跳到正文
Grok image
简体中文
English简体中文繁體中文DeutschEspañolPortuguês

Vidu Q3

Vidu Q3 是生数科技通过 platform.vidu.cn 提供、在 vidu.cn 上运行的一款视频模型。这一页把发布方自己的文档,与本站服务为同一款产品返回的设置并排放在一起,并把两件容易被混为一谈的事分开:模型生成出来的东西,和喂进模型的东西。

更新于:

Vidu Q3

先选模式,再写描述,生成前先看服务端报出的成本。

Vidu Q3
AI 视频0
5s
2s15s

生成结果

生成内容将显示在这里

素材来源

Vidu Q3 的官方素材

来自发布方自己 Q3 页面的画面,那是唯一为这款模型提供生成产物的界面。这些画面所属的三段片段在下方发布。

这款模型的开发者文档完全没有提供产出素材,因此这里的每一张图都来自发布方的消费端页面。消费端首页的两段片子被排除,因为它们自己的文件名 S11 与 Q4-1 指向另外的产品线,而页面从未把它们标为 Vidu Q3。本页下方另有三张静帧是发布方请求示例里的输入图而非生成画面,每一张都做了标注。

纯红色背景上是两个网点印刷质感的人物,左侧是小孩,右侧是一个拿着红色电话的男人,整体像一幅丝网印漫画 查看提示词 ↗

01 / 官方合辑中的一帧

发布方 Q3 宣传合辑里的一段网点印刷画面

Vidu 消费端站点 ↗

该条目随附的提示词

发布方未公布这段片子的提示词

在工作台里打开这段提示词 ↗

发布方没有为它的任何一段 Q3 片段公布提示词,因此这里不把提示词归到具体条目上。画面内出现的文字是发布方自己叠上去的,不是模型画出来的。

昏暗房间里侧面对着镜头坐在桌前的人,面前是亮着的赛车游戏显示器,窗外是亮着灯的城市天际线 查看提示词 ↗

02 / 官方能力演示中的一帧

一个场景的第一个机位,片段随后切走了

Vidu 消费端站点 ↗

该条目随附的提示词

发布方未公布这段片子的提示词

在工作台里打开这段提示词 ↗

发布方没有为它的任何一段 Q3 片段公布提示词,因此这里不把提示词归到具体条目上。画面内出现的文字是发布方自己叠上去的,不是模型画出来的。

一个戴耳机的年轻男子的紧侧面,显示器红光从侧面打在脸上,背景很暗 查看提示词 ↗

03 / 官方能力演示中的一帧

同一个场景的第三个机位,同一段片子

Vidu 消费端站点 ↗

该条目随附的提示词

发布方未公布这段片子的提示词

在工作台里打开这段提示词 ↗

发布方没有为它的任何一段 Q3 片段公布提示词,因此这里不把提示词归到具体条目上。画面内出现的文字是发布方自己叠上去的,不是模型画出来的。

发布方自己怎么描述 Vidu Q3

生数科技在自己产品页上用一句话定位这款模型:「Vidu Q3,为剧而生」。整页围绕三个说法展开。关于音与画,原文写「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」,意思是四类音轨与画面一同生成,而不是后期贴上去。关于长度,原文写「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」。关于控制,原文写「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」。

同一个页面还列了四条亮点。音视频同步;多语言输出,支持英语、日语、中文;面向漫剧、电影、短剧等专业叙事场景设计;以及支持自然的多角色对话。

开发者文档里另有一句更短的描述,原文照录:viduq3「支持智能切镜,支持音画同出,多机位的一致性更出色」。

本节所有内容均为发布方原文引用。本页不是生数科技的声明,也未经其审阅或背书。

引用一律保留发布方原文,不做转译。规格说明在转译过程中最容易走形。

本站服务为同一款产品发布了什么

工作台不读发布方的文档。它读的是本站自己的服务目录,目录对每款模型返回一条记录。本页对应记录的显示名是 Vidu Q3,家族名为 Vidu Q3,状态为可用且可调用。它只声明一种模式,参考生视频。服务自己的一句话说明是:「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」。

起步价不是报价。真正的费用由服务器在你选定模式与参数之后、任务开始之前按点数结算,以那个数字为准。

服务发布的字段取值
声明的模式只有参考生视频一种
模式对应任务类型reference-to-video
公布起步价5 点每秒
计费方式参数加时长
输入类型文本与图片
参考图上限1 到 7 张
时长3 到 16 秒,默认 5 秒
分辨率540p、720p、1080p,默认 720p
宽高比16:9、9:16、1:1,默认 16:9

