卡通追逐
从叹气、转身到躲避龙卷风，把一段小情节放进一个片段。
Vidu Q3 视频模型：本页已升级为 Q4
Vidu Q3 是生数科技的音视频模型，最长可生成 16 秒。本页保留 Q3、Pro 和 Turbo 的参数介绍，实际生成已升级为 Vidu Q4：上传一张照片或最多 3 张参考图，可生成 5–16 秒、720p 或 1080p 的视频，声音可开关。
需要灵感吗？
示例
Stylized 3D animated film: a scruffy, wide-eyed monkey in a worn leather vest stands on a cracked desert highway, sighing at the camera. He slowly turns around, spots a giant tornado swallowing the road behind him, freezes, then sprints toward the camera as dust and debris fill the frame. Howling wind, flapping road signs, his panicked yelp. Wide shot, bright afternoon light.
这是参考示例，不是用你上传的素材生成的结果。
Vidu Q3 Pro 和 Turbo 分别是什么
Vidu Q3 是北京生数科技在 2026 年 1 月发布的视频模型，也常写作 ViduQ3。它能同时生成画面、对白、音效和音乐，最长 16 秒、最高 1080p，支持文字、图片和首尾帧；参考图功能在同年 4 月加入。
Vidu Q3 Pro 是完整画质版本，很多平台直接称它为 Q3；Vidu Q3 Turbo 更侧重速度，积分消耗更低，两者片长和最高分辨率相同。不同平台接入和定价可能不同，不能用一个平台的价格代表所有服务。
这里实际使用的是 2026 年 10 月推出的 Vidu Q4 预览版。本页 Q4 必须从图片开始：上传首帧，或 1–3 张参考图，再描述动作。它保留原生声音和最长 16 秒，同时侧重面部表演和参考图控制。纯文字构思可用“AI 文生视频”。
Q3、Turbo 和本页 Q4 参数对比
Q3 参数用于了解旧版本，实际生成请看 Q4 一列。
| 项目 | Vidu Q3 / Q3 Pro | Vidu Q3 Turbo | 本页 Vidu Q4 |
|---|---|---|---|
| 发布时间 | 2026 年 1 月 | 2026 年初 | 2026 年 10 月预览版 |
| 文生视频 | 支持 | 支持 | 不支持，必须有图片 |
| 图生视频 | 支持 | 支持 | 支持，一张首帧 |
| 首尾帧 | 支持 | 支持 | 不支持尾帧 |
| 参考图生视频 | 支持，2026 年 4 月加入 | 未列出 | 支持，1–3 张图 |
| 片长 | 1–16 秒 | 1–16 秒 | 5、8、10、16 秒 |
| 分辨率 | 540p、720p、1080p | 540p、720p、1080p | 720p、1080p |
| 比例 | 16:9、9:16、4:3、3:4、1:1 | 16:9、9:16、4:3、3:4、1:1 | 图生视频跟随原图；参考图生视频提供上述 5 种比例 |
| 原生声音 | 对白、音效、音乐 | 对白、音效、音乐 | 对白和音效，可开关 |
| 侧重点 | 画质和叙事 | 速度和较少积分 | 面部表演、参考图控制 |
本页不能调用 Vidu Q3，生成时使用 Vidu Q4。更长片段和 1080p 所需积分更多，提交前会显示积分。
下面是本页 Q4 的视频示例
预览默认静音。点卡片会把对应设置填进上方操作区，示例图仅供参考。
办公室里的表情变化
盖章、阅读，再慢慢抬头露出难以置信的表情，测试细小动作。
缓缓睁眼
面部近景重点检查眼皮、睫毛和皮肤随动作变化的细节。
