网球场上的一句话
人物走出球场时说了一句简短对白，适合观察动作、口型和语气。
Vidu Q4 参考生视频与图生视频，带声音
Vidu Q4 可以让一张首帧图动起来，也能组合最多 3 张参考图和一段人声，生成带对白和音效的视频。本页片长可选 3–16 秒，分辨率从 540p 到 4K；声音按需开启，参考人声只用于参考图生视频。
需要灵感吗？
更多设置720p
示例
Use the character reference image to create a high-energy cinematic fashion video. The same man stands in a dark industrial space, then slowly turns toward camera as a strong gust of wind moves his jacket and hair. He takes one confident step forward while sharp white lights flicker behind him, creating metallic reflections across the distressed leather jacket and sunglasses. Add subtle handheld camera movement, a quick low-angle push-in, dramatic shadows, smoky atmosphere, fast light streaks, and a powerful streetwear campaign mood. Keep his face, hairstyle, sunglasses, outfit and body proportions consistent.
这是参考示例，不是用你上传的素材生成的结果。
Vidu Q4 要从图片开始
Vidu Q4 是生数科技 Vidu 系列在 Q3 之后的视频模型，也会以 Vidu Q4 Preview 的名称出现。它以图片为起点：一张首帧确定开场画面，参考图则提供人物、商品或地点，再由文字安排新的镜头。开启声音后，画面、对白和音效一起生成。
本页提供图生视频和参考图生视频，片长为 3–16 秒，可选 540p、720p、1080p、2K、4K。参考图生视频还可上传 3–12 秒 MP3 人声。下面的实际示例全部以 720p 生成，用于展示动作和声音，并不是 4K 画质样张。
先看示例，再听对白和音效
6 段示例均以 720p 生成，打开声音可以试听。点卡片会把对应设置填进上方操作区，示例图仅供参考。
巴黎面包和鸽子
从街头照片开始，鸽子扑向面包，手持镜头表现突然发生的小插曲。
角色设定图拍时装片
用一张人物设定图保留面部、夹克和墨镜，在新的工业空间安排镜头。
沙尘中的牛仔
人物转向镜头，日落光线照亮风尘，搭配靴子踩过干土的声音。
沙漠公路上的疲惫猿猴
15 秒风格化表演包含垂肩、叹气和缓慢眨眼，背景是干燥风声。
日落屋顶上的侦察员
动漫屋顶场景里，镜头缓慢移动，风声渐起，远处传来城市底噪。
Vidu 参考生视频，先说明每张图的用途
先选首帧或参考图，再按需要添加人声、描述动作并设置输出。
选择输入方式
图生视频从首帧开始并跟随图片比例；参考图生视频接受 1–3 张图，可分别提供人物设定、商品和地点。
按需要添加人声
参考图生视频可上传一段 3–12 秒 MP3。提示词说明谁使用这段声音，例如参考图 1 中的男子，用参考音频 1 说“我们迟到了”。
写动作、镜头和台词
对白放在引号里，补充动作和环境声。需要对白和音效时开启“生成声音”；要无声素材时关闭。
选择输出并生成
在更多设置中选 3–16 秒和 540p 到 4K，参考图生视频另选横屏、竖屏或方形。
从草稿到 4K 视频生成
先用低分辨率检查动作
所有 3–16 秒片长都可选 540p、720p、1080p、2K 或 4K。猿猴示例使用默认 720p；4K 每秒要多花不少积分，先检查提示词再决定是否重做。
用参考图定好人物和物品
最多 3 张图可提供人物多角度设定、服装或场景。时装片示例用一张角色图，把人物带入闪烁灯光的工业空间。
对白和音效随画面生成
开启生成声音，把台词放进提示词并写明说话方式。网球示例展示人物边离场边说话的效果，生成后仍需检查口型。
首帧确定开场画面
上传一张照片，说明接下来发生什么。巴黎示例以红发女性和法棍照片为起点，安排鸽子飞来的动作，并跟随原图比例。
两种输入模式的具体限制
参考人声只用于参考图生视频，两种模式都支持相同片长和分辨率。
| 项目 | 图生视频 | 参考图生视频 |
|---|---|---|
| 图片 | 一张首帧，JPG/PNG/WebP，最大 20 MB | 1–3 张参考图，同样格式，每张最大 20 MB |