这里只卖一种模式,官方一条线有四种

这是本页的核心事实,而且它与常见的问题方向相反。发布方为 Vidu Q3 这条线记录了四种做视频的方式:文生视频、图生视频、首尾帧生视频、参考生视频。而本站服务为本页这款产品声明的,只有其中一种。另外三种确实在同一个目录里,但属于另外的独立产品,各有各的名字,从本页都到不了。

也就是说,工作台能表达三种这款产品并不出售的模式。这与「界面把模型能力藏起来」正好是相反的一种情形。从本页点进 Vidu Q3 的人,拿到的就是参考生视频的表单,因为服务返回的只有这一种。

把后果说白一点。如果你来这里是想打一段文字就拿到一段片子,那是文生视频,在同家族里是另一款产品。

模式本页产品是否出售目录里由谁在卖
参考生视频是Vidu Q3,5 点每秒
文生视频否Vidu Q3 Pro、Vidu Q3 Turbo
图生视频否Vidu Q3 Pro、Vidu Q3 Turbo、Vidu Q3 Pro Fast
首尾帧生视频否Vidu Q3 Pro、Vidu Q3 Turbo

服务发布的每一项参数,都与发布方对得上

这不是每次都能做到的。在本页之前本站做过的视频模型页里,两边在时长范围上不一致、在分辨率档位数量上不一致、或者在参考图上限上有一边站不住脚。Vidu Q3 参考生视频这一次,两边逐项一致。

时长的吻合是精确吻合,不是大致吻合。发布方的参数表直接点了这款模型的名,给出它那一行:「viduq3:默认5秒,可选:3 - 16」。服务发布的是一个数字字段,最小值 3,最大值 16,默认 5。

还有第三个来源,这一次它没有把水搅浑。本站源码里有一张本地家族表,只有当服务没有发布某个字段的值时才会用到它。对 viduq3 这张表声明的唯一支持模式就是参考生视频,与服务声明的一致。里面没有一项被服务覆盖掉,也没有一项是摆设。

之所以提本地表,是因为在本系列此前的页面里,它曾同时与两边都不一致。这一次它与服务完全一致。

设置项发布方文档本站服务发布的表单
时长默认 5 秒,范围 3 到 16默认 5,最小 3,最大 16
分辨率默认 720p,另有 540p、720p、1080p默认 720p,另有 540p、720p、1080p
宽高比默认 16:9,图参考路径可选 16:9、9:16、1:1默认 16:9,可选 16:9、9:16、1:1
参考图数量1 到 7 张最少 1 张,最多 7 张

同样是发布方,它自己的两个界面给出的时长清单不一样

上面那次一致,是发布方 API 文档与本站服务之间的一致。而发布方的消费端产品页讲的是第三个版本,偏偏这一版最多人见过,因为带生成器的那一页就是它。

发布方那两个界面描述的是不同的端点,所以它们彼此并不冲突:消费端页面上的一个部件和 API 参考里的一张参数表,是两份关于不同调用路径的文档。它们真正说明的是,从消费端页面读到的数字不等于 API 接受的数字,而把本页的时长字段与产品页对照的读者,看到的差异是有原因的。

第三行没有这种原因。那是第三方自己列的清单,与发布方两个版本都不吻合。

来源给出的时长选项
发布方 API 文档,参考生视频3 到 16,默认 5
发布方消费端页面,图生视频部件1 到 16
本页审计过的一篇第三方评测4、8 或 16
本站服务发布的表单3 到 16,默认 5

参考图,以及表单装不下的那类参考

参考生视频是本页产品唯一出售的模式,所以参考图上限是这里最要紧的一项设置。发布方记录的上限是 1 到 7 张,本站服务发布的上下限与之一致,最少 1 张。参考图用来引导画面,但不锁定它第一帧的样子,这正是它与图生视频的分界。

发布方为这个端点给出的请求示例用了三张图,配一句提示词:Santa Claus and the bear hug by the lakeside。把三个文件与这句话对照着看,能看出它打算怎么分工,因为那三张图分别是一个夜晚的湖畔场景、一个红色毛绒圣诞老人和一个灰色毛绒熊。一张负责环境,两张负责角色。

这个端点还接受参考视频,分歧就在这里。发布方文档允许 1 到 2 段参考视频,最多一段 8 秒或两段 5 秒,格式为 mp4、avi、mov,像素不低于 128×128,比例不得宽于 4:1。而本站服务发布的只有一个名为 image_urls 的图片字段,没有任何视频字段,所以这个端点的另一半在工作台里够不到。

