AI 视频现在已经不只是卷：

画面能不能动。

真正进入短剧、广告和影视制作后，创作者更在意的是：

人物演得像不像。

镜头有没有导演感。

动作一快会不会崩。

换一个机位以后，角色还是不是同一个人。

声音、表情和口型能不能配合起来。

10 月 8 日，生数科技正式发布新一代视频旗舰模型的首个预览版本：

Vidu Q4 Preview。

这一代重点围绕三个方向升级：

人物演绎。

镜头语言。

复杂视效。

同时，输出规格直接覆盖：

2K 和 4K。

参考能力也进一步扩大，单次最多可以提供：

15 张参考图片。

以及：

3 段参考音频。

Vidu 想做的已经不只是：

把一张图片变成几秒钟视频。

而是让模型同时理解人物、服装、商品、场景、声音和剧情，再把它们组织成一段更完整的表演。

一、Vidu Q4 Preview 是什么？

Vidu Q4 Preview 是生数科技下一代 Q4 视频模型的首个公开预览版本。

目前官方开放的两种生成模式是：

图生视频

从一张首帧图片出发。

模型根据图片内容和文字提示，继续生成后续动作、镜头与声音。

比较适合：

已经确定开场构图；

已有角色插画；

已有商品主视觉；

想让静态照片自然动起来

的场景。

参考生视频

使用多张图片和参考音频，共同约束生成结果。

比较适合：

角色一致性；

多人短剧；

商品广告；

复杂场景；

品牌视觉；

带固定音色的人物表演。

需要注意，Q4 Preview 当前并没有公开纯文字直接生成视频的 API。

也没有开放：

参考视频输入；

首尾帧生成；

视频编辑

等独立入口。

因此，它现阶段更适合已经拥有图片素材、角色设定或声音参考的创作者。

二、单次支持 3～16 秒视频

按照当前 API 文档，Vidu Q4 Preview 单次支持生成：

3～16 秒视频。

默认时长为：

5 秒。

相比只适合生成一个简单动作的短片段，16 秒已经可以容纳：

人物登场；

一句完整对白；

情绪变化；

镜头推进；

动作爆发；

结尾停顿

等更多内容。

例如一段 12 秒的短剧镜头，可以这样设计：

0～3秒
人物推门进入房间

3～7秒
看到桌上的信件，表情发生变化

7～10秒
镜头推近，人物低声说出台词

10～12秒
窗外传来雷声，人物突然回头

模型需要同时保持：

人物外观；

动作连续性；

情绪变化；

声音节奏；

镜头衔接。

这比单纯让角色“眨眼、转头、走两步”复杂得多。

三、从 540P 一路支持到 4K

Vidu Q4 Preview 当前提供五档输出分辨率：

540P

720P

1080P

2K

4K

其中，2K 和 4K 更适合：

影视预演；

品牌广告；

大屏展示；

高质量商品视频；

专业后期制作。

公开发布信息还提到：

10-bit 色深输出。

相比普通 8-bit 视频，10-bit 可以记录更加丰富的色彩层次。

在以下画面中会更有价值：

天空渐变；

夜景；

霓虹灯；

烟雾；

逆光；

火焰；

粒子特效；

复杂肤色和光影。

不过，4K 只是输出规格。

它并不自动代表：

人物永远不会变脸；

文字一定正确；

所有动作都符合物理规律；

生成结果可以直接交付。

真正用于商业项目时，依然需要逐镜检查人物、商品、文字、Logo、声音和运动细节。

四、最多 15 张图片，可以把人物、服装、场景和商品一起喂进去

Vidu Q4 Preview 的参考生视频最多支持：

15 张参考图片。

这比只提供一张人物图的工作方式灵活很多。

例如制作一段品牌短片时，可以分别提供：

图片1～3
→ 主角不同角度

图片4～5
→ 角色服装与配饰

图片6～8
→ 产品外观和细节

图片9～11
→ 场景和空间风格

图片12～13
→ 光影与色彩参考

图片14～15
→ 构图和品牌视觉

模型再根据提示词，把这些素材重新组合成一段视频。

这对商业创作非常重要。

因为真实项目很少是：

完全凭一句文字从零生成。

更多时候，创作者已经拥有：

人物设定；

品牌资产；

产品图；

场景参考；

服装方案。

模型真正需要做的是：

在保留这些核心元素的基础上，完成新的表演和镜头。

五、15 张参考图不是越多越好

虽然上限达到 15 张，但并不代表每次都应该全部塞满。

如果参考图片之间存在冲突，例如：

同一个角色出现三种发型；

服装颜色不一致；

商品结构不同；

多个场景透视完全冲突，

模型反而可能更难理解创作意图。

更合理的做法是给每一张参考图分配明确作用。

例如在提示词中写清楚：

参考图1、2用于人物面部和发型
参考图3用于服装
参考图4、5用于商品外观
参考图6用于场景
参考图7用于灯光和色调

不要只把十几张图片扔进去，再让模型自己猜：

到底应该参考什么。

参考素材越多，越需要：

清晰的角色分工。

六、最多 3 段参考音频，用声音继续锁定角色

