3–16 秒
按整秒选择
Vidu Q4
使用 Vidu Q4 将图片生成 3–16 秒视频，支持最多 15 张参考图、原生音频和最高 4K 输出。描述动作与运镜，在生成前查看积分。
预览
Vidu Q4
让图片拥有动作、镜头和声音
在 SceneFlare 使用 Vidu Q4，从自己的图片开始创作视频。让一张构图动起来，或组合人物、物体与场景参考。用提示词安排动作、运镜与声音，构建完整的短场景。
3–16 秒最高 4K最多 15 张参考图原生音频
540p–4K
默认 720p
15 张图片 + 3 段音频
适用于参考生视频模式
用两种方式控制视频创作
根据创作需求，选择单图起步或多素材参考。
让一张图片动起来
上传图片并描述运动。图生视频沿用原图比例，以原有构图为起点，延展主体动作与场景变化。
组合多个视觉参考
用 1–15 张图片引导人物、服装、物体与环境。在提示词中说明每张图的作用，减少多素材之间的歧义。
同时生成画面与声音
开启原生音频，生成对白、环境声与音效。参考模式还可加入最多 3 段 MP3 声音参考，每段 3–12 秒。
从人物特征到动作声音，创作更有方向
把控制重点放在影响观感的细节上，并按制作需求选择输出设置。
让主体在变化中保持辨识度
参考图为人物与物体提供外观依据。使用同一主体的清晰视角，并说明哪些特征需要在动作和镜头变化中保持一致。
明确每张图的用途
例如用“参考图 1”指定人物，用“参考图 2”指定环境。
减少视觉信息冲突
选择互补的参考图，避免相互矛盾的人脸、服装或风格。
把动作节奏和运镜写进画面
在提示词中安排主体运动、镜头方向与速度。3–16 秒时长既适合完整呈现一个动作，也能容纳简短的分镜变化。
说明画面如何变化
写清人物做什么、镜头往哪走，比堆叠视觉形容词更有方向。
选择适合用途的输出
支持 540p、720p、1080p、2K 和 4K。参考模式可选五种比例，图生视频沿用原图比例。
让对白有声音，让场景有氛围
随画面生成音频，或关闭声音以便后期配音。参考模式支持使用声音片段，引导说话人物的声线。
把声音对应到人物
说明由谁说话、对白内容，以及对应哪段参考音频。
给表演留出时间
控制对白长度，使其适合所选时长；生成后检查发音与节奏。
如何使用 Vidu Q4 生成视频
01
上传图片
单张图片选择图生视频；多张图片与可选 MP3 音频选择参考生视频。支持 JPEG、PNG 和 WebP 图片。
02
描述场景并设置输出
写下动作、运镜与声音，选择时长、分辨率和音频开关。参考模式还可设置画面比例。
03
确认积分并生成
登录后查看积分报价并提交，播放结果、检查关键细节，然后下载视频。
Vidu Q4 常见问题
可以只输入文字生成视频吗？
此生成器需要图片。图生视频使用 1 张图片，参考生视频使用 1–15 张图片，再通过提示词描述场景如何发展。
可以上传多少图片和声音参考？
参考模式最多支持 15 张 JPEG、PNG 或 WebP 图片，以及 3 段可选 MP3 音频。每段音频为 3–12 秒。图片与音频分别按上传顺序编号。
支持参考视频或尾帧吗？
SceneFlare 的 Vidu Q4 接受图片与可选音频参考，当前这两种模式不提供参考视频和独立尾帧输入。
有哪些时长、分辨率和画面比例？
可选 3–16 秒中的任意整秒，以及 540p、720p、1080p、2K、4K。图生视频沿用原图比例；参考模式支持 16:9、9:16、1:1、4:3、3:4。
积分如何计算？
积分取决于输出分辨率与时长，修改设置后生成器会更新报价。提交前请确认积分；分辨率越高、视频越长，费用越高。
人物和声音能完全一致吗？
参考素材用于引导生成，并不保证完全复刻。清晰的素材和具体的提示词有助于表达要求。发布前请检查人脸、服装、对白与动作。
用 Vidu Q4 创作下一段视频
上传图片、描述运动，选择适合你的输出设置。
