Vidu Q4 預覽評測：4K AI 影片、16 秒片段、多重參考音訊與實際價格

AI 影片生成通常成本高昂，因此每一次失敗生成都會帶來負擔。

原作者測試了 Vidu Q4 Preview，這是 ShengShu Technology 最新的旗艦影片生成模型，並發現其成本結構相當不同。

透過 Vidu 限時網頁產品促銷活動，一支約一分鐘、以 GTA 6 風格場景呈現的「邪惡奶奶」影片，成本約為：

總計約 ¥5.4
≈ 每生成一秒 ¥0.09

正是這個入門價格，讓這項實驗變得有趣。

但必須加上一項重要說明：

¥0.09／秒是促銷 SaaS 價格，不是 Vidu 的標準 API 費率。

Vidu 官方 API 平台目前列出的 Q4 Preview 價格更高，並且會依輸出解析度而異。

模型本身也不只是低成本生成器。

Vidu Q4 Preview 支援：

• 540p、720p、1080p、2K 與 4K 輸出
• 3–16 秒片段
• 圖片生成影片
• 參考素材生成影片
• 最多 15 張參考圖片
• 最多 3 段參考音訊
• 音畫同步
• 自動切換鏡頭
• 單次生成中的多鏡頭敘事

原始文章較少聚焦於基準測試數據，而是著重於創作者能立即觀察到的表現：演技、鏡頭語言、視覺效果、一致性，以及較低重試成本如何改變創作流程。

它能夠表演，而且便宜到足以重試

測試流程相當直接。

在 Vidu 的 Reference-to-Video 頁面中：

1. 上傳場景所需的圖片與音訊。
2. 將這些參考素材插入提示詞中相應的位置。
3. 選擇 Vidu Q4 Preview。
4. 選擇片段時長。
5. 選擇解析度。
6. 選擇畫面比例。
7. 設定生成數量。
8. 生成並檢視結果。

