Vidu Q4 API
Vidu Q4 官方旗舰预览模型，支持单图生视频与多参考生视频，提供 3～16 秒、540p 至 4K 输出、自动分镜和音画同出。
Vidu Q4 Preview 是什么
Vidu Q4 Preview 是生数科技的旗舰预览视频模型。官方文档提供图生视频和参考生视频两条路线，并主张支持音画同出与自动分镜；这些效果描述属于官方主张，不是 Roko 实测结论。
Roko 使用公开模型 ID viduq4-preview，通过 /v1/videos/tasks 异步提交。图生视频需要 1 张图片；参考生视频需要 1～15 张图片，并可附带 0～3 个 MP3 声音参考。
两条路线都支持 3～16 秒和 540p、720p、1080p、2K、4K。页面与目录暂时保持 noindex 预览状态，直到补齐至少 4 个独立案例和 2 个 Roko 实测案例。
模型价格
价格来自当前生产定价配置，并按实际支持的生成路线和计费维度展示。
| 路线 | 价格 | 计费方式 |
|---|---|---|
| 基础视频 | 1080p $0.1177/秒2k $0.1864/秒4k $0.3827/秒540p $0.04415/秒720p $0.09321/秒 | 按输出秒数估算；完成后按上游实际 credits 结算 |
| 生成音频 | 开启音频 $0.07359/次 | 每个任务固定附加 |
费用估算示例
以下按公开 fallback 公式估算，包含 10% 服务费；成功任务最终按上游返回的 credits × $0.004906 结算。
5 × 19 credits × $0.004906 = $0.4661
关闭 generate_audio；不含 15 credits 音频附加项。
(8 × 24 + 15) credits × $0.004906 = $1.0155
音频附加项按每个任务计算一次，不按秒重复。
模型信息
仅列出当前供应商开发文档确认并已接入的子模型、能力和限制。
viduq4-preview
- 能力限制
- 图片 1
- 时长
- 3–16s
viduq4-preview
- 能力限制
- 图片 1–15 · 音频 0–3
- 时长
- 3–16s
核心能力
单图动画
用一张首帧图片和提示词生成 3～16 秒视频，适合让已有角色、商品或画面继续运动。
多参考生成
参考生路线接受 1～15 张图片，可组合角色、场景与风格约束；声音参考最多 3 个 MP3。
五档分辨率
同一公开模型覆盖 540p、720p、1080p、2K 与 4K，默认 720p；高分辨率会显著提高费用。
音画同出与自动分镜
audio 默认开启，官方说明可直接生成声音并自动安排镜头切换；最终可用效果以任务结果为准。
主要参数
以下参数由结构化模型配置生成；未配置或供应商不支持的参数不会显示。
modelstring子模型 ID
默认值:viduq4-preview / viduq4-previewpromptstringVidu Q4 官方旗舰预览模型，支持单图生视频与多参考生视频，提供 3～16 秒、540p 至 4K 输出、自动分镜和音画同出。
默认值:必填durationinteger按输出视频秒数
默认值:3–16squalityenum当前计费
默认值:540p / 720p / 1080p / 2k / 4kaspect_ratioenum生成能力
默认值:16:9 / 9:16 / 1:1 / 3:4 / 4:3generate_audioboolean生成能力
默认值:trueimage_urlsarray图生视频: 1 · 参考生视频: 1–15
默认值:按生成路线audio_urlsarray参考生视频: 0–3
默认值:按生成路线模型能力与使用建议
主要特性
- 图生视频 · viduq4-preview
- 参考生视频 · viduq4-preview
- 540p / 720p / 1080p / 2k / 4k 输出
- 3–16s 时长
- 可生成音频
- 支持音频素材或音画同出
使用限制
- 图生视频: 图片 1
- 参考生视频: 图片 1–15 · 音频 0–3
- 能力来源: https://platform.vidu.cn/docs/api-reference/video-models/vidu-q4-preview/image-to-video
限制与注意事项
- 这是 Preview 模型；接口、价格与输出特征可能变化，生产集成应读取实时目录。
- 图生仅接受 1 张图片；参考生接受 1～15 张图片和 0～3 个 MP3，每个声音参考 3～12 秒。
