跳至正文
Grok image
繁體中文
English简体中文繁體中文DeutschEspañolPortuguês

Vidu Q3

Vidu Q3 是生數科技透過 platform.vidu.cn 提供、在 vidu.cn 上運作的一款影片模型。這一頁把發布方自己的文件,與本站服務對同一款產品回傳的設定並排放在一起,並把兩件容易被混為一談的事分開:模型生成出來的東西,和餵進模型的東西。

更新於:

Vidu Q3

先選模式,再寫描述,生成前先看伺服器報出的成本。

Vidu Q3
AI 影片0
5s
2s15s

生成結果

生成的內容會顯示在這裡

素材來源

Vidu Q3 的官方素材

來自發布方自己 Q3 頁面的畫面,那是唯一為這款模型提供生成產物的介面。這些畫面所屬的三段影片在下方發布。

這款模型的開發者文件完全沒有提供產出素材,因此這裡的每一張圖都來自發布方的消費端頁面。消費端首頁的兩段影片被排除,因為它們自己的檔名 S11 與 Q4-1 指向另外的產品線,而頁面從未把它們標為 Vidu Q3。本頁下方另有三張靜幀是發布方請求範例裡的輸入圖而非生成畫面,每一張都做了標註。

純紅色背景上是兩個網點印刷質感的人物,左側是小孩,右側是一個拿著紅色電話的男人,整體像一幅絲網印漫畫 查看提示詞 ↗

01 / 官方合輯中的一幀

發布方 Q3 宣傳合輯裡的一段網點印刷畫面

Vidu 消費端站點 ↗

該條目隨附的提示詞

發布方未公布這段影片的提示詞

在工作台裡打開這段提示詞 ↗

發布方沒有為它的任何一段 Q3 影片公布提示詞,因此這裡不把提示詞歸到具體條目上。畫面內出現的文字是發布方自己疊上去的,不是模型畫出來的。

昏暗房間裡側面對著鏡頭坐在桌前的人,面前是亮著的賽車遊戲螢幕,窗外是亮著燈的城市天際線 查看提示詞 ↗

02 / 官方能力示範中的一幀

一個場景的第一個機位,影片隨後切走了

Vidu 消費端站點 ↗

該條目隨附的提示詞

發布方未公布這段影片的提示詞

在工作台裡打開這段提示詞 ↗

發布方沒有為它的任何一段 Q3 影片公布提示詞,因此這裡不把提示詞歸到具體條目上。畫面內出現的文字是發布方自己疊上去的,不是模型畫出來的。

一個戴耳機的年輕男子的緊側面,螢幕紅光從側面打在臉上,背景很暗 查看提示詞 ↗

03 / 官方能力示範中的一幀

同一個場景的第三個機位,同一段影片

Vidu 消費端站點 ↗

該條目隨附的提示詞

發布方未公布這段影片的提示詞

在工作台裡打開這段提示詞 ↗

發布方沒有為它的任何一段 Q3 影片公布提示詞,因此這裡不把提示詞歸到具體條目上。畫面內出現的文字是發布方自己疊上去的,不是模型畫出來的。

發布方自己怎麼描述 Vidu Q3

生數科技在自己產品頁上用一句話定位這款模型:「Vidu Q3,為劇而生」。整頁圍繞三個說法展開。關於音與畫,原文寫「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」,意思是四類音軌與畫面一同生成,而不是後期貼上去。關於長度,原文寫「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」。關於控制,原文寫「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」。

同一個頁面還列了四條亮點。音視訊同步;多語言輸出,支援英語、日語、中文;面向漫劇、電影、短劇等專業敘事場景設計;以及支援自然的多角色對話。

開發者文件裡另有一句更短的描述,原文照錄:viduq3「支持智能切镜,支持音画同出,多机位的一致性更出色」。

本節所有內容均為發布方原文引用。本頁不是生數科技的聲明,也未經其審閱或背書。

引用一律保留發布方原文,不做轉譯。規格說明在轉譯過程中最容易走形。

本站服務對同一款產品發布了什麼

工作台不讀發布方的文件。它讀的是本站自己的服務目錄,目錄對每款模型回傳一筆記錄。本頁對應記錄的顯示名是 Vidu Q3,家族名為 Vidu Q3,狀態為可用且可呼叫。它只宣告一種模式,參考生影片。服務自己的一句話說明是:「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」。