原始文章包含了這個設定介面的截圖，但準備期間無法可靠取得該來源圖片，因此本文不予重現。

Vidu 官方文件確認了參考素材生成影片的底層參數：

每段參考音訊可以長達 3–12 秒，目前文件記載的輸入格式為 MP3。

測試一：對話與正反打

第一項實際測試聚焦於表演。

原作者沒有使用開頭範例中的「邪惡奶奶」角色，而是改用一名外國男性與一名外國女性進行英文對話。

結果中真正有價值的部分，不是戲劇化的哭泣或誇張動作。

而是更安靜的電影語言測試：

• 一名角色說話。
• 鏡頭越過另一名角色的肩膀拍攝。
• 畫面切換到反向角度。
• 台詞之間保留停頓。
• 角色在視覺上保持一致。

原作者發現，單次生成可以維持穩定的正反打結構。

這一點很重要，因為對話場景往往能迅速暴露 AI 影片的弱點。

大幅度的臉部動作有時可以掩蓋細微的不一致。

但一段無聲停頓做不到這一點。

角色仍然需要看起來像同一個人，在鏡頭改變時維持相同的情緒狀態，並保持空間上的連貫性。

動作場景對一致性的壓力更大

第二個範例從對話轉向戰鬥。

一名名為「Spark 279」的 Vidu 使用者製作了一段約十秒的漫畫風格打鬥片段。

來源文章強調了以下幾點：

• 快速衝刺
• 撞擊
• 角色移動
• 鏡頭切換
• 片段前後的視覺一致性

動作場景與對話場景面臨的是不同的失效模式。

在快速戰鬥場景中，模型必須持續追蹤：

角色身分
+
身體位置
+
鏡頭位置
+
運動方向
+
環境幾何關係
+
特效時機

其中任何一項發生漂移，片段就會立即產生合成感。

原作者的印象是，Q4 Preview 以這個價格帶而言，異常良好地維持了這些關係。

這是一項定性測試，而不是標準化基準測試，但它反映了創作者實際評估生成式影片的方式。

光線與特效需要影響整個場景

下一項測試轉向大型科幻環境。

場景讓一名太空人站在觀景平台上，面向雲海上方一座巨大的懸浮結構。

最重要的細節不是結構本身。

而是光線。

當機器發光時，暖橙色光線也出現在：

• 太空人的白色太空衣上
• 附近的欄杆上
• 下方的雲層上

當結構變暗時，場景則回到較冷的色調。

來源文章藉此提出了一項有用的區分。

如果視覺效果不只是被「塗」在畫面某個部分，而是能影響周圍環境，效果就會更具說服力。

例如：

爆炸
→ 鄰近表面變得更亮
→ 煙霧隨動作移動
→ 粒子對場景產生反應
→ 角色動作保持同步

Q4 Preview 明確定位於更強的電影級特效、場景互動與鏡頭動態。

廣告是更實用的測試

原作者也嘗試製作咖啡廣告。

這類片段不如動作場景那麼壯觀，但更能代表商業 AI 影片的使用方式。

產品影片需要：

• 清楚呈現主體
• 受控的鏡頭移動
• 穩定的材質紋理
• 一致的產品身分
• 流暢的節奏
• 經過打磨的最終效果

來源文章簡單地將結果描述為流暢且可用。

這類工作流程可能是 Q4 Preview 最具商業價值的理由之一。

創作者可以生成多個版本的：

• 產品廣告
• 社群短片
• 短篇故事場景
• 角色內容
• 概念預告片

而不必把每次重試都視為重大預算決策。

價格需要分成兩個部分說明

這是原始文章中最重要的事實澄清。

文章提到：

每秒約 ¥0.09

並指出六段總長約 110 秒的影片，成本低於 ¥10。

這個計算與限時 SaaS 入門價格一致：

110 × ¥0.09 ≈ ¥9.90

但 Vidu 的標準 API 定價不同。

Vidu 中國 API 標準價格

Vidu 官方中國 API 平台目前列出的價格為：

1 點數 = ¥0.03125

Q4 Preview 的消耗量如下：

因此，一次十秒的 API 生成成本約為：

原始文章所說的 API 720p「約 ¥0.6／秒」以及 1080p「約 ¥0.75／秒」，因此是準確的。

為什麼來源文章仍能以低於 ¥10 的價格生成 110 秒

因為該範例使用的是網頁產品促銷活動，而不是標準 API 計費。

Vidu 推出 Q4 Preview 時提供了促銷 SaaS 價格，部分生成模式的價格可以降至幾角錢；在最低宣傳價格的情況下，甚至可達到每秒 ¥0.09。

重要規則是：

始終確認所引用的 Vidu 價格，是指 SaaS 促銷使用、API 點數、解析度、方案折扣，還是限時上市優惠。

這些數字不能互相替換。

為什麼 Q4 Preview 看起來更好：三個重點領域

完成實作測試後，來源文章轉而分析模型本身。

Vidu 將 Q4 定位為新一代旗艦模型，重點在於更具表現力的影片能力。

Preview 版本強調三個領域：

1. 更具說服力的角色表演
2. 更強的電影級鏡頭語言
3. 更具衝擊力的視覺效果

這些領域與 AI 生成影片常見的失效模式高度吻合。

1. 角色表演：情緒需要過渡

許多生成角色已經具備寫實的外觀。

更困難的問題在於，他們不一定看起來真的在表演。

常見的失效形式如下：

中性表情
→ 突然微笑
→ 突然悲傷

不同狀態之間幾乎沒有情緒過渡。

來源文章認為，Q4 Preview 在以下細微變化上明顯更好：

• 臉部表情
• 情緒
• 肢體語言
• 時間節奏
• 停頓

這就是為什麼原作者花費大量篇幅測試對話場景，而不只是爆炸與動作場景。

細微的表演通常是更困難的測試。

參考音訊成為角色的一部分

聲音也是表演的一部分。

Reference-to-Video 支援最多：

3 段參考音訊

Vidu 官方產品頁面表示，這些聲音參考可以協助在生成場景之間維持角色的聲音。

音訊不只是無關的背景配樂。

