01
Vidu Q4 图生视频
在 image_urls 中传入恰好 1 张图片，Vidu Q4 会把它作为首帧生成视频。提示词可选，用于描述动作、运镜和声音。该模式下画面比例跟随输入图片，因此不接受 aspect_ratio 和 generate_audio。
vidu-q4
模型:
在 PoYo 使用 Vidu Q4 API，可以让一张首帧图动起来，也可以组合最多 12 张参考图和 3 段参考音频，生成 3–16 秒的电影级视频。模型原生生成对白、音效和音乐，跨镜头保持角色一致，输出 540p 至 4K。每次请求至少需要一张图片：PoYo 上的 Vidu Q4 不提供纯文生视频。
Input
167/5000
已添加 0/1
支持拖放文件、粘贴文件或添加链接。 Disabled while reference images or audio are set. Remove them to use a start frame.
已添加 2/12
支持拖放文件、粘贴文件或添加链接。 1–12 images of characters, products, objects or locations, or use a start frame instead. PNG, JPEG or WebP, up to 50 MB each.
——
——
已添加 0/3
支持拖放文件、粘贴文件或添加链接。 Optional. Requires at least one reference image. Up to 3 MP3 voice clips, 3–12 seconds and up to 50 MB each, to keep character voices consistent.
5s
Output
示例输出
这是示例数据。生成新结果后可查看真实输出。
任务 ID:2PH9X1Y5R53CI4RQ创建时间:2026-10-17T17:18:21
状态:finished进度:100%
定价详情
透明定价，无隐藏费用。按量付费，用多少付多少。
vidu-q4540p
PoYo价格
$0.045/秒
9 积分
官方价格
-
为你节省
-
vidu-q4720p
PoYo价格
$0.095/秒
19 积分
官方价格
-
为你节省
-
vidu-q41080p
PoYo价格
$0.120/秒
24 积分
官方价格
-
为你节省
-
vidu-q42K
PoYo价格
$0.190/秒
38 积分
官方价格
-
为你节省
-
vidu-q44K
PoYo价格
$0.390/秒
78 积分
官方价格
-
为你节省
-
| 型号 | 规格 | PoYo价格 | 官方价格 | 为你节省 |
|---|---|---|---|---|
| vidu-q4 | 540p | $0.045/秒 9 积分 /秒 | - | - |
720p | $0.095/秒 19 积分 /秒 | - | - | |
1080p | $0.120/秒 24 积分 /秒 | - | - | |
2K | $0.190/秒 38 积分 /秒 | - | - | |
4K | $0.390/秒 78 积分 /秒 | - | - |
* 实际费用以最终输出为准。
VIDU Q4
用首帧、参考图和声音片段生成带声音的电影级视频
Vidu Q4 API：图生视频与参考生视频
Vidu Q4 由生数科技推出，可将你的图片、角色和声音参考转化为带原生音频、多镜头叙事和强动态动作的电影级视频。在 PoYo 上，你可以从单张首帧出发，也可以用最多 12 张参考图搭建场景，并按输出秒数付费。
PoYo 上的 Vidu Q4 生成模式
02
Vidu Q4 参考生视频
在 reference_image_urls 中传入 1–12 张图片，在 reference_audio_urls 中最多传入 3 段声音参考，并用必填的提示词描述场景。可以用 [@reference_image_1]、[@reference_audio_1] 指代对应素材，选择画面比例，并开启或关闭原生音频生成。
Vidu Q4 API 核心能力
以下为 Vidu 官方样片，展示电影级细节、一致的角色表现和带同步音效的大场面动作。
01
带原生音频的电影级镜头
Vidu Q4 同时生成画面和声音，包括与画面动作匹配的对白、音乐、环境声和音效。特写镜头能保留皮肤、发丝、布料和琴弦等细节，一次请求即可得到接近成片的片段。
- 对白、音乐和音效随视频一起生成
- 口型和动作与音频同步
- 最高 4K 输出，适合细节特写
02
基于参考图保持角色一致
上传角色、服装、道具或场景图片，并在提示词中直接引用。Vidu Q4 能在不同机位和镜头之间保持面孔、服装和画风稳定，适合系列剧、广告和品牌内容中反复出现的角色。
- PoYo 上每次请求最多 12 张参考图
- 在提示词中用 [@reference_image_N] 指代图片
- 最多 3 段声音参考，引导角色音色
03
强动态动作与多镜头叙事
Vidu Q4 擅长快速运动、武打、群像和视觉特效，同时保持物理连贯。在一段提示词中描述多个情节节点，模型可以把它们编排成最长 16 秒的多镜头片段，镜头切换跟随剧情推进。
- 时长 3 到 16 秒
- 大场面动作、打斗和特效场景
- 单个片段内多镜头和运镜变化
谁适合使用 Vidu Q4 API？
01
AI 短剧与系列剧工作室
复用角色和场景参考图，让同一批演员贯穿多集。结合参考图和声音片段制作对白戏，再把 16 秒的多镜头片段拼接成更长的故事。
02
广告与品牌团队
