AI-modeller og platforme
Vidu lancerer Q4 Preview af næste generations flagskibs‑AI‑videomodel

NøglepunkterVidu Q4 Preview koordinerer udtryk, stemme og kamera, så figurerne hænger sammen gennem…
Vis mere
- Vidu Q4 Preview koordinerer udtryk, stemme og kamera, så figurerne hænger sammen gennem en scene.
- ShengShu hævder, at Q4 Preview leverer op til fem gange så meget output for samme budget.
- Reference-to-Video accepterer op til 15 billeder og tre lydklip for at holde motiverne konsistente.
ShengShu Technology lancerede Vidu Q4 Preview den 7. oktober 2026, den første offentlige forhåndsvisning af deres næste generations flagskibsmodel for udtryksfuld lyd og video. Lanceringens pris starter ved $0,014 pr. sekund, og forhåndsvisningen er tilgængelig via Vidus web‑produkt og API‑platform.
Modellen understøtter op til 15 billedreferencer og op til tre lydreferencer, med output i 2K‑ eller 4K‑opløsning og 10‑bit farvedybde. Virksomheden oplyser, at forhåndsvisningen henvender sig til uafhængige skabere, små studier og produktionsteams, der arbejder med både fortællende og kommercielt indhold.
Figurernes optræden, kameraarbejde og visuelle effekter
ShengShu Technology oplyser, at Q4 Preview er udviklet til bedre at koordinere ansigtsudtryk, følelser, kropsbevægelse og stemme, hvilket giver mere subtile udtryk, tydeligere formidling af følelser og mere naturlig bevægelse. Op til tre reference‑lydklip kan hjælpe med at holde en karakters stemme konsistent og stemmeføringen følelsesmæssigt afstemt, mens op til 15 reference‑billeder kan fastlægge karakterer, garderobe, rekvisitter, produkter og miljøer i et enkelt kreativt setup. Virksomheden siger, at disse kontroller er beregnet til at holde visuelle og vokale valg sammen gennem en scene og give fortællende projekter mere bevidst kontrol over iscenesættelse og præstation.
Meddelelsen beskriver en strammere koordinering mellem kamerabevægelser, klip og handling på skærmen: i hurtige sekvenser som kampe og forfølgelsesjagter er kameraet designet til at følge handlingen mere sammenhængende, og effekter som eksplosioner, fyrværkeri og partikler blander sig mere naturligt ind i deres omgivelser. 2K‑ og 4K‑tilstandene lanceres sammen med forbedret belysning og overordnet æstetik, hvor det bredere opløsningsområde tjener både tidlige kreative tests og færdigt output i høj opløsning.
“Avancerede videomodeller bør bevise deres værdi ud over omhyggeligt udvalgte demonstrationer. Hver forbedring i effektivitet bør i sidste ende give skaberne frihed til at prøve en ekstra optagelse eller lave en ekstra version,” sagde Yihang Luo, medstifter og administrerende direktør for ShengShu Technology, i lanceringsmeddelelsen.
Prisfastsættelse og tiltænkt anvendelse
Output‑mulighederne spænder fra 540p, 720p, 1080p, 2K til 4K. ShengShu Technology sagde, at når output‑specifikationer og faktureringsbetingelser er sammenlignelige, leverer Q4 Preview op til fem gange så meget output for samme budget. Virksomheden knytter prisfastsættelsen til iterationens realiteter: at opnå en produktionsklar optagelse kræver typisk mere end ét forsøg, hvad enten det betyder at justere en karakters udtryk, vurdere alternative kameravinkler eller eksperimentere med forskellige åbninger. Som eksempler på tiltænkt anvendelse pegede de på reklame‑teams, der afvejer kreative koncepter og åbningssekvenser, e‑handelsteams, der bygger variationer for forskellige produkter og målgrupper, samt filmskabere, der tester præstationer, storyboard og tempo, før de forpligter sig yderligere til produktion.
Meddelelsen bemærker, at den endelige prisfastsættelse, understøttede opløsninger, funktions‑tilgængelighed og brugsbetingelser kan variere efter plan og region, med fulde prisoplysninger og kampagnevilkår offentliggjort på Vidus hjemmeside.
Produkt‑tilstande og API‑specifikationer
Vidus officielle produktside angiver tilstandene Image-to-Video og Reference-to-Video for Q4: Image-to-Video animerer et enkelt uploadet billede ud fra en tekstprompt, mens Reference-to-Video kombinerer én til 15 billedreferencer med nul til tre lydreferencer for at bevare ensartede motiver og stemmer. På produktsiden er Reference-to-Video angivet med varigheder på 1 til 16 sekunder og Image-to-Video med 3 til 16 sekunder, og sidens fremhævede egenskaber omfatter en maksimal opløsning på 4K og en maksimal videolængde på 16 sekunder. Outputtet bevarer det oprindelige billedformat for det uploadede materiale, og siden nævner AI-serier, reklamer, indhold til sociale medier og filmproduktion som de anvendelser, modellen er udviklet til.
For udviklere angiver dokumentationen for billede-til-video modellen under navnet viduq4-preview på POST https://api.vidu.com/ent/v2/img2video. Endepunktet accepterer et enkelt billede til det første videobillede i png, jpeg, jpg eller webp‑format op til 50 MB, en prompt på op til 20.000 tegn, varigheder fra 3 til 16 sekunder med en standard på 5, og opløsninger fra 540p op til 4K med en standard på 720p. En lydparameter har standardværdien true, hvilket producerer video med lyd, der kan indeholde dialog og lydeffekter, og dokumentationen angiver, at modellen understøtter synkronisering af lyd og video og automatisk kameraskift.
Dokumentationen for reference-til-video angiver POST https://api.vidu.com/ent/v2/reference2video, som accepterer én til 15 billeder og nul til tre mp3‑lydreferencer på 3 til 12 sekunder hver, med billedformat‑muligheder på 1:1, 9:16, 16:9, 3:4 og 4:3 samt en standard på 16:9. Prompter kan indeholde tags for referencemotiver, og dokumentationen angiver, at modellen understøtter generering af video med referencelyd, intelligent kameraskift, konsistens på tværs af flere kamerapositioner og simultan lyd‑ og videooutput. Returnerede oprettelses‑URL’er forbliver gyldige i 24 timer.
Vidu udgiver Q4 Preview før den fulde Q4‑model, så skabere kan anvende den i reelle projekter, og ShengShu Technology sagde, at feedback om ydeevne, kreativ kontrol og daglige produktionsbehov vil forme den endelige udgivelse.












