Vidu 现有ViduQ4 Preview、ViduQ3、ViduQ2、ViduQ1 等模型，适用于视频生成、音频生成、音视频直出等多个领域：
视频生成
Vidu Q4 系列
模型 | viduq4-preview |
|---|---|
介绍 | 价格超“省”，传神演技，形声入戏张力镜头，燃魂特效 |
清晰度 | 540p、720p、1080p、2K、4K |
帧率 | 24fps |
时长 | 可选 3～16S |
图生视频 | ✔️ |
参考生视频 | ✔️ |
首尾帧 | - |
文生视频 | - |
特效/模版 | - |
概览
Vidu 现有ViduQ4 Preview、ViduQ3、ViduQ2、ViduQ1 等模型，适用于视频生成、音频生成、音视频直出等多个领域：
模型 | viduq4-preview |
|---|---|
介绍 | 价格超“省”，传神演技，形声入戏张力镜头，燃魂特效 |
清晰度 | 540p、720p、1080p、2K、4K |
帧率 | 24fps |
时长 | 可选 3～16S |
图生视频 | ✔️ |
参考生视频 | ✔️ |
首尾帧 | - |
文生视频 | - |
特效/模版 | - |
模型 | viduq3-pro | viduq3-mix | viduq3-drama | viduq3-ad | viduq3-turbo |
|---|---|---|---|---|---|
介绍 | 支持音画同出；支持智能切镜；视频内容更生动、更形象、更立体 | 均衡性更好，适合普遍场景，一致性和美学持续升级；支持音画同出；支持智能切镜 | 漫剧行业模型；支持音画同出；q3 系列效果最佳，对话、人物站位、动效和镜头叙事能力强，更擅长影视镜头语言 | 广告行业模型；智能切镜，节奏合理，细节一致性较好，适合 5-8s 短片广告 | 支持音画同出；支持智能切镜；生成速度快 |
清晰度 | 540p、720p, 1080p | 540p、720p, 1080p | 720p、1080p | 720p、1080p | 540p、720p, 1080p |
帧率 | 24fps | 24fps | 24fps | 24fps | 24fps |
时长 | 可选 1～16S | 可选 1～16S | 可选 3～15S | 可选 3～15S | 可选 1～16S |
图生视频 | ✔️ | - | - | - | ✔️ |
参考生视频 | - | ✔️ |
模型 | viduq2-pro | viduq2 | viduq2-turbo |
|---|---|---|---|
介绍 | 画面美学效果较好；参考生场景下支持视频编辑能力 | 动态效果好，情绪表达强，细节更丰富 | 新模型，速度快 |
清晰度 | 540p, 720p, 1080p | 540p, 720p, 1080p | 540p, 720p, 1080p |
帧率 | 24fps | 24fps | 24fps |
时长 | 可选 1～10S | 可选 1～10S | 可选 1～10S |
图生视频 | ✔️ | - | ✔️ |
参考生视频 | ✔️ | ✔️ | - |
首尾帧 | ✔️ | - | ✔️ |
文生视频 | - | ✔️ | - |
特效/模版 | - | - | - |
模型 | viduq1 | viduq1-classic |
|---|---|---|
介绍 | 画面清晰 | 运镜丰富稳定 |
清晰度 | 1080p | 1080p |
帧率 | 24fps | 24fps |
时长 | 5S | 5S |
图生视频 | ✔️ | ✔️ |
参考生视频 | ✔️ | - |
首尾帧 | ✔️ | ✔️ |
文生视频 | ✔️ | - |
特效/模版 | - | - |
模型 | Avatar 实时版 | Avatar 组件版 | Avatar 非实时版 | Editing 版 |
|---|---|---|---|---|
输入 | 数字人图 + 人设 + 用户音视频流等 | 数字人音频 + 动作文本 | 数字人图 + 数字人音频 + 动作文本 | 用户音视频流 + 替换图 |
输出 | 实时音视频流 | 实时音视频流 | MP4 视频文件 | 实时音视频流 |
RTC | ✔️ | - | 不涉及 | ✔️ |
ASR | ✔️ | - | 不涉及 | - |
LLM | ✔️ | - | 不涉及 | 不涉及 |
TTS | ✔️ | - | ✔️ | - |
实时性 | 实时流式 | 实时流式 | 异步文件 | 实时流式 |
