Vidu AI：用 Vidu Q4 Preview 和 Q3 Pro，把分开拍的照片放进同一个场景

• Vidu Q4 Preview

  用一张照片或最多 15 张参考图生成视频，最高 4K。

  • 3–16 秒·
  • 540P / 720P / 1080P / 2K / 4K·
  • 声音可开可关·
  • 最多 15 张参考图

  60 积分起

  用这个模型

• Vidu Q3 Pro

  用文字或首尾帧生成视频，最长 16 秒。

  • 1–16 秒·
  • 540P / 720P / 1080P·
  • 声音可开可关

  20 积分起

  用这个模型

1. 2024 年 4 月

   Vidu 1.0

   生数科技和清华大学联合发布，称它是中国首个视频大模型，底层是他们把扩散模型和 Transformer 结合起来的 U-ViT 架构。

2. 2024 年 11 月

   Vidu 1.5

   推出多主体一致性：分别给它人物、物体或地点的图片，它能让每个主体在同一条视频里都认得出来。

3. 2025 年 1 月

   Vidu 2.0

   主打速度和价格，生数科技称它每秒的成本只有 1.5 的一半。

4. 2025 年 4 月

   Vidu Q1

   能在两张毫不相干的首帧和尾帧之间做转场，还能根据文字生成背景音乐和音效。

5. 2025 年底

   Vidu Q2

   面部表情和镜头控制更细腻，对白、音效和画面同步。

6. 2026 年 1 月

   Vidu Q3

   画面和声音一起生成，单条最长 16 秒，面向影视风格的场景。

7. 2026 年 10 月

   Vidu Q4 Preview

   赶在完整版 Q4 之前放出的预览版，只从图片生成，做出来的视频带声音。

1. 01

   选一个 Vidu 版本

   上面的生成器一打开就是 Vidu 模型。用版本卡片在两个版本之间切换：手上有图片就用 Q4 Preview，想从文字开始就用 Q3 Pro。
2. 02

   放上你的图片

   Q4 Preview 可以在首帧放一张照片，或者切到“参考”模式，最多放 15 张照片，把要出镜的人、宠物和地点都放进来。Q3 Pro 可以放一张首帧，再选择加尾帧，也可以一张图都不放。
3. 03

   告诉 Vidu 要发生什么

   只放一张首帧时，提示词可以不写。用参考图时，要用一句话说清它们怎么凑到一起，比如“狗在海滩上扑进女人怀里”；在 Q3 Pro 上只用文字生成，就要把整个场景写出来。
4. 04

   选时长、清晰度和声音

   设好时长和清晰度。声音默认开着，关掉也不会让“生成”按钮上的价格变低。
5. 05

   生成，然后看效果

   积分数没问题就点“生成”。视频会出现在“我的作品”里，点“重新制作”能把照片和提示词放回去再试一次。

• 能放 15 张参考图

  Q4 Preview 收的参考图，比 Plimo 菜单里其他视频模型都多。一群朋友各自的单人照，可以出现在同一个场景里。

• 和别的视频模型放在一起比

  两个 Vidu 版本点一下就能切换，同一组照片也能拿到 Seedance 或 海螺 AI 上跑，不用另外登录。

• 从 540p 一直到 4K

  Q4 Preview 的清晰度从 540p、1080p 到 2K、4K，可以先用低成本试一条，满意了再做成能上大屏的版本。

• 声音不额外收费

  两个版本都能给视频配上声音，开或关价格都一样，你只需要决定要不要。

• 先用注册积分上手

  Vidu 是会员模型。不过每个新账号注册时都会一次性拿到 100 积分，可以先花在 Seedance 2.0 Mini 或 Grok Imagine 1.5 的视频上，先体验一下 Plimo。

• 干净的视频，能用在工作里

  会员期间做的 Vidu 视频没有水印，可以商用，在账号里也保存得更久。

• Kling

  Kling 4.0 最长 30 秒，还能修改你上传的视频；Vidu 最长 16 秒，但 Q4 Preview 最多能放 15 张参考图，Kling 是 7 张。

• Veo

  Veo 3.1 Fast 固定出一条 8 秒、电影质感的镜头；Vidu 的时长可以自己定，声音也能关。

• Seedance

  Seedance 除了照片还能拿短视频当参考，而且它的 2.0 Mini 可以用注册积分来试；Vidu 只靠图片引导画面。

• Hailuo AI

  海螺 AI 的 MiniMax H3 Max 主打真实的面孔，每条都带声音，可以用首尾帧，或者最多 9 张照片加 3 段视频。

• Grok Imagine

  Grok Imagine 1.5 从 6 秒起步、自带声音，可以用注册积分试；Grok Imagine 系列还能生成静态图片。

• Wan

  Wan 3.0 能做 2 到 30 秒，除了最多 10 张照片，还能参考短视频。

• FLUX

  FLUX 3 Video 可以在正式生成前先看一版粗略草稿，最长 20 秒，靠首尾帧而不是参考图来引导。

• SkyReels

  SkyReels V4 即使没有首帧，也能落在你指定的尾帧上，这一点 Q4 Preview 做不到；不过它每次都要写提示词。

• HappyHorse

  HappyHorse 1.1 的用法和 Q4 Preview 很像，从首帧或一组参考图开始，但参考图最多 9 张，而且每次都得写提示词。

• 一张从没一起拍过的合影

  给每个朋友放一张单人照，最多 15 张，再描述大家围着生日蛋糕、蜡烛被吹灭的那一刻。Q4 Preview 就是为了让每张脸都认得出来而做的。

• 你、你的狗和常去的咖啡馆

  放一件夹克、你的狗和咖啡馆内景的参考图，再描述你穿着这件夹克推门进来，狗在脚边小跑跟着。

• 一个镜头，从小到大

  在 Q3 Pro 上，把小时候的照片设成首帧、最近的照片设成尾帧，视频会用一个连贯的镜头从过去走到现在。

• 只靠文字的场景

  Q3 Pro 不放图片也能生成。描述一盏纸灯笼从夜市升起、飘过亮着灯的屋顶，再加上底下人群的嘈杂声。

• 让人像照活过来

  把一张人像放进 Q4 Preview 的首帧，提示词留空，看看它会给出什么动作。

• 布置好场景的商品视频

  给 Q4 Preview 一张商品照、一张模特照和一张背景图，再描述模特从货架上取下这件商品。会员期间做的成片，可以发到自己的店铺。

• 不剪一刀的长镜头

  在 Q3 Pro 上写一个连续镜头，比如骑车的人从早市这头穿到那头，让它跑满 16 秒。

• 

  AI 视频生成

  用一句话、一张照片，或者两样一起，做一段短视频，模型随你挑。
• 

  图片转视频

  让一张静态照片动起来：人物有动作、镜头会运动，支持的模型还能配上声音。

全部模型