除了视觉参考，Vidu Q4 Preview 还支持最多：

3 段参考音频。

每一段音频当前要求：

3～12 秒。

格式为：

MP3。

单个文件不超过：

50MB。

这些参考音频可以帮助模型保持角色的：

音色；

说话方式；

语气；

情绪；

声音身份。

例如一段三人对话短片，可以分别提供三位角色的声音样本。

模型再根据剧情生成对应对白，让不同人物之间拥有更加明确的声音区分。

这意味着参考一致性开始从：

角色长得像不像。

继续扩展到：

角色说话还是不是同一个人。

七、人物表演是 Q4 Preview 的核心升级

这一代 Vidu 特别强调：

传神表现力。

人物生成过去最常见的问题是：

台词很激动，但脸没有表情。

角色明明很悲伤，身体动作却非常僵硬。

人物跑得很快，眼神和呼吸却完全没有变化。

Vidu Q4 Preview 重点优化了：

眼神；

停顿；

微表情；

肢体动作；

声音语气；

人物情绪

之间的协调。

比如角色听到坏消息后，不应该瞬间摆出一个夸张哭脸。

更加自然的表现可能是：

眼神先停顿；

呼吸发生变化；

嘴角和眉毛轻微移动；

身体动作逐渐变慢；

最后才说出台词。

这种细小变化，决定了 AI 视频看起来是：

一个会动的人物。

还是：

一个真的在表演的角色。

八、文戏和动作戏，都需要不同能力

人物表演并不只指情绪戏。

动作戏同样非常考验模型。

例如：

奔跑；

追逐；

武打；

摔倒；

多人对抗；

高速转身。

这些场景很容易出现：

肢体扭曲；

动作断裂；

人物漂移；

镜头跟不上主体；

前后空间关系混乱。

Q4 Preview 进一步强化高动态场景的运动连续性，希望让人物动作、摄影机运动和场景变化保持更自然的配合。

在实际创作中，提示词也应该避免一次要求太多完全不同的复杂动作。

相比：

角色跳跃、翻滚、拿枪、转身、打斗、爆炸后继续奔跑。

更加合理的方式是：

把动作按照时间顺序和镜头节奏写清楚。

九、动态运镜和切镜进一步加强

Vidu Q4 Preview 还重点升级了：

镜头语言。

包括：

推镜；

拉镜；

跟拍；

环绕；

摇镜；

低机位；

俯拍；

快速切镜；

多镜头衔接。

真正专业的视频，并不是摄像机永远固定在人物正前方。

镜头需要根据剧情和动作发生变化。

例如追逐场景中：

先用远景建立空间
↓
切到侧面跟拍人物奔跑
↓
转入低机位表现速度
↓
快速推近人物表情
↓
切到爆炸后的反应镜头

如果模型只单独处理每个画面，镜头之间很容易缺少逻辑。

Q4 Preview 想进一步提升的，是：

动作、镜头和叙事节奏之间的配合。

十、爆炸、烟火、粒子和能量特效，不再只是贴在画面上

复杂视觉特效也是这一代的重点方向。

包括：

爆炸；

烟火；

火焰；

烟雾；

粒子；

能量；

光效；

高速破碎。

过去很多 AI 视频中的特效，看起来像是在画面上额外覆盖了一层素材。

爆炸没有影响人物动作。

光线没有照亮周围环境。

烟雾和空间没有正确关系。

Q4 Preview 更强调：

特效与人物、场景和镜头的结合。

例如爆炸发生时，模型需要同时处理：

人物反应；

空气和烟雾变化；

周围物体运动；

瞬间光线；

摄影机震动；

声音效果。

复杂视效真正自然的关键，不是粒子越多越好。

而是：

它是否真的发生在这个世界里。

十一、默认可以直接生成有声视频

Vidu Q4 Preview 当前支持原生音画输出。

API 中：

audio = true

是默认设置。

开启后，模型可以同时生成：

人物对白；

动作音效；

环境声音。

例如：

人物推门时出现门轴声；

脚步与走路动作同步；

爆炸和冲击画面对应；

角色说话与表演节奏结合。

用户也可以将音频关闭，生成静音视频，再进入专业后期流程添加声音。

需要注意，参考音频与生成音频不是同一个概念。

参考音频主要用于：

引导角色音色和声音特征。

最终音轨则由模型结合剧情、对白和动作重新生成。

十二、参考生视频支持多种常用画幅

Vidu Q4 Preview 的参考生视频目前支持：

1:1

9:16

16:9

3:4

4:3

几种画幅。

这基本覆盖了：

方形社交媒体内容；

竖屏短视频；

横屏广告；

小红书图文视频；

传统画幅内容。

例如：

9:16 适合抖音、视频号和 Reels。

16:9 适合 YouTube、品牌视频和影视内容。

3:4 可以用于部分社交媒体和竖版视觉创作。

同一套角色和场景，可以围绕不同发布渠道分别生成对应版本。

十三、API 已经开放，模型 ID 为 viduq4-preview

开发者目前可以通过 Vidu 开放平台调用 Q4 Preview。

模型 ID 为：

viduq4-preview

图生视频接口为：

POST /ent/v2/img2video

参考生视频接口为：