发布方还有一条注释值得带上,因为它能挡住一个错误预期。音色 ID 这个参数用来决定生成语音的音色,文档写明「该参数在q3参考生模型中不生成」,所以它与下面那些音频设置并不是一套东西。

错峰更便宜,但 48 小时就在同一句话里

发布方为这个端点记录了错峰提交模式,并用一整块文档讲明四件事。原文照录:「错峰模式消耗的积分更低,具体请查看产品定价」;「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」;任务也可以手动取消;以及「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」。

这四条是一条事实,不是四条。只读第一条,得到的印象是一个单纯的折扣;而实际买到的,是用最多两天的等待换一个更低的价钱。音频这一层的耦合方向在不同代之间还是反的,很容易读反。

本站服务为本页这款产品发布的字段里,没有错峰提交这一项。同家族另一款产品的能力块里带着一个表示支持错峰的标志,这也是本页会提到这个功能的原因,但本页模式背后的表单里没有这项控件。

本页任何措辞都不会把错峰说成单纯的更便宜,因为 48 小时这个窗口与折扣写在同一个段落里。

音频是服务声明了能力、却没有发布控件的一项

这是所有分歧里最缠的一段,拆开之后是三条同时成立的事实。

第一,服务声明了音频。这款产品的能力块写着音频受支持、会被生成、默认开启,并且有开关。

第二,发布方同样把这款型号的音频视为默认开启,尽管它自己的参数表先写了相反的话、隔一行又自己更正。参数处写的是「默认false」,紧接着下一行,同一张表写「viduq3、viduq3-turbo默认audio为true,其他模型为false」。对这款型号而言,起作用的是第二行。同一页记录的第二个端点直接把音频默认值写成 true,并补充说非主体调用时只有 q3 系列支持这个参数。

第三,服务为这个模式发布的表单里没有音频字段。字段只有提示词、分辨率、宽高比、时长和参考图。工作台按表单生成控件,而且只有当表单里存在名为 generate_audio 的字段时才渲染音频开关。它不存在,所以看不到音频开关。

诚实的说法不是「声音是关的」,而是「这个工作台不给你任何控制它的入口」,而服务自己的能力块又说有开关。

发布方的音频参数作用本站服务的表单里是否有
audio与画面一同生成声音,或输出静音视频没有
audio_type在全部、仅人声、仅音效之间选择没有
bgm添加背景音乐,默认关闭没有
voice_id选择说话音色;q3 参考生模型不生成该参数没有

同一个词面上,别的页面写错了什么

本页一共量了四个页面,这些分歧值得列出来,因为同时看这几页的读者一定会碰上。这里按「不一致」处理,而不是按「错误」处理,因为一个页面可能描述的是它看上去并不是的那个界面。

参考图那条是唯一会改变决策的一条。四张与七张的差别,创作者第一次尝试就能感觉到,而发布方那个数字背后有页面可查。

这些页面还有一件比任何单条说法都更有信息量的事。被审计的四个页面里,两篇编辑类评测各自两千多词、配图几十张,加起来一段视频都没有嵌。整组里唯一在放动态画面的,是一个并非发布方的仿冒域名。一个讲视频模型的页面一条视频都不放,这正是本页画廊要补上的缺口。

说法出现在哪里发布方文档怎么写
参考图最多 4 张一篇第三方参考生视频评测1 到 7 张
时长选项为 4、8、16 秒一个中文工具目录站3 到 16 秒,默认 5
出现名为 Q3 Drama、Q3 Ad 的型号一篇第三方评测这两个名字在本站目录里都不存在
按美元标注的每秒单价一篇第三方评测发布方按自己的单位对端点计费

这组画廊放了什么,又刻意不放什么

发布方的开发者文档里,完全没有这款模型的生成产物。七个归档页面里没有任何 video 元素、没有任何视频文件,唯一的图片是七个出现在请求示例里当作输入的文件。模型自己的产物在消费端,而要拿到它得走两步,因为消费端站点是在浏览器里拼装出来的,直接抓取只会得到一个空壳。

从渲染后的消费端页面里把导航链接读出来,就找到了一个 Vidu Q3 的专属页面,那一页提供四段片子,每一段都下载成功。其中三段在本页作为片段发布,因为它们的长度和运动本身就是证据:一段十秒的两人对话,一段十五秒不中断的球场戏,以及一段五秒、在同一个场景的三个机位之间切换的片子。第四段是长达一百六十秒的宣传合辑,太长不适合发布,因此改为从中采样五张静帧。

