Qué es Vidu Q3, en palabras del propio proveedor
Shengshu Technology describe este modelo en su propia página de producto bajo la línea «Vidu Q3,为剧而生» — Vidu Q3, nacido para el drama. La página se construye sobre tres afirmaciones. Sobre audio e imagen juntos dice «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», es decir, que cuatro clases de pista de audio se generan junto con la imagen en lugar de añadirse después. Sobre la duración dice «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», que una sola generación devuelve un vídeo completo de dieciséis segundos. Sobre el control dice «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».
La misma página enumera cuatro puntos destacados: audio e imagen sincronizados, salida en inglés, japonés y chino, un diseño pensado para cómic dramático, cine y series cortas, y diálogos naturales entre varios personajes.
La documentación para desarrolladores añade una descripción más breve del mismo modelo, citada aquí en su idioma original: viduq3 «支持智能切镜,支持音画同出,多机位的一致性更出色» — cambio de plano inteligente, audio generado junto con la imagen y mejor consistencia entre varias cámaras.
Todo lo de esta sección está citado del proveedor. Nada en esta página es una declaración de Shengshu Technology, y el proveedor no ha revisado ni respaldado esta página.
Las citas se dejan en el idioma original del proveedor, porque traducir una especificación es una de las formas en que los números se desvían.
Qué publica el servicio de este sitio para el mismo producto
El espacio de trabajo no lee la documentación del proveedor. Lee el catálogo propio de este sitio, que responde con una entrada por modelo. La entrada de esta página se llama Vidu Q3, está en la familia que el catálogo denomina Vidu Q3 y aparece marcada como disponible y ejecutable. Declara un solo modo, referencia a vídeo, y la descripción de una línea del propio servicio dice «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».
Un mínimo publicado no es una cotización. El servidor suma el cargo en puntos para el modo y los ajustes que elijas antes de que empiece la tarea, y ese total es el que cuenta.
| Campo que publica el servicio | Valor |
| Modos declarados | referencia a vídeo, y ningún otro |
| Tipo de tarea detrás del modo | reference-to-video |
| Precio mínimo publicado | 5 puntos por segundo |
| Modo de facturación | parámetros más duración |
| Tipos de entrada | texto e imagen |
| Límite de imágenes de referencia | de 1 a 7 |
| Duración | de 3 a 16 segundos, por defecto 5 |
| Resoluciones | 540p, 720p, 1080p, por defecto 720p |
| Relaciones de aspecto | 16:9, 9:16, 1:1, por defecto 16:9 |
Un modo a la venta aquí, cuatro modos en la línea del proveedor
Este es el hecho central de la página, y es lo contrario del problema habitual. El proveedor documenta cuatro maneras de hacer vídeo con la línea Vidu Q3: desde texto, desde una imagen, desde un par de fotogramas clave y desde referencias. La entrada del servicio para esta página declara exactamente una de ellas. Las otras tres existen en el mismo catálogo, pero como productos separados con nombre propio, y ninguna es alcanzable desde esta página.
Así que el espacio de trabajo puede expresar tres modos que este producto no vende, que es lo contrario de un modelo cuyas capacidades quedan ocultas por la interfaz. Quien abra Vidu Q3 desde esta página recibe el formulario de referencia a vídeo y nada más, porque eso es lo que devuelve el servicio.
Vale la pena nombrar la consecuencia sin rodeos. Si has llegado aquí esperando escribir una escena y obtener un clip, eso es texto a vídeo, y es otro producto de la misma familia.
| Modo | Lo vende el producto de esta página | Dónde sí lo vende el catálogo |
| Referencia a vídeo | sí | Vidu Q3, 5 puntos por segundo |
| Texto a vídeo | no | Vidu Q3 Pro y Vidu Q3 Turbo |
| Imagen a vídeo | no | Vidu Q3 Pro, Vidu Q3 Turbo, Vidu Q3 Pro Fast |
| Fotograma inicial y final a vídeo | no | Vidu Q3 Pro y Vidu Q3 Turbo |
Todos los parámetros que publica el servicio coinciden con los del proveedor
Esto no ocurre siempre. En las páginas de vídeo que este sitio construyó antes que esta, las dos partes discrepaban sobre los rangos de duración, sobre cuántos niveles de resolución existen o sobre si un límite de referencias era real. Para Vidu Q3 referencia a vídeo coinciden, campo por campo.
La coincidencia de duración es exacta, no aproximada. La tabla de parámetros del proveedor nombra el modelo por su nombre y le da su fila: «viduq3:默认5秒,可选:3 - 16». El servicio publica un campo numérico con mínimo 3, máximo 16 y valor por defecto 5.
