Was Vidu Q3 ist, in den Worten des Herstellers
Shengshu Technology beschreibt dieses Modell auf der eigenen Produktseite mit der Zeile „Vidu Q3,为剧而生" — Vidu Q3, für das Drama geboren. Die Seite ist um drei Aussagen gebaut. Zu Ton und Bild heißt es „音频与画面同步输出——对话、旁白、音效、音乐四类音轨同步生成,让成片在一次导出中就能干净落地", also dass vier Arten von Tonspur zusammen mit dem Bild entstehen und nicht nachträglich angelegt werden. Zur Länge heißt es „单次生成即可获得完整 16 秒视频,表达更充分、叙事更连贯——减少拼接、避免节奏断裂", dass eine Erzeugung ein vollständiges sechzehnsekündiges Video liefert. Zur Kontrolle heißt es „从运镜到节奏,你可以精确指挥每一个叙事节点;逐帧级控制帮助你落准关键时刻的时机、重音与情绪节拍".
Dieselbe Seite nennt vier Kernpunkte: synchronisierten Ton und Bild, Ausgabe auf Englisch, Japanisch und Chinesisch, eine Auslegung für Comic-Drama, Film und Kurzdrama sowie natürliche Dialoge mit mehreren Figuren.
Die Entwicklerdokumentation ergänzt eine kürzere Beschreibung desselben Modells, hier im Original: viduq3 „支持智能切镜,支持音画同出,多机位的一致性更出色" — intelligenter Szenenwechsel, Ton gemeinsam mit dem Bild erzeugt, bessere Konsistenz über mehrere Kameras.
Alles in diesem Abschnitt ist vom Hersteller zitiert. Nichts auf dieser Seite ist eine Aussage von Shengshu Technology, und diese Seite wurde von dort weder geprüft noch befürwortet.
Zitate bleiben in der Originalsprache des Herstellers, denn das Übersetzen einer Spezifikation ist einer der Wege, auf denen Zahlen abwandern.
Was der Dienst dieser Seite für dasselbe Produkt veröffentlicht
Der Arbeitsbereich liest die Herstellerdokumentation nicht. Er liest den eigenen Dienstkatalog dieser Seite, der pro Modell einen Eintrag zurückgibt. Der Eintrag für diese Seite heißt Vidu Q3, liegt in der Familie, die der Katalog Vidu Q3 nennt, und ist als verfügbar und aufrufbar gekennzeichnet. Er deklariert eine einzige Betriebsart, Referenz zu Video, und die einzeilige Beschreibung des Dienstes dazu lautet „Vidu Q3 官方参考生视频模型,支持主体或 1~7 张参考图生成 3~16 秒视频,支持音画同出".
Ein Einstiegspreis ist kein Angebot. Der Server rechnet die Kosten in Punkten für die von dir gewählte Betriebsart und die gewählten Einstellungen ab, bevor eine Aufgabe startet, und diese Summe zählt.
| Vom Dienst veröffentlichtes Feld | Wert |
| Deklarierte Betriebsarten | Referenz zu Video, sonst nichts |
| Aufgabentyp hinter der Betriebsart | reference-to-video |
| Veröffentlichter Einstiegspreis | 5 Punkte pro Sekunde |
| Abrechnungsart | Parameter plus Dauer |
| Eingabearten | Text und Bild |
| Grenze für Referenzbilder | 1 bis 7 |
| Dauer | 3 bis 16 Sekunden, Standard 5 |
| Auflösungen | 540p, 720p, 1080p, Standard 720p |
| Seitenverhältnisse | 16:9, 9:16, 1:1, Standard 16:9 |
Eine Betriebsart wird hier verkauft, vier hat die Produktlinie des Herstellers
Das ist die zentrale Tatsache dieser Seite, und sie ist das Gegenteil des üblichen Problems. Der Hersteller dokumentiert vier Wege, mit der Vidu-Q3-Linie Video zu erzeugen: aus Text, aus einem Bild, aus einem Paar Schlüsselbilder und aus Referenzen. Der Eintrag des Dienstes für diese Seite deklariert genau einen davon. Die anderen drei existieren im selben Katalog, aber als eigene Produkte unter eigenen Namen, und keines davon ist von dieser Seite aus erreichbar.
