Обзор предварительной версии Vidu Q4: видео в 4K, клипы до 16 секунд, несколько аудиореференсов и реальные цены

Генерация видео с помощью ИИ обычно обходится достаточно дорого, поэтому каждая неудачная попытка имеет значение.

Автор оригинального материала протестировал Vidu Q4 Preview, последнюю флагманскую модель для генерации видео от ShengShu Technology, и обнаружил совершенно иную структуру затрат.

Во время ограниченной по времени акции веб-продукта Vidu создание видео продолжительностью около одной минуты с «злой бабушкой» в окружении в стиле GTA 6 обошлось примерно в:

¥5,4 всего
≈ ¥0,09 за каждую сгенерированную секунду

Именно такая начальная цена делает эксперимент интересным.

Но здесь необходимо важное уточнение:

¥0,09/с — это акционная цена SaaS-продукта, а не стандартный тариф API Vidu.

На официальной API-платформе Vidu для Q4 Preview сейчас указана более высокая стоимость в кредитах, зависящая от разрешения.

Сама модель представляет собой нечто большее, чем просто недорогой генератор.

Vidu Q4 Preview поддерживает:

• вывод в разрешениях 540p, 720p, 1080p, 2K и 4K;
• клипы продолжительностью от 3 до 16 секунд;
• генерацию видео из изображения;
• генерацию видео по референсам;
• до 15 референсных изображений;
• до 3 референсных аудиоклипов;
• синхронизацию аудио и видео;
• автоматическое переключение камер;
• многокадровое повествование в рамках одной генерации.

Исходная статья посвящена не столько результатам бенчмарков, сколько тому, что создатели могут сразу оценить визуально: актёрской игре, языку камеры, визуальным эффектам, согласованности и тому, как низкая стоимость повторных попыток меняет творческий процесс.

Модель умеет передавать актёрскую игру, а повторные попытки обходятся недорого

Процесс тестирования достаточно прост.

На странице Reference-to-Video в Vidu нужно:

1. Загрузить изображения и аудио, необходимые для сцены.
2. Вставить эти референсы в промпт в нужных местах.
3. Выбрать Vidu Q4 Preview.
4. Указать длительность.
5. Выбрать разрешение.
6. Выбрать соотношение сторон.
7. Установить количество генераций.
8. Запустить генерацию и проверить результат.

В оригинальной статье был приведён скриншот интерфейса настройки, но исходное изображение не удалось надёжно получить во время подготовки материала, поэтому здесь оно не воспроизводится.

Официальная документация Vidu подтверждает следующие параметры режима генерации по референсам:

Продолжительность каждого референсного аудиоклипа может составлять от 3 до 12 секунд; согласно текущей документации, входной формат — MP3.

Тест 1: диалог и монтаж по схеме «восьмёрка»

Первый практический тест был посвящён актёрской игре.

Вместо персонажа «злой бабушки», использованного в начальном примере, автор выбрал мужчину и женщину иностранной внешности, говорящих на английском языке.

Ценность результата заключалась не в драматичном плаче или преувеличенных движениях.

Главным предметом проверки стал более спокойный кинематографический язык:

• один персонаж говорит;
• камера переходит через плечо другого персонажа;
• появляется обратный ракурс;
• между репликами сохраняется пауза;
• визуальный облик персонажей остаётся согласованным.

Автор обнаружил, что одна генерация может сохранять устойчивую структуру монтажа по схеме «вопрос — обратный ракурс».

Это важно, потому что сцены диалогов быстро выявляют слабые места ИИ-видео.

Большие движения лица иногда могут скрывать небольшие несоответствия.

Безмолвная пауза — нет.

Персонаж по-прежнему должен выглядеть как тот же человек, сохранять то же эмоциональное состояние и оставаться пространственно согласованным при смене камеры.

Сцены с экшеном сильнее проверяют согласованность

Во втором примере диалог сменился боевой сценой.

Пользователь Vidu под именем Spark 279 создал комиксоподобную сцену боя продолжительностью около десяти секунд.

В исходном материале отмечены:

• быстрые пробежки;
• удары и столкновения;
• движения персонажей;
• смена планов;
• визуальная согласованность на протяжении всей сцены.

Экшен создаёт иной тип проблем по сравнению с диалогом.

