Vidu Q4 Preview ist das neueste AI-Videomodell von ShengShu. Aus einem Bild oder aus bis zu 15 Referenzbildern und 3 Stimmclips entstehen Videos von bis zu 16 Sekunden mit nativem Audio in 2K/4K.
Von Vidu am 7. Okt. 2026 veröffentlicht · Jetzt auf Topview
Sie starten mit einem Bild. Sie beschreiben Bewegung und Kamera, und Vidu Q4 zieht das Standbild zu einem Clip von 3–16 Sekunden in 2K oder 4K. Der Look folgt dem hochgeladenen Frame, der Prompt entscheidet, was als Nächstes passiert.
Die Ausgabe folgt der Form des hochgeladenen Bildes. Ein Hochformat-Produktfoto bleibt hoch, ein breites Bild bleibt breit. Sie müssen nicht für jede Plattform neu zuschneiden und verlieren nicht die Ränder der Komposition.
Kampf, Lauf und Prügelei sind die Stellen, an denen Bild zu Video oft verzerrt. Vidu sagt, Q4 halte diese Bewegung flüssiger, mit weniger Verformung, Ruckeln und Artefakten. Nennen Sie im Prompt die Aktion und ihre Richtung, damit das Modell einen klaren Weg hat.
Explosionen, Rauch, Partikel und Energieeffekte bekommen natürlicheres Licht und natürlichere Bewegung. Bei Game-Trailern, Fantasy-Kurzfilmen und Produktauftritten trägt genau dieser Moment die Einstellung.
Ein häufiger Einwand gegen Vidu Bild zu Video: Der Clip driftet vom Auftrag weg. Q4 folgt Kamerafahrten und Übergängen enger, gesteuert wird aber weiter über den Prompt. Ein Motiv, eine Hauptaktion und eine Kamerabewegung pro Einstellung geben das vorhersehbarste Ergebnis.
Hier ändert Q4 am meisten. Statt eines Startframes geben Sie dem Modell einen Satz Referenzen: Gesichter, Kostüme, Requisiten, Orte und ein Stilbild. Bis zu 15 Bilder und 3 Stimmclips gehen in eine Generierung, Vidu Q4 baut die Szene darum.
Laden Sie jede Figur, jedes Kostüm und jede Requisite hoch, wie ein Team das Set vorbereitet. Die Plätze steigen von 7 bei den Q3-Referenzmodellen auf 15. Eine Szene mit zwei Personen trägt Vorder- und Seitenansicht beider Figuren plus Ort und Stilreferenz.
Wenn zwei Referenzen bei Gesicht oder Kostüm widersprechen, entscheidet der Prompt. Zeigen Sie mit dem Tag auf jede Referenz und schreiben Sie, was sie in der Einstellung tut, zum Beispiel: „@1 im weißen Gi schlägt zu, @2 hält die Deckung.“ Klare Tags verringern vertauschte Gesichter.
Bis zu drei Stimmclips, je 3–12 Sekunden, legen fest, wie eine Figur klingt. Die gesprochenen Sätze stehen im Prompt und werden der Person zugeordnet, die sie sagt.
Referenz zu Video in Q4 nimmt Standbilder und Audio an. Ein Referenzvideo für Bewegung oder Schnitt nimmt es nicht. Wenn Sie Bewegung aus vorhandenem Material übernehmen müssen, nutzen Sie ein Modell mit Videoreferenz.
Q4 generiert den Ton mit dem Bild. Dialog und Umgebung kommen im selben Durchgang, Sie exportieren also keinen stummen Clip und setzen den Ton nicht hinterher.
Die Lippenbewegung entsteht zusammen mit Stimme und Gesicht, nicht als Schicht auf einem fertigen Clip. Mimik und Mundform bleiben an dem, was die Figur wirklich sagt.
Bei früheren Modellen konnte dieselbe Figur bei jeder Generierung anders klingen. Stimmreferenzen binden die Stimme an die Probe, die Sie wählen. Eine Serienfigur behält eine Stimme über die Folgen.