Der Arbeitsbereich kann also drei Betriebsarten ausdrücken, die dieses Produkt nicht verkauft. Das ist das Gegenteil eines Modells, dessen Fähigkeiten die Oberfläche verbirgt. Wer Vidu Q3 von dieser Seite aus öffnet, bekommt das Formular für Referenz zu Video und nichts sonst, weil der Dienst nichts anderes zurückgibt.
Die Folge sei klar benannt. Wer hier erwartet, eine Szene zu tippen und einen Clip zu erhalten, meint Text zu Video, und das ist ein anderes Produkt derselben Familie.
| Betriebsart | Vom Produkt dieser Seite verkauft | Wo der Katalog sie verkauft |
| Referenz zu Video | ja | Vidu Q3, 5 Punkte pro Sekunde |
| Text zu Video | nein | Vidu Q3 Pro und Vidu Q3 Turbo |
| Bild zu Video | nein | Vidu Q3 Pro, Vidu Q3 Turbo, Vidu Q3 Pro Fast |
| Start- und Endbild zu Video | nein | Vidu Q3 Pro und Vidu Q3 Turbo |
Jeder Parameter, den der Dienst veröffentlicht, stimmt mit dem Hersteller überein
Das kommt nicht immer vor. Auf den Videoseiten, die diese Site vor dieser gebaut hat, waren sich beide Seiten über Dauerbereiche uneinig, über die Anzahl der Auflösungsstufen, oder über die Frage, ob eine Referenzgrenze überhaupt Bestand hat. Für Vidu Q3 Referenz zu Video stimmen sie Feld für Feld überein.
Die Übereinstimmung bei der Dauer ist genau und nicht bloß ungefähr. Die Parametertabelle des Herstellers nennt das Modell beim Namen und führt seine Zeile: „viduq3:默认5秒,可选:3 - 16". Der Dienst veröffentlicht ein Zahlenfeld mit Minimum 3, Maximum 16 und Standardwert 5.
Es gibt noch eine dritte Quelle, und diesmal trübt sie das Wasser nicht. Der Quellcode dieser Seite enthält eine lokale Familientabelle, deren Einträge nur dann greifen, wenn der Dienst für ein Feld keinen Wert veröffentlicht. Für diese Familie deklariert sie Referenz zu Video als einzige unterstützte Betriebsart, was der Dienst ebenso deklariert. Nichts darin wird überschrieben und nichts darin ist wirkungslos.
Die lokale Tabelle wird erwähnt, weil sie auf früheren Seiten dieser Reihe sowohl dem Dienst als auch dem Hersteller widersprach. Hier stimmt sie mit dem Dienst überein.
| Einstellung | Dokumentation des Herstellers | Veröffentlichtes Formular des Dienstes |
| Dauer | Standard 5 Sekunden, Bereich 3 bis 16 | Standard 5, Minimum 3, Maximum 16 |
| Auflösung | Standard 720p, daneben 540p, 720p und 1080p | Standard 720p, daneben 540p, 720p und 1080p |
| Seitenverhältnis | Standard 16:9, auf dem Bildreferenzpfad 16:9, 9:16 und 1:1 | Standard 16:9, daneben 16:9, 9:16 und 1:1 |
| Referenzbilder | 1 bis 7 | Minimum 1, Maximum 7 |
Die Dauerliste unterscheidet sich zwischen zwei Oberflächen desselben Herstellers
Die Übereinstimmung oben gilt zwischen der API-Dokumentation des Herstellers und diesem Dienst. Die Konsumentenseite des Herstellers erzählt eine dritte Geschichte, und es ist die, die die meisten Besucher gesehen haben, weil es die Seite mit dem Generator ist.