В быстрой боевой сцене модель должна одновременно отслеживать:

идентичность персонажа
+
положение тела
+
положение камеры
+
направление движения
+
геометрию окружения
+
момент появления эффектов

Когда один из этих элементов начинает смещаться, клип сразу выглядит искусственным.

По впечатлению автора исходного материала, Q4 Preview необычно хорошо для своей ценовой категории сохраняет эти взаимосвязи.

Это качественный тест, а не стандартизированный бенчмарк, однако он отражает способ, которым создатели на практике оценивают генеративное видео.

Освещение и эффекты должны влиять на всю сцену

Следующий тест перенёс действие в масштабное научно-фантастическое окружение.

Астронавт находился на смотровой платформе перед огромной подвешенной конструкцией над морем облаков.

Самой важной деталью была не конструкция.

Ею стало освещение.

Когда машина загоралась, тёплый оранжевый свет появлялся также на:

• белом костюме астронавта;
• расположенных рядом перилах;
• облаках внизу.

Когда конструкция тускнела, сцена снова приобретала более холодный оттенок.

Исходный материал использует этот пример, чтобы провести полезное различие.

Визуальный эффект выглядит убедительнее, когда он не просто «нанесён» на одну часть кадра.

Он должен менять окружающую среду.

Например:

взрыв
→ ближайшие поверхности становятся ярче
→ дым движется вслед за происходящим
→ частицы реагируют на сцену
→ движения персонажа остаются синхронизированными

Vidu Q4 Preview позиционируется как модель с более выразительными кинематографическими эффектами, взаимодействием со сценой и динамикой камеры.

Реклама — более практичный тест

Автор также попробовал создать рекламу кофе.

Такой клип менее зрелищен, чем экшен-сцена, но лучше отражает коммерческие сценарии использования генеративного видео.

Для рекламного ролика продукта необходимы:

• чёткая демонстрация объекта;
• контролируемое движение камеры;
• стабильная фактура;
• неизменная идентичность продукта;
• плавный тайминг;
• отполированный финальный вид.

В исходном материале результат описывается просто как плавный и пригодный для использования.

Именно такой сценарий может быть одним из самых сильных коммерческих аргументов в пользу модели вроде Q4 Preview.

Создатели могут генерировать несколько версий:

• рекламных роликов продуктов;
• коротких роликов для социальных сетей;
• сцен коротких историй;
• контента с персонажами;
• концептуальных трейлеров,

не воспринимая каждую повторную попытку как серьёзное бюджетное решение.

Цену необходимо рассматривать с двух разных сторон

Это самое важное фактическое уточнение в оригинальной статье.

В статье указано:

~¥0,09 за секунду

и сообщается, что шесть клипов общей продолжительностью около 110 секунд стоили менее ¥10.

Эта математика соответствует начальной цене SaaS-продукта по ограниченной акции:

110 × ¥0,09 ≈ ¥9,90

Однако стандартная цена API Vidu отличается.

Стандартные цены китайского API Vidu

На официальной китайской API-платформе Vidu сейчас указано:

1 кредит = ¥0,03125

Q4 Preview расходует:

Таким образом, генерация продолжительностью десять секунд через API стоит примерно:

Утверждение оригинальной статьи о том, что генерация в 720p через API стоит «около ¥0,6/с», а в 1080p — «около ¥0,75/с», поэтому является точным.

Почему в исходном примере 110 секунд стоили менее ¥10

Потому что в этом примере использовалась акция веб-продукта, а не стандартная тарификация API.

Vidu запустила Q4 Preview с акционной ценой SaaS, которая могла снизить стоимость некоторых режимов генерации до нескольких цзяо — или, в минимально рекламируемом варианте, до ¥0,09 за секунду.

Главное правило:

Всегда проверяйте, относится ли указанная цена Vidu к акционному использованию SaaS, кредитам API, разрешению, скидкам тарифного плана или временному предложению на момент запуска.

Эти показатели нельзя считать взаимозаменяемыми.

Почему Q4 Preview выглядит лучше: три ключевых направления

После практических тестов исходный материал переходит к самой модели.

Vidu позиционирует Q4 как новое поколение флагманских моделей, ориентированное на выразительность видео.

Выпуск Preview уделяет особое внимание трём направлениям:

1. Более убедительная актёрская игра персонажей.
2. Более выразительный кинематографический язык камеры.
3. Более эффектные визуальные эффекты.