Hay además una tercera fuente y, por una vez, no enturbia nada. El código fuente de este sitio lleva una tabla de familia local cuyas entradas solo se usan cuando el servicio no publica ningún valor para un campo. Para esta familia declara referencia a vídeo como único modo admitido, que es lo que declara también el servicio. Nada de ella queda anulado y nada de ella queda inerte.
La tabla local se menciona porque en páginas anteriores de esta serie discrepaba de las dos partes. Aquí coincide con el servicio.
| Ajuste | Documentación del proveedor | Formulario publicado por este servicio |
| Duración | por defecto 5 segundos, rango de 3 a 16 | por defecto 5, mínimo 3, máximo 16 |
| Resolución | por defecto 720p, con 540p, 720p y 1080p | por defecto 720p, con 540p, 720p y 1080p |
| Relación de aspecto | por defecto 16:9, con 16:9, 9:16 y 1:1 en la ruta de referencia por imagen | por defecto 16:9, con 16:9, 9:16 y 1:1 |
| Imágenes de referencia | de 1 a 7 | mínimo 1, máximo 7 |
La lista de duraciones difiere entre las dos superficies del propio proveedor
La coincidencia anterior es entre la documentación de API del proveedor y este servicio. La página de producto de consumo del proveedor cuenta una tercera historia, y es la que más visitantes habrán visto, porque es la página que lleva el generador.
Las dos superficies del proveedor describen puntos de acceso distintos, así que no están en conflicto entre sí: un widget en una página de consumo y una tabla de parámetros en una referencia de API son documentos diferentes sobre rutas de llamada diferentes. Lo que sí establecen es que un número leído en la página de consumo no es el número que acepta la API, y que quien compare el campo de duración de esta página con la página del producto verá una diferencia que tiene una razón.
La tercera fila no tiene ninguna razón detrás. Es una lista de un tercero y no coincide con ninguna de las dos del proveedor.
| Fuente | Opciones de duración que ofrece |
| Documentación de API del proveedor, referencia a vídeo | de 3 a 16, por defecto 5 |
| Página de consumo del proveedor, widget de imagen a vídeo | de 1 a 16 |
| Una reseña de terceros auditada para esta página | 4, 8 o 16 |
| Formulario publicado por este servicio | de 3 a 16, por defecto 5 |
Imágenes de referencia, y las referencias que el formulario no admite
Referencia a vídeo es el modo que vende este producto, así que el límite de referencias es el ajuste que más importa. El proveedor documenta de 1 a 7 imágenes y el servicio publica el mismo límite, con mínimo 1. Las imágenes de referencia guían el plano sin fijar su primer fotograma, y eso es lo que separa este modo del de imagen a vídeo.
El ejemplo de petición del propio proveedor para este punto de acceso usa tres imágenes y una sola frase de prompt: «Santa Claus and the bear hug by the lakeside». Leer los tres archivos junto a esa frase muestra el reparto de tareas previsto, porque los archivos son una escena junto a un lago de noche, un Papá Noel de peluche rojo y un oso de peluche gris. Una imagen lleva el entorno y dos llevan a los sujetos.
El punto de acceso también acepta referencias de vídeo, y aquí las dos partes se separan. La documentación del proveedor permite 1 o 2 clips de referencia, como máximo un clip de ocho segundos o dos de cinco segundos, en mp4, avi o mov, con un mínimo de 128 por 128 píxeles y una relación de aspecto no más ancha que 4 a 1. El servicio publica un campo de imagen llamado image_urls y ningún campo de vídeo, así que esa mitad del punto de acceso no es alcanzable desde este espacio de trabajo.
Merece la pena recoger otra nota del proveedor porque evita una expectativa equivocada. El parámetro del identificador de voz, que elige la voz usada en el habla generada, está documentado como no generado para los modelos q3 de referencia, así que no es algo que deba buscarse junto a los ajustes de audio de más abajo.
El modo fuera de horas punta cuesta menos, y la ventana de 48 horas forma parte de la misma frase
El proveedor documenta un modo de envío fuera de horas punta para este punto de acceso, y la documentación dice cuatro cosas sobre él en un solo bloque. Citado íntegro: «错峰模式消耗的积分更低,具体请查看产品定价» — consume menos créditos. «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» — una tarea enviada así se genera dentro de las 48 horas, y la que no termina se cancela automáticamente y devuelve sus créditos. Las tareas también pueden cancelarse a mano. Y «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» — los modelos q3 admiten fuera de horas punta cuando audio es true, mientras que la serie anterior lo admite cuando audio es false.
Esas cuatro afirmaciones son un solo hecho, no cuatro. Leer solo la primera daría la impresión de un descuento directo, cuando lo que se compra en realidad es un precio más bajo a cambio de esperar hasta dos días. La dirección del acoplamiento con audio además se invierte entre generaciones, y es fácil leerla al revés.