目標是讓以下要素保持一致：

• 角色聲音
• 台詞表達
• 唇形同步
• 情緒語氣

當角色以不同情緒出現在多個場景中時，這一點相當重要。

模型可以在改變表達方式的同時，使用相同的聲音身分。

2. 鏡頭語言不只是鏡頭移動

第二個重點是電影攝影。

來源文章強調了以下鏡頭運動：

• 跟拍
• 環繞
• 推近
• 拉遠
• 垂直移動
• FPV 風格運動

Q4 官方頁面也強調多鏡頭敘事與流暢的鏡頭運動。

其中一項有用的改進，是主體在鏡頭運動過程中的一致性。

更困難的問題不是讓鏡頭移動。

而是在鏡頭運動時維持：

主體身分
+
空間關係
+
場景幾何

Q4 Preview 也可以在單次生成中切換較寬與較窄的視角。

其單一片段最長時長為：

16 秒

這讓模型有足夠時間呈現一個短動作節拍或多鏡頭場景。

3. 特效需要產生物理與視覺後果

第三個重點是視覺效果。

來源文章提出了一個很好的觀察：描述爆炸很容易，讓爆炸周圍的一切都正確產生反應則更難。

出色的結果需要：

• 光線溢出
• 煙霧運動
• 粒子效果
• 主體反應
• 鏡頭回應
• 一致的環境光線

科幻測試被用作這種整合式特效行為的範例。

再次說明，這是創作者的主觀測試，而不是正式基準測試。

但它是評估生產型生成式影片時的一項實用標準。

最高可直接輸出 4K

Vidu Q4 Preview 支援直接生成：

540p
720p
1080p
2K
4K

Vidu 產品頁面與 API 文件都記載了這項能力。

這項支援適用於 Q4 Preview 的圖片生成影片與參考素材生成影片介面。

這一點很重要，因為 AI 影片產品所謂的「支援 4K」可能代表不同含義。

在此處，4K 是官方生成 API 中原生可選的輸出解析度，而不只是額外的第三方升頻流程。

代價是價格。

按照標準 API 費率，4K 消耗：

78 點數／秒
≈ ¥2.4375／秒

因此，創作者不應假設每秒 ¥0.09 的促銷標題價格適用於 4K API 生成。

15 張圖片讓多角色一致性更容易

最後一個技術重點是參考素材容量。

Q4 Preview 在 Reference-to-Video 模式中支援：

1–15 張參考圖片

這讓創作者可以將素材分開指定。

例如：

參考 1：
主要角色

參考 2：
第二名角色

參考 3：
服裝

參考 4：
道具

參考 5：
地點

參考 6：
視覺風格

接著，提示詞可以描述這些參考素材如何互動。

這對於需要讓同一角色在不同地點之間移動的故事很有用，例如：

• 廣場
• 廢車場
• 街道
• 室內空間

同時又不會每次都改變外觀。

參考素材容量不代表一定能達到完美一致性，但它能提供更多明確資訊供模型使用。

為什麼較低成本會改變創作流程

來源文章最後一個主要段落其實是在討論反覆迭代。

AI 影片生成已經有點類似遊戲中的「抽卡」：

你生成多個版本，並希望其中一個符合要求。

這不一定代表失敗。

變化本來就是生成式創作的一部分。

問題在於成本。

當每次嘗試都很昂貴時，創作者就會停止探索。

低成本重試循環會改變流程：

生成
→ 檢視
→ 修改提示詞
→ 重試
→ 比較
→ 保留最佳版本

創作者不必在按下生成之前，試圖把提示詞調整到完美，而是可以測試多種解讀方式。

這才是每秒 ¥0.09 促銷價格真正重要的地方。

即使長期價格或 API 價格更高，較低的生成成本仍能降低實驗的代價。

「相同預算購買五倍影片素材」真正代表什麼

來源文章將這項體驗總結為：

「相同的錢可以購買五倍的影片素材。」

這並不是與所有競爭模型進行的普遍價格比較。

這是原作者對促銷 Q4 Preview 如何改變自身測試預算的描述。

如果每個鏡頭都要生成兩到三次，較低的單次生成價格就可能帶來巨大差異。

對創作者而言，有用的指標不只是：

每生成一秒的成本

而是：

每一秒可用影片的成本

如果模型便宜，但需要重試十次，有效製作成本仍可能很高。

如果一致性與表演能力足以降低重試次數，經濟效益就會同時改善兩次：

較低的生成價格
+
較少失敗的創意版本

SaaS 與 API 使用者應關注不同事項

來源文章同時提到了 Vidu 的 SaaS 產品與 MaaS／API 平台。

兩者服務於不同的工作流程。

Vidu 網頁版／SaaS

較適合希望：

• 手動上傳參考素材
• 互動式撰寫提示詞
• 比較不同生成結果
• 使用促銷方案
• 製作個別片段

的創作者。

Vidu API／MaaS

較適合需要：

• 以程式生成
• 將影片整合至應用程式
• 執行可重複的流程
• 透過參數控制時長與解析度
• 使用回呼與任務管理

的團隊。

對 API 使用而言，官方模型 ID 為：

viduq4-preview

圖片生成影片端點：

POST /ent/v2/img2video

參考素材生成影片端點：

POST /ent/v2/reference2video

這些端點名稱僅供參考；原始文章本身沒有包含 API 程式碼範例。

目前 Q4 Preview 規格

這張表反映目前 Vidu 文件中的資訊，比將所有 Vidu 產品功能都視為適用於每一種 Q4 Preview 生成模式更加精確。

常見問題

什麼是 Vidu Q4 Preview？

Vidu Q4 Preview 是 ShengShu Technology 推出的新一代旗艦 AI 影片生成模型，專注於具表現力的角色表演、電影級鏡頭運動與視覺效果。它支援帶有同步音訊的圖片生成影片與參考素材生成影片。