动漫屋顶
用赛璐珞风格表现风、人物动作和一句轻声对白。
Vidu 图生视频，先选首帧或参考图
两种方式都需要至少一张图片。
选择输入方式
图生视频让一张首帧动起来；参考图生视频可组合人物、服装和地点等最多 3 张图片。
描述动作和声音
对白加引号，再写运镜和环境声。参考图生视频必须有提示词，可用“参考图 2 中的女性”等说法指明对象。
设置输出并生成
选择 5、8、10 或 16 秒，以及 720p 或 1080p。参考图生视频可选比例，声音可开关，确认积分后点击“用 Vidu Q4 生成视频”。
升级后重点看表情和参考图控制
表情、参考图和片长，下面各举一例。
画面和声音一起生成
Q4 延续 Q3 的原生声音能力，可生成对白、脚步、风声和人群声。准备自己配乐时，可以关闭生成声音。
表情要和情节一起描述
眼神、眉毛和嘴部动作适合用近景检查。写清惊讶、犹豫或轻松等情绪，以及抬头、屏息、微笑等表现。
用参考图安排同一场景
最多 3 张图可提供人物、商品和地点。说明它们的关系和动作，生成后检查面部、服装和物体是否保持可辨认。
给完整小情节留出时间
单次最长 16 秒，可安排短对白、商品亮相或一个笑点。不要让动作数量超出片长。
用照片和角色图做短片
短剧和动态漫画
用人物照片或角色图安排对白、反应和短情节，先检查叙事节奏。
商品和品牌
以参考照片确定商品外观，再安排新场景和声音，结果需核对细节。
卡通和动漫
用角色设定图或插画试做 3D、动漫风格的动作，先定好画风。
照片动态
用人像或旅行照做带环境声的短片，参考图生视频可选择 9:16 竖屏。
提示词把对象、情绪和声音说清
参考图提供外观，文字负责关系和动作。
按编号指代参考图
例如参考图 1 中的男子，走进参考图 3 的咖啡馆。
写出情绪怎样表现
不只写难过，也可写缓慢抬头、停顿、眼含泪水或勉强微笑。
把声音单独说明
对白放在引号里，再列雨声、车流或关门声等环境音。
按情节选择片长
一个反应可用 5 秒，短对白可用 8–10 秒，较完整的小情节可尝试 16 秒。
使用前常见问题
了解 Q3 的版本差别，以及本页实际使用的 Q4 设置。
来自北京的生数科技，2026 年 1 月发布，支持最长 16 秒、最高 1080p 和原生声音。本页介绍 Q3 参数，实际生成使用 Q4。
Vidu Q4。本页已升级到 2026 年 10 月推出的 Q4 预览版，不能调用 Q3；上传和输出设置也以本页 Q4 为准。
通常指同一个。Q3 Pro 是完整画质版，许多平台把它简称为 Q3。Q3 Turbo 是更侧重速度、积分消耗更低的版本，两者均支持 1–16 秒和最高 1080p。
先选脸部清晰的照片，再写一个简单动作，例如抬眼、微笑或转头。短片完成后检查眼睛、嘴部和动作衔接，复杂表情可以分开尝试。
不能。本页的 Q4 至少需要一张首帧或参考图；只有文字时，可使用“AI 文生视频”。
需要。本页实际调用 Q4，所需积分按片长和分辨率等设置计算，开始前“用 Vidu Q4 生成视频”按钮上会显示具体数量。注册即送 100 积分；首次购买任意套餐或积分包后，这些积分会解锁并永久有效。
5、8、10 或 16 秒，720p 或 1080p。图生视频跟随首帧比例；参考图生视频提供 16:9、9:16、1:1、4:3、3:4。
参考图生视频必须填写提示词。说明每张图的对象和关系，例如参考图 1 中的女性，把参考图 2 的包递给参考图 3 中的男子。
EzImgMaker 是独立服务，通过第三方 API 服务商提供 Q4，和生数科技或 Vidu 没有关联，也没有获得其背书或赞助。
JPG、PNG 或 WebP，每张最大 20 MB。请使用自有或已授权图片，涉及他人肖像先取得同意，不要上传未成年人图片或制作冒充、误导、骚扰他人的内容。
用自己的照片试试 Q4
上传一张首帧或最多 3 张参考图，再说明动作和声音。
Vidu 是生数科技或其关联公司的商标。EzImgMaker 是独立服务，和上述公司没有关联，也没有获得其背书或赞助。