La entrada de este servicio para esta página no publica ningún campo para el envío fuera de horas punta. El bloque de capacidades de otro producto de la misma familia sí lleva una marca que dice que se admite, y por eso se describe aquí la función, pero el formulario detrás del modo de esta página no tiene ese control.
Ningún texto de esta página describe el modo fuera de horas punta como simplemente más barato, porque la ventana de 48 horas se publica en el mismo párrafo que el descuento.
El audio aquí es una capacidad que el servicio declara y un control que no publica
Este es el más enredado de los desacuerdos, y se resuelve en tres hechos separados que son ciertos a la vez.
Primero, el servicio declara el audio. El bloque de capacidades de este producto dice que el audio está admitido, que se genera, que viene activado por defecto y que tiene un interruptor.
Segundo, el proveedor también trata el audio como activado por defecto para este modelo, aunque su propia tabla de parámetros afirma lo contrario antes de corregirse una línea después. El parámetro se describe como «默认false» y luego, justo debajo, la misma tabla dice «viduq3、viduq3-turbo默认audio为true,其他模型为false». Para este modelo la segunda línea es la que rige. Un segundo punto de acceso documentado en la misma página da al audio un valor por defecto true directamente, y añade que fuera de las llamadas a la biblioteca de sujetos solo los modelos q3 admiten el parámetro.
Tercero, el formulario que publica el servicio para este modo no contiene ningún campo de audio. Los campos son prompt, resolución, relación de aspecto, duración e imágenes de referencia. El espacio de trabajo construye sus controles a partir de ese formulario, y solo dibuja un interruptor de audio cuando el formulario contiene un campo llamado generate_audio. No lo contiene, así que no aparece ningún interruptor.
La descripción honesta no es que el sonido esté desactivado. Es que este espacio de trabajo no te da ningún control sobre él, mientras que el propio bloque de capacidades del servicio dice que existe un interruptor.
| Parámetros de audio del proveedor | Qué hacen | Presentes en el formulario de este servicio |
| audio | generar sonido con la imagen, o entregar un vídeo en silencio | no |
| audio_type | elegir todo, solo voz o solo efectos de sonido | no |
| bgm | añadir música de fondo, desactivada por defecto | no |
| voice_id | elegir la voz que habla; no se genera para los modelos q3 de referencia | no |
En qué se equivocan otras páginas sobre este término
Se midieron cuatro páginas para esta, y las discrepancias merecen mención porque quien las compare se encontrará con estos números. Se listan como discrepancias y no como errores, ya que una página puede estar describiendo una superficie distinta de la que parece describir.
La afirmación sobre las imágenes de referencia es la que cambiaría una decisión. Cuatro imágenes frente a siete es una diferencia que un creador notaría en el primer intento, y el número del proveedor es el que tiene una página detrás.
Hay algo más sobre estas páginas que informa más que cualquier afirmación concreta. De las cuatro auditadas, las dos reseñas editoriales superan cada una las dos mil palabras con decenas de imágenes entre ambas, y entre las dos no incrustan ni un solo vídeo. La única página del conjunto que sirve metraje en movimiento es un dominio de imitación que no es el proveedor. Una página sobre un modelo de vídeo que no muestra vídeo es el hueco que esta galería existe para llenar.
| Afirmación | Dónde aparece | Qué documenta el proveedor |
| Como máximo 4 imágenes de referencia | una reseña de terceros sobre referencia a vídeo | de 1 a 7 imágenes |
| Opciones de duración de 4, 8 o 16 segundos | un directorio de herramientas en chino | de 3 a 16 segundos, por defecto 5 |
| Modelos llamados Q3 Drama y Q3 Ad | una reseña de terceros | ninguno de los dos nombres aparece en el catálogo de este sitio |
| Precios por segundo en dólares | una reseña de terceros | el proveedor factura este punto de acceso por segundo en sus propias unidades |
Qué muestra esta galería y qué deja fuera a propósito
La documentación para desarrolladores del proveedor no contiene ningún resultado generado de este modelo. En las siete páginas archivadas no hay elementos de vídeo ni archivos de clip, y las únicas imágenes presentes son siete archivos que aparecen como entradas dentro de ejemplos de petición. La salida propia del modelo está en el lado de consumo, y llegar a ella costó dos pasos, porque el sitio de consumo se ensambla en el navegador y una petición simple devuelve solo un armazón.