消费端首页的两段片子下载之后被排除了。它们自己的文件名是 S11 与 Q4-1,页面上没有任何地方把它们标为 Vidu Q3,而同一个站点的导航把 S 单独列为一条产品线。两者都不归到这款模型名下。

本页发布的静帧里,有三张是输入而不是输出:来自发布方自己的请求示例的湖畔场景和两个毛绒主体。它们在出现的每一处都被标为输入,放在这里的原因是参考生视频是本页产品唯一出售的模式。

另有四张发布方图片取了但没有发,原因记录在案而不是含糊带过。图生视频的静帧、首尾帧的一对关键帧、场景模板的图片,都属于在卖本页产品所没有的模式的那几款兄弟产品;而宣传合辑的开场帧是一张近乎全黑的卡片,上面是发布方自己的营销文案,那是文案不是生成。

效果案例

十秒的两人面对面近景,由生数科技发布,用来演示音频与画面一同生成。这里发的是片段而不是静帧,因为这个说法讲的是人声与画面一同到来,静帧承载不了它。转码后的文件保留了音轨。

Vidu 消费端站点 Vidu Q3 产品页,2026-09-19 取自 image01.cf.vidu.studio。由 1.78 Mbps 转码至 1.6 Mbps,分辨率、帧率与音频均保留。 · 第三方素材。权利归发布方所有;此处标注来源展示,不主张任何所有权。

棒球场里连续十五秒,发布方用它演示单次生成长视频。整段保留,因为一段不中断的场景正是十六秒这个说法的证据,拆成静帧恰好会抽掉要展示的那个属性。

Vidu 消费端站点 Vidu Q3 产品页,2026-09-19 取自 image01.cf.vidu.studio。由 2.03 Mbps 转码至 1.6 Mbps,分辨率、帧率与音频均保留。 · 第三方素材。权利归发布方所有;此处标注来源展示,不主张任何所有权。

五秒里同一个场景被三个先后机位拍下,发布方用它演示镜头控制。这是本组里唯一把切镜演示出来而不是描述出来的一条。

Vidu 消费端站点 Vidu Q3 产品页,2026-09-19 取自 image01.cf.vidu.studio。由 2.51 Mbps 转码至 2.0 Mbps,分辨率、帧率与音频均保留。 · 第三方素材。权利归发布方所有;此处标注来源展示,不主张任何所有权。

处理前

处理前: 左侧是昏暗房间里一人坐在桌前的侧面全景,显示器上游戏很亮;右侧是戴耳机的年轻男子被红色屏幕光打亮的紧侧面

处理后

处理后: 左侧是昏暗房间里一人坐在桌前的侧面全景,显示器上游戏很亮;右侧是戴耳机的年轻男子被红色屏幕光打亮的紧侧面

同一段五秒片子的开场机位与收尾机位,并排放在一起,这样不播放文件也能读出这次切换。场景、主体与光线跨过这刀是连续的,距离和角度不是。

本站于 2026-09-19 从发布方镜头控制片段第 1.0 秒与第 4.0 秒抽取的帧。 · 第三方素材。权利归发布方所有;此处标注来源展示,不主张任何所有权。