Эти направления напрямую соответствуют типичным проблемам генеративного видео.

1. Актёрская игра персонажей: эмоциям нужны переходы

Многие сгенерированные персонажи уже выглядят фотореалистично.

Более сложная задача заключается в том, чтобы персонаж действительно выглядел играющим роль.

Типичная ошибка выглядит так:

нейтральное выражение лица
→ внезапная улыбка
→ внезапная грусть

При этом переход между эмоциональными состояниями практически отсутствует.

По утверждению исходного материала, Q4 Preview заметно лучше передаёт небольшие изменения в:

• выражении лица;
• эмоциях;
• языке тела;
• тайминге;
• паузах.

Именно поэтому автор уделяет столько внимания диалоговым сценам, а не только взрывам и экшену.

Тонкая актёрская игра часто оказывается более сложным тестом.

Референсное аудио становится частью персонажа

Голос также является частью актёрской игры.

Режим Reference-to-Video поддерживает до:

3 референсных аудиоклипов

На официальной странице продукта Vidu указано, что эти голосовые референсы помогают сохранять голос персонажа в разных сгенерированных сценах.

Аудио не является просто независимым саундтреком.

Цель состоит в согласовании:

• голоса персонажа;
• подачи реплик;
• синхронизации губ;
• эмоционального тона

с визуальной актёрской игрой.

Это важно, когда персонаж появляется в нескольких сценах с разными эмоциями.

Модель может использовать одну и ту же голосовую идентичность, меняя при этом манеру подачи.

2. Язык камеры — это больше, чем движение камеры

Второе направление связано с кинематографией.

Исходный материал выделяет такие движения, как:

• следящее движение;
• орбитальное движение;
• наезд;
• отъезд;
• вертикальное движение;
• движение в стиле FPV.

Официальная страница Q4 также подчёркивает многокадровое повествование и плавное движение камеры.

Одна из полезных особенностей улучшения — сохранение согласованности объекта во время таких движений.

Сложность заключается не в том, чтобы заставить камеру двигаться.

Сложность в том, чтобы при движении камеры сохранить:

идентичность объекта
+
пространственные взаимосвязи
+
геометрию сцены

Q4 Preview также может переключаться между общими и крупными планами в рамках одной генерации.

Максимальная продолжительность одного клипа составляет:

16 секунд

Этого достаточно для короткого экшен-эпизода или многокадровой сцены.

3. Эффекты должны иметь физические и визуальные последствия

Третье направление — визуальные эффекты.

Исходный материал делает важное замечание: описать взрыв несложно.

Гораздо сложнее заставить всё вокруг взрыва правильно на него отреагировать.

Убедительный результат требует:

• рассеянного света;
• движения дыма;
• частиц;
• реакции объектов и персонажей;
• реакции камеры;
• согласованного освещения окружающей среды.

Научно-фантастический тест представлен как пример более комплексного поведения эффектов.

И снова речь идёт о субъективном тесте создателя, а не о формальном бенчмарке.

Однако это практический критерий оценки для генеративного видео, предназначенного для производства.

Прямой вывод до 4K

Vidu Q4 Preview поддерживает прямую генерацию в разрешениях:

540p
720p
1080p
2K
4K

Это указано как на странице продукта Vidu, так и в API-документации.

Поддержка распространяется на интерфейсы image-to-video и reference-to-video для Q4 Preview.

Это важно, поскольку понятие «поддержка 4K» может означать разные вещи в продуктах для генерации видео с помощью ИИ.

В данном случае 4K выглядит как нативно выбираемое разрешение вывода в официальном API генерации, а не только как отдельный рабочий процесс стороннего повышения разрешения.

Компромисс заключается в цене.

По стандартным тарифам API генерация в 4K расходует:

78 кредитов / секунду
≈ ¥2,4375 / секунду

Поэтому создателям не следует предполагать, что рекламная цена ¥0,09/с распространяется на генерацию в 4K через API.

Пятнадцать изображений упрощают согласованность нескольких персонажей

Последнее техническое направление связано с количеством референсов.

В режиме Reference-to-Video Q4 Preview поддерживает:

1–15 референсных изображений

Это даёт создателям возможность разделить исходные материалы.