Leer la navegación de la página de consumo ya renderizada llevó a una página dedicada de Vidu Q3, y esa página sirve cuatro clips, y los cuatro se descargaron. Tres se publican aquí como clips, porque su duración y su movimiento son la prueba: un diálogo de diez segundos entre dos personas, una escena de quince segundos sin cortes en un estadio de béisbol y un clip de cinco segundos que corta entre tres puestas en escena de una misma escena. El cuarto es un reel de ciento sesenta segundos, demasiado largo para publicarlo, así que se muestrearon cinco fotogramas a lo largo de él.
Se descargaron dos reels de la página de inicio de consumo y luego se apartaron. Sus propios nombres de archivo son S11 y Q4-1, la página no subtitula ninguno como Vidu Q3, y la navegación del mismo sitio lista S como una línea separada. Ninguno se atribuye a este modelo.
Tres de los fotogramas publicados aquí son entradas y no resultados: la escena junto al lago y los dos sujetos de peluche del propio ejemplo de petición del proveedor. Se etiquetan como entradas allá donde aparecen, y están aquí porque referencia a vídeo es el único modo que vende este producto.
Se recuperaron cuatro imágenes más del proveedor que no se publican, y las razones quedan registradas en lugar de implícitas. El fotograma de imagen a vídeo, el par de fotogramas clave inicial y final y la imagen de plantilla de escena pertenecen todos a productos hermanos que venden modos que el producto de esta página no vende, y el fotograma de apertura del reel es una tarjeta casi negra con la propia frase de marketing del proveedor, que es texto y no una generación.
Preguntas frecuentes
¿Es esta la página oficial de Vidu Q3?
No. Es una página de este sitio sobre el modelo. Las páginas propias del proveedor se nombran como fuentes a lo largo del texto, y el proveedor no ha revisado ni respaldado esta página.
¿Qué modos puedo ejecutar realmente aquí?
Referencia a vídeo, y solo ese. Texto a vídeo, imagen a vídeo y fotograma inicial y final a vídeo están documentados por el proveedor para la misma línea de modelos, y este catálogo los vende a través de productos separados de la misma familia.
¿Cuántas imágenes de referencia puedo adjuntar?
Entre 1 y 7. El proveedor documenta de 1 a 7 y este servicio publica el mismo mínimo y máximo, algo que conviene comprobar porque una reseña de terceros sobre este término afirma un tope de cuatro.
¿Puedo adjuntar también un vídeo de referencia?
No desde este espacio de trabajo. El proveedor permite 1 o 2 clips de referencia, como máximo un clip de ocho segundos o dos de cinco segundos, pero el formulario que publica este servicio para el modo tiene un campo de imagen y ningún campo de vídeo.
¿Por qué la página muestra clips si la documentación técnica no tiene ninguno?
Porque las dos superficies llevan cosas distintas. La documentación para desarrolladores no tiene ningún medio de salida de este modelo, mientras que la página de consumo Q3 del proveedor sirve cuatro clips, todos los cuales se descargaron y se usan aquí. Esa página se ensambla en el navegador, así que hay que renderizarla en lugar de pedirla directamente.
¿Las imágenes del lago, el Papá Noel y el oso son ejemplos de lo que hizo el modelo?
No, y por eso se etiquetan como entradas. Son las tres imágenes del propio ejemplo de petición del proveedor, publicadas para que se vea la forma de una petición de referencia a vídeo. Los clips generados son los tres elementos que van por encima de ellas.
¿El envío fuera de horas punta solo cuesta menos?
No. El proveedor dice que una tarea fuera de horas punta consume menos créditos y, en el mismo párrafo, que se genera dentro de las 48 horas y que se cancela automáticamente devolviendo los créditos si no termina. Para los modelos q3 el modo fuera de horas punta además solo está disponible cuando audio es true, que es lo contrario de los modelos anteriores.
¿Puedo desactivar el sonido aquí, o elegir la voz?
No hay ningún control de audio en el formulario de esta página. El bloque de capacidades del servicio declara que el audio se genera y que viene activado por defecto con un interruptor, pero el formulario publicado no lleva ningún campo de audio, y el espacio de trabajo solo dibuja su interruptor cuando el formulario contiene uno. En cualquier caso, el parámetro del identificador de voz del proveedor está documentado como no generado para los modelos q3 de referencia.
¿Cuánto cuesta?
El servidor lo cotiza en puntos para el modo y los ajustes que hayas elegido, antes de que empiece la tarea. El catálogo publica un mínimo de 5 puntos por segundo para este modo. Ese mínimo no es una cotización y esta página no lo trata como tal.
La página de producto del proveedor ofrece duraciones desde 1 segundo, ¿por qué el formulario de aquí empieza en 3?
Porque son puntos de acceso distintos. El widget de la página de consumo es la superficie de imagen a vídeo y lista de 1 a 16. La referencia de API para referencia a vídeo documenta de 3 a 16 con un valor por defecto de 5, y eso es lo que publica este servicio.