16 秒
生成路径 图生视频;参考生视频 文生视频;图生视频;首尾帧
参考引导 参考生视频支持最多 15 张图像与 3 条音频参考 该对照中无同等参考生视频路径
同步音视频 支持 支持
最适初始场景 以参考为主导的高分辨率短场景 纯文本或以指定首尾帧为起点的工作流

最高时长本身不构成 Q4 的升级:按各自文档路径,两者均可达到 16 秒。明确的变化在于分辨率上限从 Q3 Pro 的 1080p 提高到 4K。当工作流依赖多张视觉参考、音频参考或 2K/4K 交付时,Q4 Preview 更匹配;当起点是文本,或需要指定首尾帧控制时,Q3 Pro 仍然适用。

相似之处:短视频、音频与画质提升尚未证实

两者都生成最长 16 秒的短片,均支持同步音视频与镜头切换;Q4 的音频参考增加了引导场景声音的方式,但没有改变短片时长上限。上述能力并不证明口型同步、运动或身份一致性已有可测量的改善。榜单提供整体排名参照,却不能替代针对这些维度的受控比较,因此画质提升仍应视为尚未证实,而非既定结论。

差异:参考输入与生成路径

两者都提供图生视频。Q4 Preview 还额外提供参考生视频,最多可接收 1–15 张图像,并可选最多 3 条音频参考;Q3 Pro 则提供文生视频与首尾帧路径。前者适合由人物、产品或视觉风格引导的场景,后者适合以文本或一对指定帧为起点的制作。Q4 Preview 还把分辨率上限从 Q3 Pro 的 1080p 提高到 4K,为高分辨率交付提供了额外选项。

差异:定价与最佳适配工作流

按原生 API 的标准计费,Q4 Preview 在 720p 为每秒 19 credits,Q3 Pro 为每秒 20 credits;两者在 1080p 均为每秒 24 credits。因此 Q4 并非所有档位都更便宜,2K 与 4K 的费率更高。Q4 适合高分辨率、参考引导的短场景;Q3 Pro 适合纯文本或首尾帧工作流。以上价格均为原生费率,不含可选服务或协议价格。

Vidu Q4 Preview 的价格是多少?

原生 API 按 credits 计费,公布的 credit 单价为人民币 0.03125 元。下表按标准 Q4 Preview 生成费率计算,不含可选服务或协议条款。

分辨率 每秒 credits 折算人民币/秒 折算人民币/5 秒
540p 9 0.28125 1.40625
720p 19 0.59375 2.96875
1080p 24 0.75 3.75
2K 38 1.1875 5.9375
4K 78 2.4375 12.1875

官方发布价约 0.014 美元/秒起;在较低分辨率区间,最高约 0.045 美元/秒,4K 档的价格更高。官方渠道在 2026 年 11 月 30 日前对图生视频和参考生视频提供 30% 折扣。具体费用随分辨率与时长变化;作为预览版,其费率与限额仍可能调整。

如何访问 Vidu Q4 预览版

该预览版目前通过两条官方路径提供:面向创意试作的 Web 应用,以及面向自动化的 API。

  • 官方 Web 应用:在 vidu.com/vidu-q4 或主创建界面进入参考生视频与图生视频入口,登录后上传参考素材、撰写提示词,再选择时长与分辨率生成。新用户优惠码曾在官方社交渠道发布。
  • 官方 API:位于 platform.vidu.com,模型 ID 为 viduq4-preview,支持 540p–4K 分辨率、异步任务回调,以及图生视频与参考生视频两种模式,适合把生成环节接入已有的自动化流程。

面向开发者和团队推荐:

接入前先确认三件事:模型 ID 是否仍为 viduq4-preview、目标分辨率对应的每秒 credits 费率、以及当前账号的并发与时长限额。预览版的规格、价格与限制在正式版发布前都可能调整,把版本号写进配置文件而非散落在代码里,可以在切换时减少改动。

如果通过第三方或统一 API 平台调用该模型,需要自行核对该平台列出的模型标识、实际计费方式与可用区域;不同平台的费率与原生 credits 定价并不等同,不能直接横向比较。商用交付前,还应确认所使用平台的商业许可与内容政策。

实用用例与最佳效果技巧

来源中给出的场景与操作建议集中在以下几类:

  1. AI 短剧与剧集:用多张角色参考配合音频参考,在多个镜头之间维持人物身份与声音的一致性。
  2. 广告与产品视频:以多张产品图加配音参考锁定产品外观与品牌风格。
  3. 社交内容与电影感短片:依靠多镜头叙事、动态运镜和强 VFX 完成单条成片。
  4. 迭代流程:先用低分辨率快速出草稿,调整提示词与参考素材,再以 2K 或 4K 渲染终稿。

提示词层面的有效做法包括:明确写出运镜方式(如缓慢推近、跟拍)、情绪、台词出现的时间点,并按顺序指明哪张参考图对应哪个元素(“图 1”“图 2”);每次只改动一个变量以便定位效果来源。原生音画同步质量较强,但商业交付前仍应逐条检查口型与音频,必要时做选择性后期处理。

需要注意的限制

作为预览版,Vidu Q4 Preview 当前不支持文生视频,因此输入内容中至少需要有一张图像;正式版 Q4 可能扩展这一范围,但在发布前不能据此规划生产。生成结果存在波动,复杂多主体场景仍需精心准备参考素材并反复调整提示词,才能稳定人物、产品与场景的一致性。原生音画同步整体较强,商业交付前仍应逐条检查口型、情绪与音频,并视需要做选择性后期处理。

另外,预览阶段的基准分数、时长与分辨率上限、credits 费率都可能调整;接入前应核对模型标识、计费与限额。无论使用官方渠道还是第三方平台,都需自行确认商业许可与内容政策,不能直接从预览能力推出正式版承诺。

结论与建议

Vidu Q4 Preview 的核心变化在于把高分辨率输出、多参考输入与原生同步音频整合到同一条生成路径上:最高 4K、16 秒,最多 15 张图像参考与 3 个音频参考,使其更适合需要角色、产品和声音跨镜头一致的工作流。AA-Video-I2V 第 3 名、1,179 Elo 的成绩,以及约 $0.014/秒起的入门价格,为短剧、广告、社交内容和电影感短片提供了可评估的生产选项。

选择时可回到生成路径本身:依赖参考图、音频参考和 2K/4K 交付的项目,可优先测试 Q4 Preview;需要文生视频或起止帧控制的流程,Q3 Pro 仍然适用。较为稳妥的路径是先在官方 Web 端做创意验证,再通过官方 API 接入自动化生产;若使用第三方平台,应单独核验模型版本、费率和授权。预览期的反馈会影响正式版的能力边界,早期充分测试有助于在正式发布后快速切换。