НОВИНКИ · ВИДЕО-МОДЕЛИ · AI MUSIC

Vidu Q4 Preview: видео со звуком и голосовые образцы для клипа

7 октября 2026 года компания ShengShu представила Vidu Q4 Preview — предварительную версию флагманской модели, которая умеет сразу делать видео со звуком и принимает до 15 изображений и до 3 аудиофайлов как образцы. Для клипа это интересно по одной причине: можно задать не только внешность героя, но и его голос. Разбираем заявленное и показываем, как подготовить задание.

Что подтверждено официально

Источники: официальный пресс-релиз от 7 октября 2026 года и документация API Vidu, проверены 7 ноября 2026 года. Модель доступна через сайт Vidu и платформу для разработчиков под названием viduq4-preview.

• это именно предварительная версия: итоговые функции могут измениться по отзывам пользователей;
• режим «изображение → видео» принимает одну стартовую картинку, режим «по референсам» — от 1 до 15 изображений и от 0 до 3 аудиофайлов (MP3, каждый 3–12 секунд);
• длительность ролика по документации — от 3 до 16 секунд;
• разрешения: 540p, 720p, 1080p, 2K и 4K, 10-битный цвет заявлен для 2K и 4K;
• форматы кадра для режима референсов: 1:1, 9:16, 16:9, 3:4, 4:3;
• звук по умолчанию включён: модель создаёт видео и звук одновременно, включая речь и звуковые эффекты;
• разработчик заявляет более согласованную мимику, движение тела и голос, а также связные смены камеры и эффекты вроде частиц и взрывов;
• стартовая цена — от $0,014 за секунду; это акционная цена, и итоговые условия зависят от тарифа и региона.

Чего в релизе нет: независимых сравнительных тестов и точных условий формулировки «до пяти раз больше результата за тот же бюджет» — это заявление самой компании. Поэтому мы не называем Q4 Preview лучшей моделью и не сравниваем её с другими по качеству.

Что это меняет для музыкального клипа

Обычно в клипе картинку делают отдельно, а звук накладывают потом. Здесь вы можете передать модели короткий образец голоса и несколько изображений героя и получить ролик, где персонаж действует вместе со звуком. Важно понимать границу: речь о коротких сценах до 16 секунд, а не о целой песне. Клип остаётся монтажом из нескольких фрагментов — но каждый фрагмент можно делать с общим набором образцов, и герой будет меньше меняться от сцены к сцене.

Если вы только начинаете, сначала продумайте историю: пригодится раскадровка клипа. Для общей последовательности работы над роликом под композицию есть материал про клип из песни с помощью ИИ.

Как подготовить набор образцов

1. Изображения героя. Выберите 3–5 картинок: лицо анфас, лицо в три четверти, фигура в полный рост. Одинаковая одежда и причёска на всех, фон однородный.
2. Изображение места. Одного кадра достаточно. Если нужен другой интерьер — это отдельная сцена и отдельный набор.
3. Аудиообразец. Короткий фрагмент 3–12 секунд в формате MP3. Берите только записи, на использование которых у вас есть права: свой голос, голос исполнителя, давшего согласие, или студийную запись по лицензии. Чужие голоса без разрешения не используйте.
4. Один фрагмент — одна мысль. 8–12 секунд на одно действие. Для припева в 30 секунд подготовьте три сцены.
5. Формат кадра. Для вертикальных видео выберите 9:16, для основного клипа — 16:9. Не меняйте формат между фрагментами одной песни.

Примеры промптов

Это учебные заготовки. Мы не запускали их в Vidu Q4 Preview: считайте их шаблоном структуры, а не доказательством результата.

Героиня по референсам стоит у окна ночного вагона и поёт тихо, почти шёпотом. На 6-й секунде она поворачивается к камере и слегка улыбается. За окном проносятся огни. Камера медленно приближается. Внешность и одежда строго как на референсах, в кадре никого больше нет.

Короткая сцена 10 секунд: гитарист на крыше на рассвете, лёгкий ветер, лёгкое движение ткани. Звук: тихий ветер и мягкие гитарные ноты, без громкой музыки и без речи. Один план, без резких склеек.

Сохрани лицо, причёску и цвет одежды героя как на референсах. Не добавляй надписи, логотипы и других людей. Движения плавные, камера не прыгает между ракурсами.

Как проверять результат

Смотрите ролик дважды: без звука и со звуком. Без звука оцените лицо, руки и одежду; со звуком — совпадает ли артикуляция со словами и не «гуляет» ли громкость. Если герой отличается от референсов, не переписывайте весь промпт: уберите лишнее изображение с другим стилем и повторите. Если звук мешает, отключите его параметром и добавьте музыку в монтаже, чтобы не бороться с нежелательным шумом.

Пример рабочего процесса для одной песни

Представим трек на две минуты с тремя частями: тихое вступление, куплет и громкий припев. Не пытайтесь получить его одним запросом. Практичнее разложить работу по ролям. Вступление — два плана по 8 секунд без героя: пейзаж, окно, рука на клавишах. Куплет — четыре плана по 10–12 секунд с героем и коротким аудиообразцом. Припев — самые динамичные сцены, где важна согласованность движения и музыки, поэтому на них стоит оставить больше попыток.

Ведите простую таблицу: номер плана, длительность, какие изображения использованы, какой результат понравился. Через час работы вы поймёте, какие образцы дают стабильного героя, а какие ломают лицо, и не будете каждый раз начинать с нуля. Лучше потратить время на хорошие образцы, чем на десятки повторов с разными формулировками.

Цена и бюджет

Заявленная стартовая цена — $0,014 за секунду, но компания сама оговаривает, что это акционное условие и оно зависит от разрешения, тарифа и региона. Практический вывод: сначала делайте черновики в минимальном разрешении, выбирайте удачные сцены и только затем повышайте качество. Перед запуском большого набора проверьте актуальные условия на сайте Vidu.

Ограничения

• Preview. Набор функций и цена могут измениться, итоговая модель Q4 ещё впереди.
• Метод вызова персонажей. Документация отдельно отмечает, что способ указания героя по имени для этой модели пока не поддерживается.
• Срок хранения ссылок. Через API ссылки на созданные ролики действуют 24 часа: скачивайте результат сразу.
• Это облачный сервис. В источниках нет сведений об открытых весах, локальный запуск не предусмотрен.
• Подключение к AI Music. Мы его не подтверждаем: статья описывает модель, а не функцию нашего сервиса.

Если для вас важнее перенести движение с готового видео, сравните подход с Kling Motion Control.

Частые вопросы