Die beiden Oberflächen des Herstellers beschreiben verschiedene Endpunkte und widersprechen sich daher nicht: Ein Bedienelement auf einer Konsumentenseite und eine Parametertabelle in einer API-Referenz sind zwei Dokumente über verschiedene Aufrufpfade. Sie belegen aber, dass eine von der Konsumentenseite abgelesene Zahl nicht die Zahl ist, die die API annimmt, und wer das Dauerfeld dieser Seite mit der Produktseite vergleicht, sieht eine Abweichung, die einen Grund hat.
Die dritte Zeile hat keinen solchen Grund. Sie ist die Liste eines Dritten und passt zu keiner der beiden Fassungen des Herstellers.
| Quelle | Angebotene Daueroptionen |
| API-Dokumentation des Herstellers, Referenz zu Video | 3 bis 16, Standard 5 |
| Konsumentenseite des Herstellers, Bild-zu-Video-Bedienelement | 1 bis 16 |
| Eine für diese Seite geprüfte Fremdbesprechung | 4, 8 oder 16 |
| Veröffentlichtes Formular dieses Dienstes | 3 bis 16, Standard 5 |
Referenzbilder, und die Referenzen, die das Formular nicht trägt
Referenz zu Video ist die Betriebsart, die dieses Produkt verkauft, deshalb ist die Referenzgrenze die wichtigste Einstellung hier. Der Hersteller dokumentiert 1 bis 7 Bilder, und der Dienst veröffentlicht dieselbe Grenze, mit einem Minimum von 1. Referenzbilder lenken die Aufnahme, ohne ihr erstes Bild festzulegen, und genau das trennt diese Betriebsart von Bild zu Video.
Das eigene Anfragebeispiel des Herstellers für diesen Endpunkt verwendet drei Bilder und einen einzigen Satz als Prompt: „Santa Claus and the bear hug by the lakeside." Liest man die drei Dateien gegen diesen Satz, zeigt sich die beabsichtigte Arbeitsteilung, denn die Dateien sind eine Seeuferlandschaft bei Nacht, ein rotes Plüsch-Weihnachtsmann und ein grauer Plüschbär. Ein Bild trägt den Ort, zwei tragen die Figuren.
Der Endpunkt nimmt auch Video-Referenzen an, und hier trennen sich die Wege. Die Dokumentation des Herstellers erlaubt 1 oder 2 Referenzclips, höchstens einen achtsekündigen oder zwei fünfsekündige, in mp4, avi oder mov, mit einer Untergrenze von 128 mal 128 Pixeln und einem Seitenverhältnis, das nicht breiter als 4 zu 1 ist. Der Dienst veröffentlicht ein Bildfeld namens image_urls und überhaupt kein Videofeld, sodass diese Hälfte des Endpunkts aus diesem Arbeitsbereich nicht erreichbar ist.
Eine weitere Anmerkung des Herstellers gehört hierher, weil sie eine falsche Erwartung verhindert. Der Parameter für die Stimmkennung, der die Stimme in erzeugter Sprache bestimmt, wird laut Dokumentation für q3-Referenzmodelle nicht erzeugt, ist also nichts, wonach man neben den Audioeinstellungen unten suchen sollte.
Nebenzeiten kosten weniger, und die 48 Stunden stehen im selben Satz
Der Hersteller dokumentiert für diesen Endpunkt eine Abgabe außerhalb der Spitzenzeit und sagt dazu vier Dinge in einem einzigen Block. Im Original: „错峰模式消耗的积分更低,具体请查看产品定价" — sie kostet weniger Punkte. „错峰模式下提交的任务,会在48小时内生成,未能完成的任务会被自动取消,并返还该任务的积分" — eine so abgegebene Aufgabe wird innerhalb von 48 Stunden erzeugt, und eine Aufgabe, die nicht fertig wird, wird automatisch abgebrochen und ihre Punkte zurückerstattet. Aufgaben lassen sich außerdem von Hand abbrechen. Und „q3模型在audio参数为true时,支持错峰任务;q2、q1、2.0系列模型在audio为false时支持错峰任务" — q3-Modelle unterstützen die Nebenzeit, wenn audio true ist, während die älteren Reihen sie unterstützen, wenn audio false ist.