起步價不是報價。真正的費用在這台工作台上由伺服器在你選定模式與參數之後、任務開始之前按點數結算,以那個數字為準。

服務發布的欄位取值
宣告的模式只有參考生影片一種
模式對應任務類型reference-to-video
公布起步價每秒 5 點
計費方式參數加時長
輸入類型文字與圖片
參考圖上限1 到 7 張
時長3 到 16 秒,預設 5 秒
解析度540p、720p、1080p,預設 720p
畫面比例16:9、9:16、1:1,預設 16:9

這裡只賣一種模式,官方一條線有四種

這是本頁的核心事實,而且它與常見的問題方向相反。發布方為 Vidu Q3 這條線記錄了四種做影片的方式:文字生影片、圖片生影片、首尾幀生影片、參考生影片。而本站服務為本頁這款產品宣告的,只有其中一種。另外三種確實在同一個目錄裡,但屬於另外的獨立產品,各有各的名字,從本頁都到不了。

也就是說,工作台能表達三種這款產品並不販售的模式。這與「介面把模型能力藏起來」正好是相反的一種情形。從本頁點進 Vidu Q3 的人,拿到的就是參考生影片的表單,因為服務回傳的只有這一種。

把後果講白一點。如果你來這裡是想打一段文字就拿到一段影片,那是文字生影片,在同家族裡是另一款產品。

模式本頁產品是否販售目錄裡由誰在賣
參考生影片是Vidu Q3,每秒 5 點
文字生影片否Vidu Q3 Pro、Vidu Q3 Turbo
圖片生影片否Vidu Q3 Pro、Vidu Q3 Turbo、Vidu Q3 Pro Fast
首尾幀生影片否Vidu Q3 Pro、Vidu Q3 Turbo

服務發布的每一項參數,都與發布方對得上

這不是每次都能做到的。在本頁之前本站做過的影片模型頁裡,兩邊在時長範圍上不一致、在解析度檔位數量上不一致、或者在參考圖上限上有一邊站不住腳。Vidu Q3 參考生影片這一次,兩邊逐項一致。

時長的吻合是精確吻合,不是大致吻合。發布方的參數表直接點了這款模型的名,給出它那一行:「viduq3:默认5秒,可选:3 - 16」。服務發布的是一個數字欄位,最小值 3,最大值 16,預設 5。

還有第三個來源,這一次它沒有把水攪渾。本站原始碼裡有一張本地家族表,只有當服務沒有發布某個欄位的值時才會用到它。對 viduq3 這張表宣告的唯一支援模式就是參考生影片,與服務宣告的一致。裡面沒有一項被服務覆蓋掉,也沒有一項是擺設。

之所以提本地表,是因為在本系列此前的頁面裡,它曾同時與兩邊都不一致。這一次它與服務完全一致。

設定項發布方文件本站服務發布的表單
時長預設 5 秒,範圍 3 到 16預設 5,最小 3,最大 16
解析度預設 720p,另有 540p、720p、1080p預設 720p,另有 540p、720p、1080p
畫面比例預設 16:9,圖參考路徑可選 16:9、9:16、1:1預設 16:9,可選 16:9、9:16、1:1
參考圖數量1 到 7 張最少 1 張,最多 7 張

同樣是發布方,它自己的兩個介面給出的時長清單不一樣

上面那次一致,是發布方 API 文件與本站服務之間的一致。而發布方的消費端產品頁講的是第三個版本,偏偏這一版最多人見過,因為帶生成器的那一頁就是它。

發布方那兩個介面描述的是不同的端點,所以它們彼此並不衝突:消費端頁面上的一個元件和 API 參考裡的一張參數表,是兩份關於不同呼叫路徑的文件。它們真正說明的是,從消費端頁面讀到的數字不等於 API 接受的數字,而把本頁的時長欄位與產品頁對照的讀者,看到的差異是有原因的。

第三行沒有這種原因。那是第三方自己列的清單,與發布方兩個版本都不吻合。

來源給出的時長選項
發布方 API 文件,參考生影片3 到 16,預設 5
發布方消費端頁面,圖片生影片元件1 到 16
本頁稽核過的一篇第三方評測4、8 或 16
本站服務發布的表單3 到 16,預設 5

參考圖,以及表單裝不下的那類參考

參考生影片是本頁產品唯一販售的模式,所以參考圖上限是這裡最要緊的一項設定。發布方記錄的上限是 1 到 7 張,本站服務發布的上下限與之一致,最少 1 張。參考圖用來引導畫面,但不鎖定它第一幀的樣子,這正是它與圖片生影片的分界。