Например:

референс 1:
главный персонаж

референс 2:
второй персонаж

референс 3:
костюм

референс 4:
предмет-реквизит

референс 5:
локация

референс 6:
визуальный стиль

Затем в промпте можно описать взаимодействие этих референсов.

Это полезно для истории, в которой один и тот же персонаж перемещается между:

• площадью;
• свалкой металлолома;
• улицей;
• интерьером,

не меняя внешность каждый раз.

Большое количество референсов не гарантирует идеальную согласованность, но даёт модели больше явной информации для работы.

Почему более низкая стоимость меняет творческий процесс

Последний крупный раздел исходного материала фактически посвящён итерациям.

Генерация видео с помощью ИИ уже имеет сходство с «вытягиванием карт» в игре.

Вы создаёте несколько версий и надеетесь, что одна из них окажется удачной.

Это не обязательно признак неудачи.

Вариативность — часть генеративного творческого процесса.

Проблема заключается в стоимости.

Когда каждая попытка обходится дорого, создатели прекращают экспериментировать.

Дешёвый цикл повторных попыток меняет процесс:

сгенерировать
→ проверить
→ изменить промпт
→ повторить
→ сравнить
→ сохранить лучший вариант

Вместо того чтобы пытаться довести промпт до идеала ещё до нажатия кнопки Generate, создатель может проверить несколько интерпретаций.

В этом и заключается настоящее значение рекламной цены ¥0,09/с.

Даже если долгосрочная цена или стоимость API выше, более низкая стоимость генерации уменьшает штраф за эксперименты.

Что на самом деле означает «в пять раз больше материала за те же деньги»

Исходный материал описывает впечатление так:

«За те же деньги можно купить в пять раз больше видеоматериала».

Это не универсальное сравнение цен со всеми конкурирующими моделями.

Так автор описывает то, как акционная стоимость Q4 Preview изменила его собственный бюджет на тестирование.

Если каждый кадр генерируется два или три раза, низкая стоимость одной попытки может существенно повлиять на результат.

Для создателей важно учитывать не только:

стоимость одной сгенерированной секунды

но и:

стоимость одной пригодной для использования секунды

Если модель стоит дёшево, но требует десяти повторных попыток, фактическая стоимость производства всё равно может оказаться высокой.

Если согласованность и актёрская игра достаточно улучшаются, чтобы сократить количество повторов, экономика улучшается сразу по двум направлениям:

более низкая стоимость генерации
+
меньше неудачных творческих попыток

Пользователям SaaS и API нужно обращать внимание на разные параметры

В исходном материале упоминаются как SaaS-продукт Vidu, так и платформа MaaS/API.

Они предназначены для разных рабочих процессов.

Vidu Web / SaaS

Лучше всего подходит создателям, которые хотят:

• вручную загружать референсы;
• интерактивно составлять промпты;
• сравнивать генерации;
• использовать акционные тарифы;
• создавать отдельные клипы.

Vidu API / MaaS

Лучше всего подходит командам, которым необходимо:

• программно запускать генерацию;
• интегрировать видео в приложение;
• создавать повторяемые конвейеры;
• управлять длительностью и разрешением через параметры;
• использовать обратные вызовы и управление задачами.

Для API официальным идентификатором модели является:

viduq4-preview

Эндпоинт image-to-video:

POST /ent/v2/img2video

Эндпоинт reference-to-video:

POST /ent/v2/reference2video

Эти названия эндпоинтов приведены для справки; в самой оригинальной статье не было примера кода API.

Текущие спецификации Q4 Preview

Эта таблица отражает текущую документацию Vidu и точнее описывает возможности, чем предположение о том, что каждая функция Vidu доступна в каждом режиме генерации Q4 Preview.

Часто задаваемые вопросы

Что такое Vidu Q4 Preview?

Vidu Q4 Preview — новая флагманская модель ShengShu Technology для генерации видео с выразительной актёрской игрой персонажей, кинематографическим движением камеры и визуальными эффектами. Она поддерживает генерацию видео из изображения и по референсам, включая синхронизированное аудио.

Поддерживает ли Vidu Q4 Preview разрешение 4K?

Да. На официальной странице продукта Vidu и в API-документации для Q4 Preview указаны разрешения 540p, 720p, 1080p, 2K и 4K.

Какой максимальной продолжительности может быть видео Vidu Q4 Preview?

