Vidu Q4: кинематографичное видео со звуком из одной фотографии

Vidu Q4 — новая модель генерации видео в NeuralSpace: она превращает одну фотографию или набросок референсов в кинематографичную сцену с репликами героев и синхронным звуком. Диалоги, шаги, скрип камней — всё озвучивается в той же генерации, без отдельной озвучки и склейки в редакторе. Длительность — от 3 до 16 секунд, разрешение — вплоть до 4K.

Что умеет Vidu Q4

• Изображение → видео. Загружаете одно фото — модель «оживляет» сцену: согласованная камера, естественные движения, свет и атмосфера кадра.
• Несколько референсов → сцена. Можно дать до 15 фотографий: персонажи, место действия, стиль. Модель собирает из них одну цельную сцену и держит лица, причёски и одежду неизменными между планами.
• Синхронный звук и диалоги. Реплики персонажей, эффекты и фоновая музыка рождаются вместе с видео и попадают в губы и движения. В настройках звук можно выключить одной галочкой.
• Кинематографичная камера. Наезды, проводки, трекинг — камера «работает» вместе со сценой, а не обрезает статичную картинку.
• Разрешение до 4K. Доступны 540p, 720p, 1080p, 2K и 4K — годится и для соцсетей, и для больших экранов.

Как сгенерировать видео из фото

Откройте раздел Vidu Q4, загрузите фотографию и опишите сцену: что происходит, как движется камера, что слышно. Для сцены из нескольких референсов загрузите фотографии персонажей и места — они получат роли character1, character2 и так далее, на эти роли можно ссылаться прямо в описании. Затем выберите разрешение и длительность (3–16 секунд) и нажмите «Сгенерировать».

Сколько стоит

Тариф посекундный и зависит от разрешения. Примеры по каталогу на момент публикации Цены в токенах приведены по каталогу сайта на момент публикации; стоимость зависит от выбранного разрешения и длительности.

• 540p — от 19 токенов за 3 секунды, около 32 токенов за 5 секунд;
• 720p — 40 токенов за 3 секунды, 67 токенов за 5 секунд, около 215 токенов за 16 секунд;
• 1080p — 51 токен за 3 секунды, 84,5 токена за 5 секунд;
• 2K — около 112 токенов за 5 секунд;
• 4K — 229 токенов за 5 секунд, около 733 токенов за полную 16-секундную сцену.

Токены расходуются только за успешные генерации: при сбое они возвращаются на баланс автоматически.

Для чего подходит

Vidu Q4 создан для коротких сюжетных видео: рекламных вставок, музыкальных клипов, анимации персонажей, «оживших» фотографий для соцсетей и короткометражных сцен с диалогами. Модель особенно сильна там, где персонажи говорят: голос, мимика и движение камеры согласовываются в одной генерации.

Частые вопросы

Нужно ли несколько фото?

Нет. Для базового режима достаточно одного фото и описания сцены. Несколько референсов нужны, когда в сцене несколько персонажей или конкретное место действия.

Какая максимальная длительность?

До 16 секунд в одной генерации, минимум — 3 секунды.

Можно ли убрать звук?

Да, галочка «Синхронный звук» отключает озвучку — получится «тихий» кинематографичный ролик.

Что вернётся при ошибке?

Токены возвращаются на баланс автоматически — генерация либо удаётся, либо ничего не стоит.