把产品图、包装和品牌角色变成带音乐和音效的电影感广告。参考模式下可选 16:9、9:16、4:3、3:4 或 1:1，适配不同投放位。
03
社交媒体创作者
让一张关键图变成带声音的短视频，或把固定人设放进新场景。先用低分辨率低成本出草稿，再用 1080p、2K 或 4K 渲染终版。
04
影视预演
根据概念图快速验证动作戏、运镜和特效镜头。用首帧模式测试特定画面如何演变，或用参考模式搭建整场戏。
05
游戏与动画团队
把角色设定图和场景概念图做成预告片、过场草稿和提案视频，并在多个镜头间保持设计一致。
06
开发者与视频平台
通过 PoYo 的异步 API 把 Vidu Q4 接入你的产品。提交任务后轮询状态或接收回调，并按输出秒数向你的用户计费。
Vidu Q4 vs Vidu Q3
与 Vidu Q3 相比，Vidu Q4 把最高分辨率提升到 4K，可用的参考图更多，同时保留原生音频和多镜头生成。单条视频时长上限仍为 16 秒。
| 功能 | Vidu Q4（PoYo） | Vidu Q3 |
|---|---|---|
| 生成模式 | 图生视频、参考生视频 | 文生视频、图生视频、首尾帧、参考生视频 |
| 时长 | 3–16 秒 | 最长 16 秒 |
| 分辨率 | 540p、720p、1080p、2K 或 4K | 540p、720p 或 1080p |
| 参考图 | 1–12 张 | 1–7 张 |
| 声音参考 | 最多 3 段音频 | 最多 3 段 MP3，每段 3–12 秒（viduq3-mix） |
| 原生音频 | 支持，参考生视频中可选 | 支持，默认开启 |
| 多镜头 | 支持 | 支持，智能切镜 |
Vidu Q4 列为 PoYo 实际接受的参数。PoYo 上的 Vidu Q4 不提供纯文本生成；生数科技官方 API 最多支持 15 张参考图。Vidu Q3 列依据 Vidu 官方 API 文档中 Q3 系列模型的公开参数。
如何在 PoYo 使用 Vidu Q4 API
第 1 步：注册并创建 API Key。
登录 PoYo，为你的应用创建访问密钥。
获取 API Key →
第 2 步：充值积分。
为账户充值积分。生成前，Playground 会根据所选分辨率和时长显示预估积分。
充值积分 →
第 3 步：接入 API。
向 /api/generate/submit 发送 model: "vidu-q4"，并携带 image_urls 或 reference_image_urls，之后通过任务 ID 查询结果，或提供回调地址接收完成通知。
查看 API 参考 →
Vidu Q4 API 常见问题
什么是 Vidu Q4 API？
Vidu Q4 是生数科技推出的视频生成模型，能生成带原生音频、角色一致、动作富有动感的电影级片段。在 PoYo 上，你可以用模型 ID vidu-q4 调用它，从一张首帧图或最多 12 张参考图生成 3–16 秒、540p 至 4K 的视频。
PoYo 上的 Vidu Q4 支持文生视频吗？
不支持。PoYo 上每个 Vidu Q4 请求都至少需要一张图片：要么在 image_urls 中传 1 张首帧，要么在 reference_image_urls 中传 1–12 张参考图。如果需要纯文本生成，请选择 PoYo 上的其他视频模型。
Vidu Q4 如何计费？
Vidu Q4 按视频秒数和分辨率计费：540p 每秒 9 积分（$0.045），720p 每秒 19 积分（$0.095），1080p 每秒 24 积分（$0.12），2K 每秒 38 积分（$0.19），4K 每秒 78 积分（$0.39）。例如 5 秒 720p 视频消耗 95 积分。参考图、声音参考和音频生成不额外收费。
如何在提示词中引用图片和声音？
在参考模式下，按素材顺序引用，例如第一张图写作 [@reference_image_1]，第一段声音写作 [@reference_audio_1]。示例："[@reference_image_1] 沿着 [@reference_image_2] 的海滩散步，并用 [@reference_audio_1] 的声音说话。"
声音参考有什么要求？
reference_audio_urls 最多可传 3 个音频地址。Playground 接受 3–12 秒的 MP3 片段，与 Vidu 官方对声音参考的建议一致。声音参考仅在参考模式下可用，不能与 image_urls 同时使用。
可以选择画面比例吗？
参考模式下可选 16:9、9:16、4:3、3:4 或 1:1。图生视频模式下画面跟随首帧，因此不接受 aspect_ratio 参数，请在提交前把图片裁成需要的比例。
生成需要多长时间？
生成为异步任务，耗时取决于时长、分辨率和服务负载。请保存提交接口返回的任务 ID，并轮询状态接口直到任务完成或失败，也可以提供回调地址。
Vidu Q4 生成的视频可以商用吗？
商用前请查看适用的模型和平台条款，并确保你拥有所上传图片、人物肖像和声音的使用权。发布前请检查生成的语音、面孔和品牌细节。
为什么通过 PoYo 使用 Vidu Q4 API
01
按输出秒数付费
按项目需要选择分辨率和时长。价格表和 Playground 预估使用相同的每秒费率，无需订阅。
02
在 Playground 测试两种模式
上传首帧或参考图和声音片段，在表单和 JSON 编辑之间切换，接入前先确认完整请求。
03
一个 API 调用多种视频模型
Vidu Q4 与 PoYo 上的其他视频、图像和音频模型使用相同的鉴权、提交和状态查询流程。
04
任务追踪或回调通知
通过任务 ID 查询进度，或提供回调地址，并在同一异步流程中获取成片视频地址。