Diese vier Aussagen sind eine Tatsache, nicht vier. Nur die erste zu lesen erweckt den Eindruck eines schlichten Rabatts, während tatsächlich ein günstigerer Preis gegen bis zu zwei Tage Wartezeit getauscht wird. Die Richtung der Kopplung an das Audio kehrt sich zwischen den Generationen zudem um, was leicht verkehrt gelesen wird.
Der Eintrag dieses Dienstes für diese Seite veröffentlicht kein Feld für die Nebenzeit. Der Fähigkeitsblock eines anderen Produkts derselben Familie trägt eine Kennzeichnung, die Nebenzeit als unterstützt ausweist, weshalb das Merkmal hier überhaupt beschrieben wird, aber das Formular hinter der Betriebsart dieser Seite hat keine solche Steuerung.
Keine Formulierung auf dieser Seite beschreibt die Nebenzeit als einfach billiger, weil das 48-Stunden-Fenster im selben Absatz steht wie der Rabatt.
Audio ist eine deklarierte Fähigkeit, für die der Dienst keine Steuerung veröffentlicht
Das ist der verworrenste der Unterschiede, und er zerfällt in drei Tatsachen, die gleichzeitig gelten.
Erstens deklariert der Dienst Audio. Der Fähigkeitsblock dieses Produkts sagt, Audio werde unterstützt, werde erzeugt, sei standardmäßig an und habe einen Schalter.
Zweitens behandelt auch der Hersteller Audio bei diesem Modell als standardmäßig an, obwohl seine eigene Parametertabelle zunächst das Gegenteil behauptet und sich eine Zeile später selbst korrigiert. Beim Parameter steht „默认false", und unmittelbar darunter sagt dieselbe Tabelle „viduq3、viduq3-turbo默认audio为true,其他模型为false". Für dieses Modell gilt die zweite Zeile. Ein zweiter, auf derselben Seite dokumentierter Endpunkt gibt Audio von vornherein den Standardwert true und ergänzt, dass außerhalb von Aufrufen mit der Subjektbibliothek nur q3-Modelle diesen Parameter unterstützen.
Drittens enthält das veröffentlichte Formular des Dienstes für diese Betriebsart kein Audiofeld. Die Felder sind Prompt, Auflösung, Seitenverhältnis, Dauer und Referenzbilder. Der Arbeitsbereich baut seine Steuerelemente aus diesem Formular und rendert einen Audioschalter nur dann, wenn das Formular ein Feld namens generate_audio enthält. Es enthält keines, also erscheint kein Audioschalter.
Die ehrliche Beschreibung lautet nicht, dass der Ton aus ist, sondern dass dieser Arbeitsbereich keine Steuerung dafür bietet, während der Fähigkeitsblock des Dienstes selbst einen Schalter nennt.
| Audioparameter des Herstellers | Wirkung | Im Formular dieses Dienstes |
| audio | Ton zusammen mit dem Bild erzeugen oder ein stummes Video ausgeben | nein |
| audio_type | zwischen allem, nur Sprache oder nur Geräuschen wählen | nein |
| bgm | Hintergrundmusik hinzufügen, standardmäßig aus | nein |
| voice_id | die Sprechstimme wählen; für q3-Referenzmodelle nicht erzeugt | nein |
Was andere Seiten zu diesem Suchbegriff falsch darstellen
Für diese Seite wurden vier Seiten gemessen, und die Abweichungen gehören genannt, weil Leser, die sie vergleichen, darauf stoßen. Sie stehen hier als Abweichungen und nicht als Fehler, denn eine Seite kann eine andere Oberfläche beschreiben als die, nach der sie aussieht.
Die Aussage zu den Referenzbildern ist die einzige, die eine Entscheidung ändern würde. Vier Bilder gegen sieben ist ein Unterschied, den ein Creator beim ersten Versuch bemerkt, und die Zahl des Herstellers hat eine Seite hinter sich.
