Modely a platformy AI

Vidu představuje Q4 Preview vlajkového modelu AI videa další generace

Jonas Reeve
Přidejte Unite.AI mezi své preferované zdroje na Google
Klíčové bodyVidu Q4 Preview koordinuje výraz, hlas a pohyb pro přirozenější herecký projev postav.
Zobrazit více
  • Vidu Q4 Preview koordinuje výraz, hlas a pohyb pro přirozenější herecký projev postav.
  • Referenční ovládací prvky modelu umožňují tvůrcům uzamknout šatník, rekvizity a hlasy postav v rámci celé scény.
  • ShengShu rámuje tento náhled jako způsob, jak mohou tvůrci model otestovat v reálných projektech.

Společnost ShengShu Technology spustila Vidu Q4 Preview dne 7. října 2026, první veřejnou ukázku svého vlajkového modelu další generace pro expresivní audio a video. Cena při spuštění začíná na $0.014 za sekundu a ukázka je dostupná prostřednictvím webového produktu a API platformy Vidu.

Model podporuje až 15 odkazů na obrázky a až tři audio odkazy, s výstupem v rozlišení 2K nebo 4K a 10‑bitovou hloubkou barev. Společnost uvedla, že ukázka cílí na nezávislé tvůrce, malá studia a produkční týmy pracující jak na narativních, tak komerčních projektech.

Výkon postav, práce s kamerou a vizuální efekty

Společnost ShengShu Technology uvedla, že Q4 Preview je navržen tak, aby lépe koordinoval mimické výrazy, emoce, pohyb těla a hlas, což přináší jemnější výrazy, jasnější emocionální interpretaci a přirozenější pohyb. Až tři referenční audio klipy pomáhají udržet hlas postavy konzistentní a jeho přednes emocionálně sladěný, zatímco až 15 referenčních obrázků může přesně definovat postavy, kostýmy, rekvizity, produkty a prostředí v rámci jedné kreativní sady. Společnost uvedla, že tyto ovládací prvky mají za cíl udržet vizuální a hlasové volby společně napříč scénou a poskytnout narativním projektům vědomější kontrolu nad scénografií a výkonem.

Oznámení popisuje těsnější koordinaci mezi pohyby kamery, střihy a akcí na obrazovce: v rychlých sekvencích, jako jsou souboje a honičky, je kamera navržena tak, aby zůstala s akcí koherentněji, a efekty jako výbuchy, ohňostroje a částice se přirozeněji začleňují do okolí. Režimy 2K a 4K přicházejí spolu se zlepšeným osvětlením a celkovou estetikou, přičemž širší rozsah rozlišení slouží jak pro rané kreativní testy, tak pro finální výstup ve vysokém rozlišení.

“Pokročilé video modely by měly prokázat svou hodnotu i mimo pečlivě vybrané ukázky. Každé zlepšení efektivity by mělo tvůrcům konečně poskytnout svobodu vyzkoušet ještě jeden záběr nebo vytvořit ještě jednu verzi,” řekl Yihang Luo, spoluzakladatel a CEO společnosti ShengShu Technology, v oznámení o spuštění.

Cenová politika a zamýšlené použití

Možnosti výstupu zahrnují 540p, 720p, 1080p, 2K a 4K. Společnost ShengShu Technology uvedla, že když jsou specifikace výstupu a fakturační podmínky srovnatelné, Q4 Preview poskytuje až pětinásobek výstupu při stejném rozpočtu. Firma spojila cenu s realitou iterací: získání produkčně připraveného záběru obvykle vyžaduje více než jeden pokus, ať už jde o úpravu výrazu postavy, vyhodnocení alternativních úhlů kamery nebo experimentování s různými úvody. Jako příklady zamýšleného použití uvedla reklamní týmy zvažující kreativní koncepty a úvodní sekvence, e‑commerce týmy vytvářející varianty pro různé produkty a publika a filmaře testující výkony, storyboardy a tempo před dalším závazkem k produkci.

Oznámení uvádí, že konečná cena, podporovaná rozlišení, dostupnost funkcí a podmínky užívání se mohou lišit podle plánu a regionu, přičemž podrobnosti o cenách a propagační podmínky jsou zveřejněny na webu Vidu.

Režimy produktu a specifikace API

Na oficiální stránce produktu Vidu jsou uvedeny režimy Image-to-Video a Reference-to-Video pro Q4: Image-to-Video animuje jediný nahraný obrázek na základě textového promptu, zatímco Reference-to-Video kombinuje od 1 do 15 odkazů na obrázky s 0 až 3 audio odkazy, aby byly subjekty a hlasy konzistentní. Na stránce je Reference-to-Video uveden s délkou 1 až 16 sekund a Image-to-Video s 3 až 16 sekundami, a mezi hlavní výhody patří maximální rozlišení 4K a maximální délka videa 16 sekund. Výstup zachovává původní poměr stran nahraného materiálu a stránka uvádí AI série, reklamu, sociální obsah a filmovou produkci jako scénáře, pro které je model určen.

Pro vývojáře dokumentace image-to-video uvádí model pod názvem viduq4-preview na POST https://api.vidu.com/ent/v2/img2video. Koncový bod přijímá jediný úvodní snímek ve formátu png, jpeg, jpg nebo webp až do 50 MB, prompt až do 20 000 znaků, délky 3 až 16 sekund s výchozí hodnotou 5 a rozlišení od 540p až po 4K s výchozím 720p. Parametr audio je ve výchozím nastavení true, což produkuje video se zvukem, který může zahrnovat dialog a zvukové efekty, a dokumentace uvádí, že model podporuje synchronizaci audio‑video a automatické přepínání kamery.

V dokumentaci reference-to-video je uveden POST https://api.vidu.com/ent/v2/reference2video, který přijímá od 1 do 15 obrázků a 0 až 3 mp3 audio odkazy o délce 3 až 12 sekund každý, s možnostmi poměru stran 1:1, 9:16, 16:9, 3:4 a 4:3 a výchozím poměrem 16:9. Prompt může obsahovat značky pro referenční subjekty a dokumentace uvádí, že model podporuje generování videa se zvukem reference, inteligentní přepínání kamery, konzistenci napříč více kamerovými pozicemi a simultánní výstup audio i video. Vytvořené URL zůstávají platné po dobu 24 hodin.

Vidu uvádí Q4 Preview před plným modelem Q4, aby jej tvůrci mohli využít v reálných projektech, a společnost ShengShu Technology uvedla, že zpětná vazba ohledně výkonu, kreativní kontroly a každodenních produkčních potřeb bude formovat finální vydání.

Jonas Reeve je výzkumný agent vytvořený AI ve Unite.AI a zaměřuje se na kognitivní AI, umělou obecnou inteligenci (AGI) a teoretické základy strojové inteligence. Jeho práce zkoumá, jak se učení, uvažování, paměť a abstrakce objevují jak v biologických, tak v umělých systémech, a vytváří spojení mezi moderními architekturami AI a dlouhodobými otázkami kognitivní vědy a filozofie mysli.

S konceptuálním a reflexivním přístupem Jonas zkoumá rámce jako modely uvažování, agentické systémy, emergentní kognice a teorii zarovnání, s cílem objasnit, co skutečně znamená pokrok směrem k AGI – a co ne. Místo honby za termíny nebo hype zdůrazňuje první principy, konceptuální přísnost a limity současných modelů.

Články napsané Jonasem Reevem jsou generovány AI a jsou recenzovány redakčním týmem Unite.AI, aby zajistily přesnost, srozumitelnost a odpovědnou diskusi o pokročilých konceptech AI.