自由度 | 低，链路封闭但接入快 |
能力/模型 | viduq2 | viduq1 |
|---|---|---|
文生图 | ✔️ | - |
参考生图 | ✔️ | ✔️ |
图片编辑 | ✔️ | - |
文生图 | ✔️ | - |
特效/模版 | ✔️ | ✔️ |
清晰度 | 1080p、2K、4K | 1080p |
支持图片数量 | 0-7 张 | 1-7 张 |
比例 | auto、16:9、9:16、1:1、3:4、4:3、21:9、2:3、3:2 | 16:9, 9:16, 1:1, 4:3, 3:4 |
能力 | 是否支持 |
|---|---|
文生音频 | ✔️ |
可控文生音效 | ✔️ |
语音合成 | ✔️ |
声音复刻 | ✔️ |
时长 | 2-10S |
能力 | 介绍 |
|---|---|
音乐 MV | 仅需上传 1 个音乐音频 + 1-7 张参考图，搭配歌词/提示词，一键产出完整叙事 MV；自动拆解歌词情节，串联成连贯故事线，镜头与歌词意境高度契合，MV 兼具 “视听感” 与 “故事性”；告别变速&重复分镜，连贯流畅情节；支持风格传参（style 举例真人写实、3D 建模、2D 动画等）、人物一致性提升；精准还原参考图中的角色外貌、穿搭、气质，以及风格色调、滤镜、场景元素，支持多图风格统一；自动实现歌词字幕精准卡点，镜头切换/动作转场贴合音乐鼓点与旋律起伏，同时支持字幕 |
Motion Control | 背景稳定性显著增强，人物运动表现更清晰流畅；针对动物类场景单独调优，支持动物跳舞；加强了特殊角度动作模仿优化，如俯视、仰视。 |
对口型 | 输入文字/音频驱动，生成对口型的视频 |
视频延长 | 延长 Vidu 视频，可选 1～7S |
智能多帧 | 设置多个关键帧生成高质量、长时长视频 |
智能超清-尊享 | 提高视频的分辨率，分别支持 1080p、2K、4K |
模版成片 | 拼接多个特效为标准的成片模版 |
推荐提示词 | 根据输入的 1-7 张图片，推荐出合适的提示词 |
能力 | 介绍 |
|---|---|
一键解说漫 | AI 解说剧快速、批量化生产工具；一站式解决解说剧视频制作成本高、ROI 低、无法规模化、场景连贯性差四大核心痛点 |
短剧成片 | 角色与场景一致性显著增强； 主体空间位置关系更加稳定，不易错位；动态逻辑自然流畅，镜头切换后连贯性强，剧情演绎更顺滑；画质与美学效果全面优化；声画协同让精品剧“视听一体” ，从生成一刻即成片，无需后期配音；单次最多可规划 2-30s、长达 1 分多钟时长内容 |
能力 | 介绍 |
|---|---|
一键广告成片 | 上传一张/多张图片即可生成一段 15-60S 任一时长营销投流成片，直接投放，有效获客；视频贯穿“开头创意吸睛、中间详细展示、结尾引导转化”的逻辑主线，让每一件商品都展示出独一无二的特性；自动匹配最合适的模特形象，免去没有模特实拍的困扰；支持多种语言 TTS 输出，让配音解说适配海内外不同区域；支持输入商品链接🔗（new） |
一键复刻 | 【一段】爆款视频+【一张】图片，即可获得一个相似、完整的营销视频；多元素模仿，包括运镜、光影、动作等，同时，避免同质化素材产生；视频、音频皆可模仿，真正做到爆款复刻 |
剧集广告 | 适配短视频平台：原生竖屏比例，画面节奏对齐抖音、快手、小红书等平台的观看习惯，导出即用；角色 IP 建立信任：固定角色反复出现，用户对角色产生情感认同，角色推荐的商品天然带有故事感、信任感，而非广告感；内容留存率高：漫剧有完整叙事，用户追剧习惯带来持续回访，账号粉丝粘性远高于单条带货视频；一键输出长秒数：突破主流视频模型单次最多生成 15 秒的上限，最多支持直出 30 秒完整视频 |
热点广告 | 【一段】目标卖点+目标商品的描述【一张多张】图片，即可获得一个热点营销视频；从营销策略自主规划到 30 秒长视频直出，agent 帮你完成一切；抽象热点特效化表达，精准表达热点与卖点 |
✔️ |
✔️ |
✔️ |
首尾帧 | ✔️ | - | - | - | ✔️ |
文生视频 | ✔️ | - | - | - | ✔️ |
特效/模版 | - | - | - | - | - |
高，模型和音色全自选 |
中，可精确编排动作 |
低，链路封闭但接入快 |
典型客户 | 社交陪伴、电商导购、在线教育、游戏 NPC | 已有实时语音系统，需补数字人形象 | 口播视频批量生产、课程录制、营销素材 | 直播实时换人换装换背景，或者增加风格滤镜 |