Etwas anderes an diesen Seiten ist aussagekräftiger als jede einzelne Behauptung. Von den vier geprüften Seiten kommen zwei redaktionelle Besprechungen auf je über zweitausend Wörter mit Dutzenden Bildern, und zwischen ihnen betten sie kein einziges Video ein. Die einzige Seite der Gruppe mit bewegtem Material ist eine nachgeahmte Domain, die nicht der Hersteller ist. Eine Seite über ein Videomodell, die kein Video zeigt, ist die Lücke, die diese Galerie füllt.
| Behauptung | Wo sie steht | Was der Hersteller dokumentiert |
| Höchstens 4 Referenzbilder | eine Fremdbesprechung zu Referenz zu Video | 1 bis 7 Bilder |
| Daueroptionen von 4, 8 oder 16 Sekunden | ein chinesisches Werkzeugverzeichnis | 3 bis 16 Sekunden, Standard 5 |
| Modelle namens Q3 Drama und Q3 Ad | eine Fremdbesprechung | keiner der beiden Namen steht im Katalog dieser Seite |
| Sekundenpreise in Dollar | eine Fremdbesprechung | der Hersteller rechnet diesen Endpunkt in eigenen Einheiten ab |
Was diese Galerie zeigt und was sie bewusst auslässt
Die Entwicklerdokumentation des Herstellers enthält für dieses Modell überhaupt keine erzeugte Ausgabe. Über alle sieben archivierten Seiten hinweg gibt es keine Videoelemente und keine Clipdateien, und die einzigen Bilder sind sieben Dateien, die als Eingaben in Anfragebeispielen erscheinen. Die Ausgabe des Modells selbst liegt auf der Konsumentenseite, und dorthin führen zwei Schritte, weil die Konsumentenseite im Browser zusammengesetzt wird und ein einfacher Abruf nur eine Hülle liefert.
Aus der gerenderten Konsumentenseite die Navigationsverweise auszulesen, förderte eine eigene Vidu-Q3-Seite zutage, und diese Seite liefert vier Clips, von denen jeder heruntergeladen werden konnte. Drei davon werden hier als Clips veröffentlicht, weil ihre Länge und ihre Bewegung der Beleg sind: ein zehnsekündiger Dialog zwischen zwei Personen, eine fünfzehnsekündige ununterbrochene Szene in einem Baseballstadion und ein fünfsekündiger Clip, der zwischen drei Kameraeinstellungen einer Szene schneidet. Der vierte ist eine hundertsechzigsekündige Werkschau, zu lang zum Veröffentlichen, weshalb fünf Einzelbilder daraus entnommen wurden.
Zwei Clips der Konsumenten-Startseite wurden heruntergeladen und dann beiseitegelegt. Ihre eigenen Dateinamen lauten S11 und Q4-1, die Seite betitelt keinen davon als Vidu Q3, und die Navigation derselben Site führt S als eigene Linie. Keiner wird diesem Modell zugeschrieben.
Drei der hier veröffentlichten Einzelbilder sind Eingaben und nicht Ausgaben: die Seeuferlandschaft und die beiden Plüschfiguren aus dem Anfragebeispiel des Herstellers. Sie sind überall, wo sie erscheinen, als Eingaben gekennzeichnet, und sie stehen hier, weil Referenz zu Video die einzige Betriebsart ist, die dieses Produkt verkauft.
Vier weitere Herstellerbilder wurden abgerufen und nicht veröffentlicht, und die Gründe sind festgehalten statt stillschweigend übergangen. Das Einzelbild zu Bild zu Video, das Paar der Schlüsselbilder und das Bild der Szenenvorlage gehören alle zu Schwesterprodukten, die Betriebsarten verkaufen, die das Produkt dieser Seite nicht anbietet, und das Eröffnungsbild der Werkschau ist eine fast schwarze Karte mit dem Werbesatz des Herstellers, also Text und keine Erzeugung.
Häufige Fragen
Ist das die offizielle Seite zu Vidu Q3?
