AI-modeller og plattformer
Vidu lanserer Q4 Preview av neste generasjons flaggskipmodell for KI-video

Viktige punkterVidu Q4 Preview koordinerer uttrykk, stemme og kamera slik at figurene holder seg…
Vis mer
- Vidu Q4 Preview koordinerer uttrykk, stemme og kamera slik at figurene holder seg sammen gjennom en scene.
- ShengShu hevder at Q4 Preview leverer opptil fem ganger så mye output for samme budsjett.
- Reference-to-Video godtar opptil 15 bilder og tre lydklipp for å holde subjektene konsistente.
ShengShu Technology lanserte Vidu Q4 Preview 7. oktober 2026, den første offentlige forhåndsvisningen av sin neste generasjons flaggskipmodell for uttrykksfull lyd og video. Lanseringsprisen starter på 0,014 dollar per sekund, og forhåndsvisningen er tilgjengelig gjennom Vidus nettprodukt og API‑plattform.
Modellen støtter opptil 15 bildereferanser og opptil tre lydreferanser, med utdata i 2K‑ eller 4K‑oppløsning og 10‑bits fargedybde. Selskapet sa at forhåndsvisningen retter seg mot uavhengige skapere, små studioer og produksjonsteam som arbeider både med fortellende og kommersiell produksjon.
Figurenes fremføring, kameraarbeid og visuelle effekter
ShengShu Technology sa at Q4 Preview er bygget for å bedre koordinere ansiktsuttrykk, følelser, kroppslig bevegelse og stemme, noe som gir mer subtile uttrykk, tydeligere formidling av følelser og mer naturlig bevegelse. Opptil tre referanse‑lydklipp hjelper med å holde en karakters stemme konsistent og stemmeføringen følelsesmessig samstemt, mens opptil 15 referansebilder kan fastsette karakterer, garderobe, rekvisitter, produkter og miljøer innen ett kreativt oppsett. Selskapet forklarte at disse kontrollene er ment å holde visuelle og vokale valg sammen gjennom en scene og gi fortellende prosjekter mer bevisst kontroll over iscenesettelse og fremføring.
Kunngjøringen beskriver tettere koordinering mellom kamerabevegelser, klipp og handling på skjermen: i raske sekvenser som kamper og forfølgelsesjakter er kameraet designet for å følge handlingen mer sammenhengende, og effekter som eksplosjoner, fyrverkeri og partikler smelter mer naturlig inn i omgivelsene. 2K‑ og 4K‑modusene kommer sammen med bedre belysning og overordnet estetikk, og det bredere oppløsningsområdet tjener både tidlige kreative tester og endelig høyoppløsningsutdata.
«Avanserte videomodeller bør bevise seg utover nøye utvalgte demonstrasjoner. Hver forbedring i effektivitet bør til slutt gi skapere friheten til å prøve ett ekstra opptak eller lage én ekstra versjon,» sa Yihang Luo, medgründer og administrerende direktør i ShengShu Technology, i lanseringskunngjøringen.
Pris og tiltenkt bruk
Utdataalternativene omfatter 540p, 720p, 1080p, 2K og 4K. ShengShu Technology sa at når utdataspesifikasjoner og faktureringsbetingelser er sammenlignbare, leverer Q4 Preview opptil fem ganger så mye utdata for samme budsjett. Selskapet knyttet prisene til realiteten i iterasjon: å få et produksjonsklart opptak krever vanligvis mer enn ett forsøk, enten det betyr å justere en karakters uttrykk, vurdere alternative kameravinkler eller eksperimentere med ulike åpninger. Som eksempler på tiltenkt bruk pekte de på reklame‑team som vurderer kreative konsepter og åpningssekvenser, e‑handels‑team som lager varianter for forskjellige produkter og målgrupper, samt filmskapere som tester opptredener, storyboard og tempo før de forplikter seg videre til produksjon.
Kunngjøringen bemerker at endelig pris, støttede oppløsninger, funksjonstilgjengelighet og bruksbetingelser kan variere etter plan og region, med full prisinformasjon og kampanjebetingelser publisert på Vidus nettside.
Produktmoduser og API‑spesifikasjoner
Vidus offisielle produktside oppgir modusene Image-to-Video og Reference-to-Video for Q4: Image-to-Video animerer ett opplastet bilde ut fra en tekstprompt, mens Reference-to-Video kombinerer én til 15 bildereferanser med null til tre lydreferanser for å holde motiver og stemmer konsistente. På produktsiden er Reference-to-Video oppført med varigheter på 1 til 16 sekunder og Image-to-Video med 3 til 16 sekunder, og de fremhevede egenskapene på siden omfatter en maksimal oppløsning på 4K og en maksimal videolengde på 16 sekunder. Utdataene beholder det opprinnelige sideforholdet til det opplastede materialet, og siden nevner KI-serier, reklame, innhold til sosiale medier og filmproduksjon som bruksområdene modellen er utviklet for.
For utviklere oppgir dokumentasjonen for bilde-til-video modellen under navnet viduq4-preview på POST https://api.vidu.com/ent/v2/img2video. Endepunktet tar imot ett enkelt bilde til den første videorammen i png, jpeg, jpg eller webp‑format opptil 50 MB, en prompt på opptil 20 000 tegn, varigheter fra 3 til 16 sekunder med standardverdi 5, og oppløsninger fra 540p opp til 4K med standard 720p. En lydparameter har standardverdien true, og produserer video med lyd som kan inkludere dialog og lydeffekter, og dokumentasjonen oppgir at modellen støtter lyd‑video‑synkronisering og automatisk kamerabytte.
Dokumentasjonen for referanse-til-video oppgir POST https://api.vidu.com/ent/v2/reference2video, som godtar én til 15 bilder og null til tre mp3‑lydreferanser på 3 til 12 sekunder hver, med sideforholdsvalg på 1:1, 9:16, 16:9, 3:4 og 4:3 og standard 16:9. Prompter kan inneholde tagger for referansesubjektene, og dokumentasjonen oppgir at modellen støtter generering av video med referanselyd, intelligent kamerabytte, konsistens på tvers av flere kameraposisjoner og simultan lyd‑ og video‑utdata. Returnerte opprettelses‑URL‑er forblir gyldige i 24 timer.
Vidu lanserer Q4 Preview før den fullstendige Q4‑modellen slik at skapere kan bruke den i reelle prosjekter, og ShengShu Technology sa at tilbakemeldinger om ytelse, kreativ kontroll og daglige produksjonsbehov vil forme den endelige utgivelsen.