POST /ent/v2/reference2video

生成任务采用异步模式。

提交任务后，平台会返回任务 ID。

开发者再通过查询接口获取任务状态和最终结果。

这比较适合：

AI 视频平台；

短剧生产系统；

广告素材工具；

电商内容平台；

企业批量视频工作流。

提示词当前最多支持：

20000 个字符。

足够容纳比较完整的：

角色设定；

镜头要求；

动作顺序；

对白；

声音；

特效；

负面约束。

十四、首发宣传价 0.09 元/秒起，但不要直接套到所有规格

生数科技对外公布的首发优惠价格为：

0.09 元/秒起。

这里的关键词是：

“起”。

不同产品入口、分辨率和套餐，实际价格并不相同。

官方 API 当前采用积分计费。

在公开积分表中，不同分辨率每秒消耗分别为：

540P
9积分 / 秒

720P
19积分 / 秒

1080P
24积分 / 秒

2K
38积分 / 秒

4K
78积分 / 秒

因此不能简单理解成：

所有 4K 视频都只需要 0.09 元一秒。

批量调用以前，应该在控制台确认：

当前积分单价；

生成模式；

分辨率；

时长；

活动折扣；

最终预估消耗。

十五、最适合哪些场景？

AI 短剧与漫剧

多张人物设定图和声音参考，可以帮助保持角色视觉与音色一致。

广告营销

同时提供商品、模特、服装、场景和品牌参考，生成不同创意版本。

电商视频

围绕真实商品图片，生成使用场景、模特展示和产品特写。

影视预演

提前测试演员动作、镜头、场景和视觉特效，降低正式制作前的试错成本。

虚拟角色

使用人物多角度设定和声音参考，生成更加统一的角色内容。

社交媒体内容

根据 9:16、3:4、1:1 等画幅，批量制作不同平台的短视频。

十六、Preview 版本目前还有哪些边界？

首先，它仍然是：

Preview。

后续正式版的能力、价格和接口可能继续调整。

其次，当前 API 主要支持：

图生视频；

参考生视频。

不应把 Vidu 平台其他模型或功能，默认算到 Q4 Preview 身上。

例如目前没有公开：

纯文生视频；

视频参考输入；

独立首尾帧模式；

视频编辑入口。

第三，4K 输出不代表所有细节都一定正确。

尤其需要检查：

小字号文字；

品牌 Logo；

商品结构；

人物手部；

复杂多人动作；

口型和对白；

长镜头中的身份一致性。

真正进入生产环境时，依然应该先建立：

短片测试；

素材规范；

验收标准；

人工质检；

失败重试

等完整流程。

结语

Vidu Q4 Preview 这次可以记住几个核心数字：

最多 15 张参考图片。

最多 3 段参考音频。

单次生成 3～16 秒。

最高 4K 输出。

支持 10-bit 色深。

提示词最多 20000 字符。

同时支持：

人物情绪表演。

动态运镜。

复杂动作。

爆炸、烟火、粒子和能量特效。

原生对白与音效。

但相比这些参数，更值得关注的是：

Vidu 正在把 AI 视频的控制方式，从一句简单 Prompt，继续扩展成：

人物长什么样
+
穿什么衣服
+
使用什么商品
+
站在什么场景
+
说话是什么声音
+
做什么动作
+
镜头怎么运动
+
特效如何出现

以前 AI 视频更像是在抽一个结果。

现在则越来越接近：

给模型完整的演员、场景、声音和导演要求，再让它完成一段表演。

Q4 Preview 还不是最终的 Vidu Q4。

但它已经让我们看到，新一代视频模型竞争的重点，正在从：

“能不能生成视频”

继续走向：

“能不能真正把人物演好、把镜头讲清楚。”

相关链接

Vidu 官网
https://www.vidu.com/

Vidu 开放平台
https://platform.vidu.cn/

Vidu 模型地图
https://platform.vidu.cn/models

Vidu Q4 Preview 图生视频 API
https://platform.vidu.cn/docs/api-reference/video-models/vidu-q4-preview/image-to-video

Vidu Q4 Preview 参考生视频 API
https://platform.vidu.cn/docs/api-reference/video-models/vidu-q4-preview/reference-to-video

Vidu API 产品价格
https://platform.vidu.cn/pricing

Vidu API 价格文档
https://platform.vidu.cn/docs/pricing

Vidu API 更新记录
https://platform.vidu.com/docs/api-reference/updates

生数科技官网
https://www.shengshu.com/