Vidu AI：用 Vidu Q4 Preview 和 Q3 Pro，把分開拍的照片放進同一個場景
Vidu AI 是什麼？
Vidu AI 是生數科技的影片模型系列，這家北京公司源自清華大學的研究。Vidu 的招牌是讓好幾個各自獨立的主體同時出現在一個場景裡，而且每一個都認得出來，生數科技把這叫做「多主體一致性」；聲音也能和畫面一起生成。上方的生成器有兩個版本：Vidu Q4 Preview 只從圖片出發，最多可以組合 15 張參考圖；Vidu Q3 Pro 能從文字提示詞開始，也能從一張起始影格開始，結尾影格可放可不放。兩個版本的影片都最長 16 秒。
Vidu Q4 Preview
把一張照片或最多 15 張參考圖變成影片，最高 4K。
- 3–16 秒
- 540P / 720P / 1080P / 2K / 4K
- 聲音可開可關
- 最多 15 張參考圖
60 點起
Vidu Q3 Pro
用一句話或起始與結尾影格生成，最長 16 秒。
- 1–16 秒
- 540P / 720P / 1080P
- 聲音可開可關
20 點起
Vidu 的發展過程
2024 年 4 月
Vidu 1.0
生數科技和清華大學把它當成中國第一個影片大模型發表，建立在雙方的 U-ViT 架構上，把擴散模型和 Transformer 結合在一起。
2024 年 11 月
Vidu 1.5
推出多主體一致性：分別給它人物、物品或地點的圖片，它能讓每一樣在同一支影片裡都認得出來。
2025 年 1 月
Vidu 2.0
重點放在速度和價格；生數科技表示，每秒的成本降到 1.5 的一半。
2025 年 4 月
Vidu Q1
可以在兩張毫不相干的起始、結尾影格之間做轉場，也能從文字生成背景音樂和音效。
2025 年底
Vidu Q2
臉部表情和運鏡控制更細膩，對白和音效同步生成。
2026 年 1 月
Vidu Q3
畫面和聲音一起生成，影片最長 16 秒，鎖定電影和影集風格的場景。
2026 年 10 月
Vidu Q4 Preview
趕在完整的 Q4 模型之前先推出，只從圖片出發，做出來的影片帶聲音。
在 Plimo 使用 Vidu 的步驟
挑一個 Vidu 版本
上方的生成器一打開就是 Vidu 模型。用版本卡片在兩個版本之間切換：手上有照片可用時選 Q4 Preview，想從文字開始就選 Q3 Pro。放進你的照片
用 Q4 Preview 時，把一張照片放進起始影格，或切到「參考」模式，放最多 15 張這個場景需要的人物、寵物和地點照片。Q3 Pro 收一張起始影格加上選用的結尾影格，也可以一張圖都不放。告訴 Vidu 會發生什麼
只有一張起始影格時，提示詞可以不寫。用參考圖時要寫一句話交代它們怎麼湊在一起，例如「狗狗在海邊撲進女生懷裡」；在 Q3 Pro 只用文字的話，就要把整個場景寫出來。選長度、畫質和聲音
設定長度和畫質。聲音預設是開的，關掉也不會讓「生成」按鈕上的價格變低。生成之後檢查成果
點數數字沒問題就按「生成」。影片會出現在「我的作品」，用「重新製作」可以把照片和提示詞載回來再試一次。
為什麼在 Plimo 用 Vidu
放得下 15 張參考圖
在 Plimo 選單裡的影片模型當中，Q4 Preview 收的參考圖最多，一整群朋友各自的獨照可以出現在同一個場景。從 540p 一路到 4K
Q4 Preview 的畫質從 540p 到 1080p，再一路到 2K 和 4K，可以先用低成本試做，最後再輸出夠清楚、能放上大螢幕的版本。加聲音不另外收費
兩個版本都能幫影片配上聲音，開或關價格都一樣，你只要決定想不想要。先用免費點數熟悉一下
Vidu 是會員模型，不過每個新帳號註冊時都會拿到一次免費點數，可以先拿去做 Seedance 2.0 Mini 或 Grok Imagine 1.5 的影片，摸熟 Plimo 再說。能拿去工作用的乾淨影片
有會員時做的 Vidu 影片，下載後沒有浮水印，可以用於商業用途，在帳號裡也會保留得更久。
Vidu 和其他影片模型的比較
Kling
Kling 4.0 最長 30 秒，還能編輯上傳的影片；Vidu 最長 16 秒，但 Q4 Preview 最多收 15 張參考圖，Kling 是 7 張。
Veo
Veo 3.1 Fast 固定給你 8 秒、帶電影感的鏡頭；Vidu 則能自己設定長度，也能把聲音關掉。
Seedance
Seedance 除了照片還收短的參考影片，而且可以用 2.0 Mini 拿免費點數試；Vidu 只靠圖片引導場景。
Hailuo AI
海螺 AI 的 MiniMax H3 Max 主打寫實的臉部，每支影片都有聲音，收起始和結尾影格，或最多 9 張照片加 3 段短片。
Grok Imagine
Grok Imagine 1.5 從 6 秒起跳、內建聲音，可以用免費點數試，Grok Imagine 系列也能做靜態圖片。
Wan
Wan 3.0 可以做 2 到 30 秒，除了最多 10 張照片，也能跟著參考影片走。
FLUX
FLUX 3 Video 可以在正式算圖前先看一版粗略草稿，最長 20 秒，靠的是影格而不是參考圖。
SkyReels
SkyReels V4 就算沒有起始影格，也能停在你選的結尾影格上，這點 Q4 Preview 做不到；另外它一定要寫提示詞。
HappyHorse
HappyHorse 1.1 的用法和 Q4 Preview 很像，從起始影格或一組參考圖出發，但參考圖上限是 9 張，而且每次都要寫提示詞。
大家用 Vidu 做什麼
從沒同框過的團體照
每個朋友各放一張獨照，最多 15 張，描述大家圍著同一個生日蛋糕、蠟燭被吹熄的那一刻。Q4 Preview 的設計就是讓每張臉都認得出來。你、你的狗和你最愛的咖啡廳
用一件夾克、你的狗和咖啡廳內部的照片當參考圖，再要求你穿著那件夾克走進店裡，狗狗小跑步跟在腳邊。從小到大，只用一個鏡頭
在 Q3 Pro 把小時候的照片設成起始影格、最近的照片設成結尾影格，影片會用一個連貫的動作從過去走到現在。只靠文字的場景
Q3 Pro 不放圖也能做。描述一盞紙燈籠從夜市升起、飄過一片亮著燈的屋頂，再加上底下人群的聲音。動起來的肖像照
把一張肖像放進 Q4 Preview 的起始影格，提示詞留白，看看它會替照片挑什麼動作。有佈景的商品影片
給 Q4 Preview 一張商品照、一張模特兒照和一張背景，描述模特兒從架上拿起商品。在會員期間生成的話，成品就能放上自己的網店。不剪接的長鏡頭
在 Q3 Pro 寫一個連續的鏡頭，例如一個騎腳踏車的人從早市這頭一路穿梭到那頭，讓它跑滿 16 秒。