一名女子面部近景,皮肤上有水痕,目光低垂,背景是虚化的浅色

取自发布方一百六十秒 Q3 宣传合辑的第 25 秒。写实一格,镜头贴着脸。

本站从发布方 Q3 宣传合辑抽取的帧,2026-09-19。 · 第三方素材。权利归发布方所有;此处标注来源展示,不主张任何所有权。

一名年轻男子躺在浅水里,周围是高草与白花,正朝镜头看

取第 52 秒。又是另一种调性:柔和的日光,自然的细节,没有风格化。

本站从发布方 Q3 宣传合辑抽取的帧,2026-09-19。 · 第三方素材。权利归发布方所有;此处标注来源展示,不主张任何所有权。

一名穿深色西装的男子坐在昏暗室内,身边有鱼在半空游动,画面底部横着一行字幕

取第 104 秒。一段超现实内景。画面底部那行字幕是发布方叠上去的,不是模型画出来的。

本站从发布方 Q3 宣传合辑抽取的帧,2026-09-19。 · 第三方素材。权利归发布方所有;此处标注来源展示,不主张任何所有权。

一名穿浅色衣物的女子穿过阳光下的绿草,身后有很强的运动模糊

取第 132 秒。运动模糊长在画面里,不是后加上去的。

本站从发布方 Q3 宣传合辑抽取的帧,2026-09-19。 · 第三方素材。权利归发布方所有;此处标注来源展示,不主张任何所有权。

从背后越过肩膀看到的人坐在桌前面对显示器的赛车游戏画面,窗外是亮灯的城市

取镜头控制片段的第 2.0 秒,三个机位里的中间那个。作为静帧发布,因为它夹在上面那对之间,把序列补全。

本站从发布方镜头控制片段抽取的帧,2026-09-19。 · 第三方素材。权利归发布方所有;此处标注来源展示,不主张任何所有权。

夜晚冰封湖边的覆雪小屋,一轮满月挂在深色山脊上方,冰面上一串脚印延伸出去

这是输入,不是输出。发布方自己的参考生视频请求示例里三张图中的第一张,该示例的提示词是 Santa Claus and the bear hug by the lakeside。在那个示例里,这张图是另外两个主体被放进去的场景。

Vidu 开发者文档,参考生视频页面,请求示例,2026-09-19 取得。 · 第三方素材。权利归发布方所有;此处标注来源展示,不主张任何所有权。

一个穿红衣戴帽的毛绒圣诞老人,立在纯白背景前

这是输入,不是输出。同一个请求示例里三张图的第二张,也是提示词要求拥抱的两个主体之一。放在这里,是因为参考图之间的分工看得出来比讲出来容易。

Vidu 开发者文档,参考生视频页面,请求示例,2026-09-19 取得。 · 第三方素材。权利归发布方所有;此处标注来源展示,不主张任何所有权。

一只灰色毛绒泰迪熊,肚子是浅色圆形,立在米色背景前

这是输入,不是输出。同一个请求示例里的第三张图,另一个主体。三张文件合起来就是一次参考生视频请求的形状:一张给地点,两张给角色。

Vidu 开发者文档,参考生视频页面,请求示例,2026-09-19 取得。 · 第三方素材。权利归发布方所有;此处标注来源展示,不主张任何所有权。

常见问题

这是 Vidu Q3 的官方页面吗?

不是。这是本站关于这款模型的页面。发布方自己的页面在全文各处都标明了来源,本页未经生数科技审阅或背书。

在这里实际能跑哪些模式?

只有参考生视频。文生视频、图生视频、首尾帧生视频确实由发布方为同一条模型线记录在案,而本站目录把它们放在同家族的另外几款产品上出售。

最多能挂几张参考图?

1 到 7 张。发布方记录的是 1 到 7,本站服务发布的上下限与之一致。这一点值得核对,因为这个词面上有一篇第三方评测写的是上限四张。

能不能同时挂一段参考视频?

在这个工作台里不行。发布方允许 1 到 2 段参考视频,最多一段 8 秒或两段 5 秒,但服务为该模式发布的表单只有一个图片字段,没有视频字段。

技术文档里一条片子都没有,这页为什么放得出片段?

因为两个界面装的东西不一样。开发者文档里完全没有这款模型的产出素材,而发布方的消费端 Q3 页面提供四段片子,全部下载成功并用于本页。那个页面是在浏览器里拼装的,所以要渲染而不是抓取。

那张湖、那个圣诞老人和那只熊,是模型生成的结果吗?

不是,正因为如此才全部标为输入。它们是发布方自己请求示例里的三张图,放在这里是为了让一次参考生视频请求的形状可见。生成的片段是上方那三条。

错峰提交就是便宜一点而已吗?

不是。发布方说错峰任务消耗的积分更低,并在同一段里说它会在 48 小时内生成、未能完成会被自动取消并返还积分。对 q3 系列来说,错峰还只在 audio 为 true 时可用,这一点与更早的系列正好相反。

在这里能关掉声音,或者挑音色吗?

本页表单里没有音频控件。服务的能力块声明音频会被生成、默认开启且有开关,但发布出来的表单里没有音频字段,而工作台只在表单含该字段时才渲染音频开关。发布方的音色 ID 参数,文档也写明在 q3 参考生模型中不生成。

要花多少钱?

由服务器在你选定模式与参数后、任务开始前按点数报价。目录为这个模式公布的起步价是 5 点每秒。起步价不是报价,本页也没有把它当报价用。

发布方产品页上时长从 1 秒起,为什么这里的表单从 3 秒起?

因为那是两个不同的端点。消费端页面上的部件属于图生视频界面,列的是 1 到 16。而参考生视频的 API 文档写的是 3 到 16、默认 5,本站服务发布的就是后者。

继续探索