Setzen Sie Dialog in Anführungszeichen und nennen Sie, wer spricht. Jeder Satz muss in den Clip passen: 16 Sekunden sind die Obergrenze, kürzere Sätze lassen Platz für eine Reaktion.
Vidu hat Q4 für vier Arbeiten gebaut: AI-Serien, Werbung, Social Media und filmische Produktion. So nutzt jede den Vidu-AI-Videogenerator.
Wiederkehrende Figuren brauchen in jeder Folge dasselbe Gesicht und dieselbe Stimme. Referenzbilder und Stimmclips machen das über einen Lauf kurzer Folgen praktikabel.
Testen Sie mehrere Richtungen für ein Pitch, oder machen Sie Versionen eines Produktspots für verschiedene Märkte, ohne die Besetzung jedes Mal neu aufzubauen.
Hochformat für Reels, Shorts und TikTok, Dialog und Ton sind schon im Clip.
Legen Sie Spiel, Bildausschnitt und Tempo vor dem Dreh fest. 4K mit 10-bit-Farbe hält, wenn das Material in die Farbkorrektur geht.
Vidu Q4 ist auf Topview verfügbar. So gehen Sie vor.
Beschreiben Sie im Prompt das Video: die Aktion, die Kamera und wer was tut.
Klicken Sie auf Generieren. Vidu Q4 macht aus dem Prompt und Ihren Bildern den Clip.
Prüfen Sie das Video und laden Sie die gewünschte Version herunter.
Das hat sich geändert, nach Vidus eigener API-Dokumentation. Ein Strich heißt: die Funktion gibt es nicht oder sie ist für das Modell nicht aufgeführt.
| Vidu Q4 Preview | Vidu Q3 Pro | Vidu Q3 (Referenzmodelle) | Vidu Q2 | |
|---|---|---|---|---|
| Generierungsmodi | Bild zu Video, Referenz zu Video | Text zu Video, Bild zu Video, Start- und Endframe | Referenz zu Video | Referenz zu Video* |
| Maximale Länge | 16s | 16s | 16s | 10s |
| Referenzbilder | Bis zu 15 | — | Bis zu 7 | Bis zu 7 |
| Stimmreferenzen | Bis zu 3 | — | Stimmreferenz bei Q3 Mix | — |
| Maximale Auflösung | 4K (10-bit-Farbe) | 1080p | 1080p | 1080p |
| Natives Audio | Ja | Ja | Ja | — |
| Artificial-Analysis-Rang Bild zu Video | #3 | #19 | — | — |
*Die Q2-Angaben gelten nur für den Modus Referenz zu Video.
Zwei Dinge bleiben. Die Obergrenze von 16 Sekunden entspricht Vidu Q3, und Q4 hat keinen Text-zu-Video-Modus, den Q3 Pro noch bietet. Wenn Sie eines davon brauchen, sehen Sie unsere .
Auf dem Artificial-Analysis-Leaderboard für Bild zu Video startete Vidu Q4 Preview auf Platz 3, Vidu Q3 Pro steht auf demselben Board auf Platz 19 (Stand 8. Okt. 2026).
Topview stellt Vidu Q4 neben den Rest Ihres Videoablaufs.
Schicken Sie dieselben Referenzen und dasselbe Skript in einem Arbeitsbereich durch Vidu Q4, Vidu Q3 und andere Modelle und behalten Sie den Clip, der passt.
Teilen Sie Entwürfe mit dem Team und einigen Sie sich auf eine Fassung, bevor etwas hinausgeht.
Nehmen Sie das Ergebnis direkt in die Werbe- und Social-Media-Formate von Topview, statt Dateien zwischen Tools zu schieben.
Sie vergleichen noch? Sehen Sie unseren Leitfaden zu .
Starten Sie mit einem Bild oder mit bis zu 15 Referenzen und 3 Stimmaufnahmen. Erzeugen Sie auf Topview einen Clip von bis zu 16 Sekunden.