Mantém a proporção original
A saída segue o formato da imagem. Um produto vertical continua vertical e um quadro largo continua largo. Não é preciso recortar para cada rede nem perder as bordas da composição.


O Vidu Q4 Preview é o modelo de vídeo AI mais recente da ShengShu. Ele transforma uma imagem, ou até 15 imagens de referência e 3 clipes de voz, em vídeos de até 16 segundos com áudio nativo e saída 2K/4K.
Lançado pela Vidu em 7 out. 2026 · Já no Topview

Comece com uma imagem. Descreva o movimento e a câmera, e o Vidu Q4 estende o quadro parado para um clipe de 3 a 16 segundos, em 2K ou 4K. O visual segue a imagem enviada; o prompt decide o que acontece depois.
A saída segue o formato da imagem. Um produto vertical continua vertical e um quadro largo continua largo. Não é preciso recortar para cada rede nem perder as bordas da composição.
Artes marciais, corrida e luta são onde imagem para vídeo costuma deformar. A Vidu diz que o Q4 deixa esse movimento mais fluido, com menos deformação, travadas e artefatos. Nomeie a ação e a direção no prompt.
Explosões, fumaça, partículas e energia saem com luz e movimento mais naturais. Em trailer de jogo, curta de fantasia ou revelação de produto, esse estouro carrega o plano.
Uma queixa comum da imagem para vídeo da Vidu é o clipe se afastar do pedido. O Q4 segue melhor os movimentos de câmera e as transições, mas quem dirige ainda é o prompt: um sujeito, uma ação principal e um movimento de câmera por plano.
É aqui que o Q4 mais muda. Em vez de um quadro inicial, você entrega um conjunto de referências: rostos, figurinos, objetos, lugares e uma imagem de estilo. Até 15 imagens e 3 clipes de voz entram numa geração, e o Vidu Q4 monta a cena em volta deles.
Envie cada personagem, figurino e objeto como uma equipe prepara o set. As vagas sobem de 7 nos modelos de referência do Q3 para 15. Uma cena com duas pessoas cabe frente e perfil dos dois, mais o lugar e o estilo.
Se duas referências discordam no rosto ou no figurino, o prompt decide. Aponte cada referência pela etiqueta e diga o que ela faz, por exemplo: "@1 de quimono branco soca enquanto @2 segura a guarda." Etiquetas claras reduzem rostos misturados.
Até três clipes de voz, de 3 a 12 segundos cada, definem como o personagem soa. As falas vão no prompt, atribuídas a quem as diz.
Referência para vídeo no Q4 aceita imagens paradas e áudio. Não aceita um vídeo de referência para movimento ou edição. Se precisar copiar um movimento já filmado, use um modelo que aceite vídeo de referência.
O Q4 gera o som junto com a imagem. Diálogo e ambiente saem no mesmo passo: não é preciso exportar um clipe mudo e colar o áudio depois.
O movimento da boca é gerado com a voz e o rosto, não colado num clipe pronto. A expressão e a boca ficam ligadas ao que o personagem realmente diz.
Em modelos anteriores, o mesmo personagem podia soar diferente a cada geração. As referências de voz prendem a voz à amostra escolhida, para um personagem de série manter uma voz de episódio em episódio.
Coloque o diálogo entre aspas e diga quem fala. Cada fala precisa caber no clipe: 16 segundos é o teto, e uma fala mais curta deixa espaço para uma reação.
A Vidu pensou o Q4 para quatro trabalhos: séries AI, publicidade, redes sociais e produção cinematográfica. Veja como cada um usa o gerador de vídeo AI da Vidu.
Personagens que voltam precisam do mesmo rosto e da mesma voz em cada episódio. Imagens e clipes de voz tornam isso viável numa sequência de episódios curtos.
Teste várias direções para uma proposta, ou versões de um mesmo filme de produto para mercados diferentes, sem reconstruir o elenco toda vez.
Clipes verticais para Reels, Shorts e TikTok, com diálogo e som já dentro.
Marque atuação, enquadramento e ritmo antes da filmagem. A saída 4K com cor de 10 bits aguenta a correção de cor.
O Vidu Q4 já está no Topview. Estes são os passos.

Descreva o vídeo no prompt: a ação, a câmera e quem faz o quê.

Clique em Gerar. O Vidu Q4 transforma o prompt e as imagens no clipe.

Revise o vídeo e baixe a versão que você quer.
Isto é o que mudou, segundo a documentação de API da Vidu. Um traço significa que o recurso não é oferecido ou não está listado para aquele modelo.
| Vidu Q4 Preview | Vidu Q3 Pro | Vidu Q3 (modelos de referência) | Vidu Q2 | |
|---|---|---|---|---|
| Modos de geração | Imagem para vídeo, referência para vídeo | Texto para vídeo, imagem para vídeo, quadro inicial/final | Referência para vídeo | Referência para vídeo* |
| Duração máxima | 16s | 16s | 16s | 10s |
| Imagens de referência | Até 15 | — | Até 7 | Até 7 |
| Referências de voz | Até 3 | — | Referência de voz no Q3 Mix | — |
| Resolução máxima | 4K (cor de 10 bits) | 1080p | 1080p | 1080p |
| Áudio nativo | Sim | Sim | Sim | — |
| Posição na Artificial Analysis, imagem para vídeo | #3 | #19 | — | — |
*Os números do Q2 valem só para o modo referência para vídeo.
Duas coisas continuam iguais. O teto de 16 segundos é o do Vidu Q3, e o Q4 não tem texto para vídeo, que o Q3 Pro ainda oferece. Se precisar de um dos dois, veja a nossa página do Vidu Q3.
No ranking da Artificial Analysis de imagem para vídeo, o Vidu Q4 Preview estreou em 3º, e o Vidu Q3 Pro está em 19º no mesmo ranking (em 8 out. 2026).
O Topview coloca o Vidu Q4 ao lado do resto do seu fluxo de vídeo.
Passe as mesmas referências e o mesmo roteiro pelo Vidu Q4, Vidu Q3 e outros modelos num espaço de trabalho, e fique com o clipe que servir.
Compartilhe rascunhos com a equipe e feche uma versão antes de qualquer coisa sair.
Leve o resultado direto para os formatos de anúncio e redes sociais do Topview, sem mover arquivos entre ferramentas.
Ainda comparando? Veja o nosso guia de alternativas ao Vidu AI.
Comece com uma imagem, ou com até 15 referências e 3 clipes de voz. Gere um clipe de até 16 segundos no Topview.