Vidu Q4 Preview 支援 4K 嗎？

支援。Vidu 官方產品頁面與 API 文件列出 Q4 Preview 可輸出 540p、720p、1080p、2K 與 4K。

Vidu Q4 Preview 影片最長可以多長？

官方 API 支援 3–16 秒片段。Vidu 產品頁面也宣傳支援最長 16 秒的多鏡頭敘事。

Vidu Q4 可以使用多少張參考圖片？

Reference-to-Video 可接受 1 至 15 張圖片。這些圖片可以用來建立角色、服裝、道具、地點或風格。

Vidu Q4 能夠複製或參考角色的聲音嗎？

Reference-to-Video 支援最多三個參考音訊檔案。Vidu 將其描述為聲音參考，用於維持角色聲音、情緒表達與唇形同步音訊的一致性。

Vidu Q4 真的每秒 ¥0.09 嗎？

這個數字指的是限時 SaaS 上市促銷活動，應視為促銷起始價格。標準 API 價格更高，並且取決於解析度；例如，中國官方 API 價格在 720p 約為 ¥0.59375／秒，在 1080p 約為 ¥0.75／秒。

透過 API 使用 Vidu Q4 生成 4K 影片要多少錢？

Vidu 中國 API 將 4K Q4 Preview 列為每生成一秒消耗 78 點數。按照標準列出的每點 ¥0.03125 計算，在任何方案特定折扣前，約為每秒 ¥2.4375。

Vidu Q4 Preview 可以透過 API 使用嗎？

可以。Vidu 文件說明，viduq4-preview 可透過 Open Platform API 用於圖片生成影片與參考素材生成影片。

相關工具

• Vidu：Vidu 官方網頁產品，用於互動式 AI 影片生成。
• Vidu Open Platform：用於整合 Vidu 影片生成模型的官方 API 平台。
• Vidu Q4：Q4 功能、參考素材限制、時長與解析度的官方產品頁面。
• Vidu Q4 Reference-to-Video API：多圖片與音訊參考生成的官方 API 文件。
• Vidu Q4 Image-to-Video API：使用 Q4 Preview 將來源圖片製作成動畫的官方 API 文件。

相關連結

• 原始 BAAI Hub 文章：本文改編並查核的中文 QbitAI 實作文章。
• Vidu Q4 官方頁面：4K 輸出、16 秒片段、15 張圖片參考與三段聲音參考的官方概覽。
• Vidu Q4 Reference-to-Video 文件：官方請求參數與支援的參考素材。
• Vidu Q4 Image-to-Video 文件：官方時長、解析度、音訊與圖片輸入規格。
• Vidu 中國模型對照表：Q4 Preview 與較早期 Vidu Q 模型的官方目前功能矩陣。
• Vidu 中國定價：目前 API 點數價格與 Q4 Preview 按解析度計算的消耗量。
• Vidu Open Platform：官方中國 API 平台與目前 Q4 上市方案。

摘要

Vidu Q4 Preview 結合了創作者通常必須取捨的多項能力：更高解析度輸出、多重參考素材一致性、聲音參考、同步音訊、更長的多鏡頭片段，以及相對較低的生成成本。

來源文章的實測結果聚焦於完成影片最重要的幾個方面——表演、停頓、鏡頭切換、動作一致性、環境光線與商業風格的精緻度。這些觀察屬於定性結果，但 4K 輸出、16 秒時長、15 張圖片參考與三段參考音訊等底層能力，已由 Vidu 官方文件確認。

定價方面最大的重點是，每秒 ¥0.09 的標題價格是促銷 SaaS 起始費率，而不是標準 API 價格。API 使用者應根據不同解析度的點數消耗計算成本；使用網頁產品的創作者則應在預估專案成本前，先確認目前的促銷方案。

Q4 Preview 最具實際價值的優勢，是更好的​​一致性與更低的重試成本讓實驗不再那麼痛苦——創作者可以花更多時間挑選最佳版本，而不是小心翼翼地保護每一次生成點數。