發布方為這個端點給出的請求範例用了三張圖,配一句提示詞:Santa Claus and the bear hug by the lakeside。把三個檔案與這句話對照著看,能看出它打算怎麼分工,因為那三張圖分別是一個夜晚的湖畔場景、一個紅色毛絨聖誕老人和一個灰色毛絨熊。一張負責環境,兩張負責角色。

這個端點還接受參考影片,分歧就在這裡。發布方文件允許 1 到 2 段參考影片,最多一段 8 秒或兩段 5 秒,格式為 mp4、avi、mov,像素不低於 128×128,比例不得寬於 4:1。而本站服務發布的只有一個名為 image_urls 的圖片欄位,沒有任何影片欄位,所以這個端點的另一半在工作台裡搆不到。

發布方還有一條註解值得帶上,因為它能擋住一個錯誤預期。音色 ID 這個參數用來決定生成語音的音色,文件寫明「该参数在q3参考生模型中不生成」,所以它與下面那些音訊設定並不是一套東西。

錯峰更便宜,但 48 小時就在同一句話裡

發布方為這個端點記錄了錯峰提交模式,並用一整塊文件講明四件事。原文照錄:「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」;任務也可以手動取消;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」。

這四條是一條事實,不是四條。只讀第一條,得到的印象是一個單純的折扣;而實際買到的,是用最多兩天的等待換一個更低的價錢。音訊這一層的耦合方向在不同代之間還是反的,很容易讀反。

本站服務為本頁這款產品發布的欄位裡,沒有錯峰提交這一項。同家族另一款產品的能力區塊裡帶著一個表示支援錯峰的旗標,這也是本頁會提到這個功能的原因,但本頁模式背後的表單裡沒有這項控制項。

本頁任何措辭都不會把錯峰說成單純的更便宜,因為 48 小時這個視窗與折扣寫在同一個段落裡。

音訊是服務宣告了能力、卻沒有發布控制項的一項

這是所有分歧裡最纏的一段,拆開之後是三條同時成立的事實。

第一,服務宣告了音訊。這款產品的能力區塊寫著音訊受支援、會被生成、預設開啟,並且有開關。

第二,發布方同樣把這款型號的音訊視為預設開啟,儘管它自己的參數表先寫了相反的話、隔一行又自己更正。參數處寫的是「默认false」,緊接著下一行,同一張表寫「viduq3、viduq3-turbo默认audio为true,其他模型为false」。對這款型號而言,起作用的是第二行。同一頁記錄的第二個端點直接把音訊預設值寫成 true,並補充說非主體呼叫時只有 q3 系列支援這個參數。

第三,服務為這個模式發布的表單裡沒有音訊欄位。欄位只有提示詞、解析度、畫面比例、時長和參考圖。工作台按表單生成控制項,而且只有當表單裡存在名為 generate_audio 的欄位時才渲染音訊開關。它不存在,所以看不到音訊開關。

誠實的說法不是「聲音是關的」,而是「這台工作台不給你任何控制它的入口」,而服務自己的能力區塊又說有開關。

發布方的音訊參數作用本站服務的表單裡是否有
audio與畫面一同生成聲音,或輸出靜音影片沒有
audio_type在全部、僅人聲、僅音效之間選擇沒有
bgm加入背景音樂,預設關閉沒有
voice_id選擇說話音色;q3 參考生模型不生成該參數沒有

同一個詞面上,別的頁面寫錯了什麼

本頁一共量了四個頁面,這些分歧值得列出來,因為同時看這幾頁的讀者一定會碰上。這裡按「不一致」處理,而不是按「錯誤」處理,因為一個頁面可能描述的是它看上去並不是的那個介面。

參考圖那條是唯一會改變決策的一條。四張與七張的差別,創作者第一次嘗試就能感覺到,而發布方那個數字背後有頁面可查。

這些頁面還有一件比任何單條說法都更有資訊量的事。被稽核的四個頁面裡,兩篇編輯類評測各自兩千多詞、配圖幾十張,加起來一段影片都沒有嵌。整組裡唯一在放動態畫面的,是一個並非發布方的仿冒網域。一個講影片模型的頁面一條影片都不放,這正是本頁藝廊要補上的缺口。

說法出現在哪裡發布方文件怎麼寫
參考圖最多 4 張一篇第三方參考生影片評測1 到 7 張
時長選項為 4、8、16 秒一個中文工具目錄站3 到 16 秒,預設 5
出現名為 Q3 Drama、Q3 Ad 的型號一篇第三方評測這兩個名字在本站目錄裡都不存在
按美元標註的每秒單價一篇第三方評測發布方按自己的單位對端點計費

