保留原图比例
输出视频沿用你上传图片的比例：竖版产品图出来还是竖版，宽幅图出来还是宽幅。不用为每个平台重新裁切，也不会丢掉构图边缘。
Vidu Q4 AI 视频生成器：角色和声音前后一致
Vidu Q4 Preview 是生数科技最新的 AI 视频模型。它能把一张图片，或最多 15 张参考图加 3 段音色，生成最长 16 秒、自带原生音频的 2K 或 4K 视频。
Vidu 于 2026 年 10 月 7 日发布 · 已在 Topview 上线
Vidu Q4
上传参考
Image1
1/15 images · 0/3 audio
49/2000
示例画面
用 Vidu Q4 做 Vidu AI 图生视频
从一张图片开始。描述动作和镜头，Vidu Q4 就能把静态图延展成 3–16 秒、2K 或 4K 的视频。把它当作图片动画工具来用：画面风格跟着你上传的那一帧，接下来发生什么由提示词决定。
快速动作不散架
武打、奔跑、打斗这类场面，图生视频最容易变形。Vidu 表示 Q4 让这类动作更流畅，变形、卡顿和瑕疵更少。在提示词里写清动作和方向，给模型一条明确的路径。
特效更有分量
爆炸、烟雾、粒子和能量特效的光影和运动更自然。对游戏预告、奇幻短片和产品揭晓镜头来说，一次特效往往就撑起整个画面。
提示词让镜头不跑偏
Vidu 图生视频常被吐槽的一点是视频偏离了要求。Q4 对运镜和转场的遵循度更高，但镜头怎么走，还是由提示词决定：每个镜头一个主体、一个主要动作、一种运镜，结果最稳。
参考生视频 AI：最多 15 张图和 3 段声音
参考生视频是 Q4 变化最大的地方。你给模型的不再是一张起始帧，而是一组参考素材：人脸、服装、道具、场景和一张风格图。一次生成最多放进 15 张图和 3 段声音，Vidu Q4 围绕它们搭出整场戏。
开拍前先定好角色
像剧组备场那样，把每个角色、服装和道具都传上去。参考位从 Q3 参考模型的 7 张增加到 15 张，一场两人戏可以同时放进两个角色的正面和侧面图，再加上场景和风格参考。
告诉模型谁是谁
两张参考图在脸或服装上冲突时，由提示词来定。用标签指明每张参考图，并写清它在镜头里做什么，比如：「@1 穿着白色道服出拳，@2 在道馆里格挡」。标签写清楚，脸被混在一起的情况就少。
给每个角色配上声音
最多加 3 段声音，每段 3–12 秒，用来固定角色的音色。声音片段决定角色听起来是什么样；台词本身写在提示词里，分配给说这句话的角色。
只收图片和声音
Q4 的 Vidu 参考生视频只接受静态图片和音频，不接受用参考视频来控制动作或做编辑。如果要照搬现有素材里的动作，请用支持视频参考的模型。
带音频的图生视频：人声、对口型、声音一起生成
Q4 在生成画面的同时生成声音。对白和环境音一次出来，不用先导出无声视频、再回头补音频。
原生 Vidu 对口型
嘴型和声音、面部一起生成，而不是贴到做好的视频上。表情和口型始终跟着角色真正在说的话走。
同一个声音，一镜接一镜
以前的模型里，同一个角色每次生成声音都可能不一样。参考声音把音色固定在你选的样本上，系列角色每一集都是同一个声音。
台词写在提示词里
把台词放在引号里，并写明谁说。每句台词的长度要放得进这段视频：16 秒是上限，台词短一点，还能留出反应镜头。
用 Vidu Q4 能做什么
Vidu 为 Q4 设定了四类用途：AI 短剧、广告、社交媒体和电影感短片。下面是每类用法。
AI 短剧与连续剧
固定角色每一集都要同一张脸、同一个声音。参考图加参考声音，让整季短剧保持一致变得可行。
广告创意与产品多版本
为比稿测试几种创意方向，或为不同市场做同一支产品片的多个版本，不用每次重建角色。
社交媒体视频
适合 Reels、Shorts 和 TikTok 的竖版视频，对白和声音已经在片子里。
预演与电影感 Shorts
在实拍前先排好表演、构图和节奏。10-bit 色深的 4K 输出，进调色流程也扛得住。
如何在 Topview 上使用 Vidu Q4
Vidu Q4 已在 Topview 上线。按下面的步骤使用。
第 1 步：输入提示词
在提示词里写清你要的视频：动作、镜头，以及谁在做什么。
第 2 步：点击生成
点击生成。Vidu Q4 会根据提示词和图片做成片。
第 3 步：下载结果
看过成片后，下载你要的那一版。
Vidu Q4 对比 Vidu Q3、Q3 Pro 和 Q2
以下变化依据 Vidu 官方 API 文档。横线表示该模型没有这项功能或文档未列出。
| Vidu Q4 Preview | Vidu Q3 Pro | Vidu Q3（参考生视频模型） | Vidu Q2 | |
|---|---|---|---|---|
| 生成模式 | 图生视频、参考生视频 | 文生视频、图生视频、首尾帧 | 参考生视频 | 参考生视频* |
| 最长时长 | 16 秒 | 16 秒 | 16 秒 | 10 秒 |
| 参考图 | 最多 15 张 | — | 最多 7 张 | 最多 7 张 |
| 参考声音 | 最多 3 段 | — | Q3 Mix 支持参考声音 | — |
| 最高分辨率 | 4K（10-bit 色深） | 1080p | 1080p | 1080p |
| 原生音频 | 有 | 有 | 有 | — |
| Artificial Analysis 图生视频榜排名 | 第 3 | 第 19 | — | — |
*Q2 只列了参考生视频模式的参数。
有两点没变：最长 16 秒和 Vidu Q3 一样；Q4 没有文生视频模式，Q3 Pro 仍然有。需要这两项的话，请看我们的 。
在 Artificial Analysis 图生视频榜上，Vidu Q4 Preview 首发排第 3，同一榜单上 Vidu Q3 Pro 排第 19（截至 2026 年 10 月 8 日）。
为什么在 Topview 上用 Vidu Q4
Topview 把 Vidu Q4 放在你整套视频流程旁边。
一份需求，多个模型
把同一组参考素材和脚本交给 Vidu Q4、Vidu Q3 和其他模型，在同一个工作区里跑，留下最合适的那条。
导出前先审片
把草稿分享给同事，定好版本再发出去。
从片段到成片
把结果直接放进 Topview 的广告和社交媒体视频格式里，不用在多个工具之间来回倒文件。
还在比较其他选择？看看我们的 Vidu AI 替代品指南。