Nein. Es ist eine Seite dieser Site über das Modell. Die Seiten des Herstellers werden durchgehend als Quellen genannt, und diese Seite wurde von Shengshu Technology weder geprüft noch befürwortet.
Welche Betriebsarten kann ich hier tatsächlich nutzen?
Referenz zu Video, und nur das. Text zu Video, Bild zu Video und Start- und Endbild zu Video sind vom Hersteller für dieselbe Modelllinie dokumentiert, und dieser Katalog verkauft sie über eigene Produkte derselben Familie.
Wie viele Referenzbilder kann ich anhängen?
Zwischen 1 und 7. Der Hersteller dokumentiert 1 bis 7, und dieser Dienst veröffentlicht dasselbe Minimum und Maximum. Das ist nachzuprüfen, weil eine Fremdbesprechung zu diesem Suchbegriff eine Obergrenze von vier nennt.
Kann ich zusätzlich eine Referenzvideo anhängen?
Aus diesem Arbeitsbereich nicht. Der Hersteller erlaubt 1 oder 2 Referenzclips, höchstens einen achtsekündigen oder zwei fünfsekündige, aber das Formular, das dieser Dienst für die Betriebsart veröffentlicht, hat ein Bildfeld und kein Videofeld.
Warum zeigt die Seite Clips, wenn die technische Dokumentation keine hat?
Weil die beiden Oberflächen Verschiedenes tragen. Die Entwicklerdokumentation hat für dieses Modell überhaupt keine Ausgabemedien, während die Konsumentenseite des Herstellers vier Clips liefert, von denen alle heruntergeladen werden konnten. Diese Seite wird im Browser zusammengesetzt und muss daher gerendert statt abgerufen werden.
Sind der See, der Weihnachtsmann und der Bär Beispiele dafür, was das Modell erzeugt hat?
Nein, und genau deshalb sind sie als Eingaben gekennzeichnet. Es sind die drei Bilder aus dem Anfragebeispiel des Herstellers, veröffentlicht, damit die Form einer Referenz-zu-Video-Anfrage sichtbar wird. Die erzeugten Clips sind die drei Einträge darüber.
Kostet die Abgabe außerhalb der Spitzenzeit einfach weniger?
Nein. Der Hersteller sagt, eine solche Aufgabe koste weniger Punkte, und im selben Absatz, dass sie innerhalb von 48 Stunden erzeugt und bei Nichtfertigstellung automatisch abgebrochen und die Punkte zurückerstattet werden. Für q3-Modelle ist die Nebenzeit zudem nur verfügbar, wenn audio true ist, was das Gegenteil der älteren Modelle ist.
Kann ich hier den Ton abschalten oder die Stimme wählen?
Auf dem Formular dieser Seite gibt es keine Audiosteuerung. Der Fähigkeitsblock des Dienstes erklärt Audio als erzeugt, standardmäßig an und mit einem Schalter, aber das veröffentlichte Formular trägt kein Audiofeld, und der Arbeitsbereich rendert seinen Audioschalter nur, wenn das Formular eines enthält. Der Parameter für die Stimmkennung wird laut Dokumentation für q3-Referenzmodelle ohnehin nicht erzeugt.
Was kostet es?
Der Server nennt es in Punkten für die von dir gewählte Betriebsart und die gewählten Einstellungen, bevor die Aufgabe startet. Der Katalog veröffentlicht für diese Betriebsart einen Einstiegspreis von 5 Punkten pro Sekunde. Dieser Einstiegspreis ist kein Angebot, und diese Seite behandelt ihn nicht als eines.
Die Produktseite des Herstellers bietet Dauern ab 1 Sekunde an, warum beginnt das Formular hier bei 3?
Weil es verschiedene Endpunkte sind. Das Bedienelement auf der Konsumentenseite gehört zur Oberfläche für Bild zu Video und listet 1 bis 16. Die API-Referenz für Referenz zu Video dokumentiert 3 bis 16 mit einem Standardwert von 5, und genau das veröffentlicht dieser Dienst.