| 参考音频 | 不使用 | 选填，一段 MP3，3–12 秒，最大 10 MB |
| 片长 | 3–16 秒 | 3–16 秒 |
| 分辨率 | 540p、720p、1080p、2K、4K | 540p、720p、1080p、2K、4K |
| 比例 | 跟随图片 | 16:9、9:16、1:1 |
| 声音 | 对白和音效，可开关 | 对白和音效，可开关 |
| 提示词用途 | 说明动作、台词和声音 | 说明每张参考图的对象及其动作 |
本页示例均为 720p。提高分辨率、延长片长会增加积分，声音开关不改变所需积分；提交前以“用 Vidu Q4 生成视频”按钮上的积分为准。
和 Q3、Seedance 2.5 怎么选
按是否有图片、参考素材数量和输出分辨率选择。
| 项目 | 本页 Vidu Q4 | Vidu Q3 | Seedance 2.5 |
|---|---|---|---|
| 开发方 | 生数科技 | 生数科技 | 字节跳动 |
| 纯文字输入 | 不支持，至少一张图 | 支持 | 支持 |
| 图片输入 | 首帧 | 首帧或首尾帧 | 首帧或首尾帧 |
| 参考素材 | 最多 3 张图和一段 MP3 | 支持参考图 | 模型上限 30 张图、10 段视频、10 段音频；本站对应页面各上传 1 个文件 |
| 片长 | 3–16 秒 | 1–16 秒 | 4–30 秒 |
| 分辨率 | 540p 到 4K | 540p、720p、1080p | 480p、720p、1080p |
| 原生声音 | 对白和音效 | 对白、音效、音乐 | 对白、音效、音乐 |
本站 Q3 页面用于了解参数和对比，实际也使用 Q4。纯文字或超过 16 秒的单段需求可查看 Seedance 2.5。
适合带着已有图片来制作
服装和街头品牌
用人物设定图固定模特、夹克和墨镜，再尝试不同广告场景，检查服装细节。
短剧和动态漫画
让同一角色在新场景说话，最长 16 秒内安排表情和对白。
摄影和素材创作
给拍好的照片加上动作和环境声，保持原有画面比例，作为动态素材草稿。
独立动画和游戏美术
用角色设定图尝试风格化 3D 或动漫场景，从低分辨率草稿开始检查。
写清谁说话、怎么说、什么保持不变
让图片和文字各自承担明确的作用。
对白加引号并说明语气
例如轻声说“这次打得不错”。台词简短些，更容易安排在所选片长里。
列出两三种主要声音
例如干燥风声、低声叹气或远处城市底噪，避免同时要求太多互相冲突的声音。
参考图背景尽量简单
人物、商品或多角度角色图尽量清晰，复杂背景可能干扰新场景。
按上传编号指代
例如参考图 2 中的女性把盒子递给参考图 1 中的男子，再注明哪一人使用参考音频 1。
先低分辨率再决定是否重做
4K 每秒所需积分多于 720p。先确认动作和台词，再用同样构思重新生成 2K 或 4K；新结果可能变化。
说明需要保留的内容
图生视频时，可以在提示词里写明人物外观、服装、场地和光线和原图保持一致，生成后逐项检查。
使用前常见问题
了解参考图、人声、4K、片长和所需积分。
它是生数科技 Vidu 系列的视频模型，接续 Q3。本页从首帧或参考图开始，生成 3–16 秒、540p 到 4K 的视频，并可同时生成对白和音效。
需要。按片长和分辨率计算，声音开关不影响积分。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。
可以，两种模式都提供 4K，也有 540p、720p、1080p、2K。本页示例是 720p，只展示动作和声音，不能当作 4K 样张。
选择参考图生视频，上传 1–3 张图，按编号说明人物、服装、商品或地点，再描述动作和镜头。可选 16:9、9:16、1:1。
可以。开启“生成声音”，把具体台词放在引号里，再说明语气和环境声。准备自己配音时可以关闭。
可以，仅参考图生视频支持。一段 MP3，3–12 秒、最大 10 MB，提示词说明哪个角色使用参考音频 1。请先取得相关声音和肖像的使用授权。
16 秒。时长可在 3–16 秒之间按整数秒选择。更长作品可以逐场景生成，再用剪辑软件拼接。
不能。本页至少需要一张首帧或参考图。只有文字构思时可用“AI 文生视频”，选择支持文字的模型。
已有照片或少量参考图、需要最高 4K 和对白时可试 Q4；需要纯文字、最长 30 秒，或同时使用图片、视频和音频参考时，可看 Seedance 2.5，它最高 1080p，本站对应页面每类参考素材只能传 1 份。
EzImgMaker 是独立服务，通过第三方 API 服务商接入该模型，和生数科技或 Vidu 没有关联，也没有获得其背书或赞助。其他地方可能把它列为 Vidu Q4 Preview，本页以显示的设置为准。
让图片里的角色开始行动
上传首帧或参考图，写清动作和台词，再选择声音和输出设置。
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。