Официальный API поддерживает клипы продолжительностью от 3 до 16 секунд. На странице продукта Vidu также заявлена длительность до 16 секунд для многокадрового повествования.

Сколько референсных изображений можно использовать в Vidu Q4?

Режим Reference-to-Video принимает от 1 до 15 изображений. Их можно использовать для задания персонажей, костюмов, предметов, локаций или стилей.

Может ли Vidu Q4 клонировать голос персонажа или использовать его как референс?

Режим Reference-to-Video поддерживает до трёх референсных аудиофайлов. Vidu описывает их как голосовые референсы, предназначенные для согласования голоса персонажа, эмоциональной подачи и синхронизации аудио с движением губ.

Действительно ли Vidu Q4 стоит ¥0,09 за секунду?

Эта цифра относится к ограниченной по времени стартовой акции SaaS-продукта и должна рассматриваться как минимальная акционная цена. Стандартная стоимость API выше и зависит от разрешения; например, официальная цена китайского API составляет около ¥0,59375/с в 720p и ¥0,75/с в 1080p.

Сколько стоит Vidu Q4 в 4K через API?

В китайском API Vidu для Q4 Preview в 4K указано потребление 78 кредитов за сгенерированную секунду. При стандартной указанной цене кредита ¥0,03125 это составляет примерно ¥2,4375 за секунду до применения скидок конкретного тарифного плана.

Доступен ли Vidu Q4 Preview через API?

Да. В документации Vidu модель viduq4-preview указана для режимов image-to-video и reference-to-video в Open Platform API.

Связанные инструменты

• Vidu: официальный веб-продукт Vidu для интерактивной генерации видео с помощью ИИ.
• Vidu Open Platform: официальная API-платформа для интеграции моделей Vidu для генерации видео.
• Vidu Q4: официальная страница продукта с информацией о возможностях Q4, лимитах референсов, длительности и разрешении.
• Vidu Q4 Reference-to-Video API: официальная API-документация по генерации с несколькими референсными изображениями и аудио.
• Vidu Q4 Image-to-Video API: официальная API-документация по анимации исходного изображения с помощью Q4 Preview.

Связанные ссылки

• Оригинальная статья на BAAI Hub: китайскоязычный практический материал QbitAI, адаптированный и проверенный в этой статье.
• Официальная страница Vidu Q4: официальный обзор вывода в 4K, клипов продолжительностью 16 секунд, 15 референсных изображений и трёх голосовых референсов.
• Документация Vidu Q4 Reference-to-Video: официальные параметры запросов и поддерживаемые референсные материалы.
• Документация Vidu Q4 Image-to-Video: официальные спецификации длительности, разрешения, аудио и входного изображения.
• Карта моделей Vidu China: текущая официальная таблица возможностей Q4 Preview и предыдущих моделей Vidu Q.
• Цены Vidu China: текущая цена кредита API и потребление Q4 Preview по каждому разрешению.
• Vidu Open Platform: официальная китайская API-платформа и актуальные пакеты запуска Q4.

Итоги

Vidu Q4 Preview объединяет несколько характеристик, которыми создателям обычно приходится жертвовать: вывод в высоком разрешении, согласованность по нескольким референсам, голосовые референсы, синхронизированное аудио, более длинные многокадровые клипы и относительно низкую стоимость генерации.

Практические результаты из исходного материала сосредоточены на наиболее важных для готового видео аспектах — актёрской игре, паузах, смене планов, согласованности в экшен-сценах, освещении окружения и коммерческой проработке. Эти наблюдения носят качественный характер, однако такие базовые возможности, как вывод в 4K, длительность 16 секунд, 15 референсных изображений и три аудиореференса, подтверждены официальной документацией Vidu.

Главный вывод о цене заключается в том, что рекламная стоимость ¥0,09/с — это начальная акционная ставка SaaS-продукта, а не стандартная цена API. Пользователям API следует рассчитывать затраты на основе кредитов, зависящих от разрешения, а создателям, работающим в веб-продукте, — проверять текущий акционный тариф перед оценкой проекта.

Главное практическое преимущество Q4 Preview заключается в том, что лучшая согласованность и более дешёвые повторные попытки делают эксперименты менее болезненными: создатели могут больше времени тратить на выбор лучшего варианта, а не на экономию каждого кредита генерации.