- 官方单文件上限为 50MB，但 HTTP 请求体上限为 20MB；较大素材应优先使用公网 URL。
- prompt 最长 20,000 字符，payload 最长 1,048,576 字符；输出链接需及时转存。
- 当前没有获授权的付费实测，本页不声称人物一致性、口型、物理或画质已由 Roko 验证。
调用流程
- 确认使用 image-to-video 或 reference-to-video；Q4 不提供文生或首尾帧路线。
- 准备公开可下载的图片；参考生如需声音，再准备 0～3 个 3～12 秒 MP3。
- 设置 model、prompt、duration、quality 与 generate_audio；仅参考生设置 aspect_ratio，图生继承输入图比例。
- POST /v1/videos/tasks，并保存返回的 task_id；幂等重试应复用同一业务键。
- 轮询 GET /v1/tasks/{task_id} 到 completed 或 failed，再读取并保存结果。
适合的工作流
角色连续动作
从已有角色图生成向前走、转身或镜头推进等短片；需要先验证身份和服装稳定性。
多参考品牌短片
用角色、产品与场景参考图共同约束画面；素材越多越需要明确提示各自用途。
带声音的社媒片段
一次请求生成画面与声音，再根据发布平台选择 9:16、1:1 或 16:9。
如何选择
按公开路线与参数选择，不把版本号当作未经实测的质量排名。
Q4 Preview 与 Q3 Pro
Q4 提供图生和多参考、最高 4K；Q3 Pro 另有文生与首尾帧，但最高 1080p。
Q4 Preview 与 Q3 Turbo
Q3 Turbo 覆盖四种路线且最高 1080p；Q4 路线较少，但参考图上限从 7 张扩到 15 张并支持声音参考。
Q4 Preview 与 Q3 Mix
两者都能参考生；Q4 增加单图路线、540p/2K/4K 档和最多 3 个声音参考，费用也应重新估算。
常见问题
Roko 的 Vidu Q4 模型 ID 是什么？
使用 viduq4-preview；这是精确公开 ID，不要改成 Vidu Q4 或其他别名。
支持哪些生成方式？
支持 image-to-video 和 reference-to-video，不支持 text-to-video 或 start-end-to-video。
支持哪些时长与分辨率？
时长 3～16 秒，默认 5 秒；分辨率为 540p、720p、1080p、2K、4K，默认 720p。
参考素材上限是多少？
图生必须 1 张图；参考生需要 1～15 张图，可再传 0～3 个 MP3 声音参考。
怎样关闭生成音频？
传 generate_audio: false。关闭后 fallback 估价不会加入每任务 15 credits 的音频费用。
为什么提交后没有立即返回视频？
视频生成是异步任务。提交后用 task_id 查询 /v1/tasks/{task_id}，直到 completed 或 failed。
价格怎样计算？
提交前按时长、分辨率和音频开关预扣；完成后按供应商实际 credits × $0.004906 补扣或退款。
为什么页面暂不进入搜索索引？
正式发布标准要求至少 4 个独立案例和 2 个 Roko 实测案例；目前只有文档级证据，因此保持预览。
来源与证据范围
参数与能力来自 Vidu 官方文档，Roko 路由与价格来自候选目录配置。核验日期：2026-10-13。
- Vidu Q4 Preview image-to-video API Official image input, duration, resolution, audio, and payload limits
- Vidu Q4 Preview reference-to-video API Official image, audio reference, aspect-ratio, and file limits
- Roko API video task docs Submit with /v1/videos/tasks and poll /v1/tasks/{task_id}
- Roko API model catalog Current callable routes, pricing display, and generation configuration
同家族模型
继续查看同一模型家族的其他可用版本。
其他视频模型
浏览支持统一异步视频任务接口的其他模型。