這組藝廊放了什麼,又刻意不放什麼

發布方的開發者文件裡,完全沒有這款模型的生成產物。七個歸檔頁面裡沒有任何 video 元素、沒有任何影片檔案,唯一的圖片是七個出現在請求範例裡當作輸入的檔案。模型自己的產物在消費端,而要拿到它得走兩步,因為消費端站點是在瀏覽器裡拼裝出來的,直接抓取只會得到一個空殼。

從渲染後的消費端頁面裡把導覽連結讀出來,就找到了一個 Vidu Q3 的專屬頁面,那一頁提供四段影片,每一段都下載成功。其中三段在本頁作為片段發布,因為它們的長度和運動本身就是證據:一段十秒的兩人對話,一段十五秒不中斷的球場戲,以及一段五秒、在同一個場景的三個機位之間切換的影片。第四段是長達一百六十秒的宣傳合輯,太長不適合發布,因此改為從中取樣五張靜幀。

消費端首頁的兩段影片下載之後被排除了。它們自己的檔名是 S11 與 Q4-1,頁面上沒有任何地方把它們標為 Vidu Q3,而同一個站點的導覽把 S 單獨列為一條產品線。兩者都不歸到這款模型名下。

本頁發布的靜幀裡,有三張是輸入而不是輸出:來自發布方自己的請求範例的湖畔場景和兩個毛絨主體。它們在出現的每一處都被標為輸入,放在這裡的原因是參考生影片是本頁產品唯一販售的模式。

另有四張發布方圖片取了但沒有發,原因記錄在案而不是含糊帶過。圖片生影片的靜幀、首尾幀的一對關鍵幀、場景範本的圖片,都屬於在賣本頁產品所沒有的模式的那幾款兄弟產品;而宣傳合輯的開場幀是一張近乎全黑的卡片,上面是發布方自己的行銷文案,那是文案不是生成。

效果範例

十秒的兩人面對面近景,由生數科技發布,用來示範音訊與畫面一同生成。這裡發的是片段而不是靜幀,因為這個說法講的是人聲與畫面一同到來,靜幀承載不了它。轉檔後保留了音軌。

Vidu 消費端站點 Vidu Q3 產品頁,2026-09-19 取自 image01.cf.vidu.studio。由 1.78 Mbps 轉檔至 1.6 Mbps,解析度、幀率與音訊均保留。 · 第三方素材。權利歸發布方所有;此處標註來源展示,不主張任何所有權。

棒球場裡連續十五秒,發布方用它示範單次生成長影片。整段保留,因為一段不中斷的場景正是十六秒這個說法的證據,拆成靜幀恰好會抽掉要展示的那個屬性。

Vidu 消費端站點 Vidu Q3 產品頁,2026-09-19 取自 image01.cf.vidu.studio。由 2.03 Mbps 轉檔至 1.6 Mbps,解析度、幀率與音訊均保留。 · 第三方素材。權利歸發布方所有;此處標註來源展示,不主張任何所有權。

五秒裡同一個場景被三個先後機位拍下,發布方用它示範鏡頭控制。這是本組裡唯一把切鏡示範出來而不是描述出來的一條。

Vidu 消費端站點 Vidu Q3 產品頁,2026-09-19 取自 image01.cf.vidu.studio。由 2.51 Mbps 轉檔至 2.0 Mbps,解析度、幀率與音訊均保留。 · 第三方素材。權利歸發布方所有;此處標註來源展示,不主張任何所有權。

處理前

處理前: 左側是昏暗房間裡一人坐在桌前的側面全景,螢幕上遊戲很亮;右側是戴耳機的年輕男子被紅色螢幕光打亮的緊側面

處理後

處理後: 左側是昏暗房間裡一人坐在桌前的側面全景,螢幕上遊戲很亮;右側是戴耳機的年輕男子被紅色螢幕光打亮的緊側面

同一段五秒影片的開場機位與收尾機位,並排放在一起,這樣不播放檔案也能讀出這次切換。場景、主體與光線跨過這一刀是連續的,距離和角度不是。

本站於 2026-09-19 從發布方鏡頭控制片段第 1.0 秒與第 4.0 秒取出的幀。 · 第三方素材。權利歸發布方所有;此處標註來源展示,不主張任何所有權。

一名女子面部近景,皮膚上有水痕,目光低垂,背景是虛化的淺色

取自發布方一百六十秒 Q3 宣傳合輯的第 25 秒。寫實一格,鏡頭貼著臉。

本站從發布方 Q3 宣傳合輯取出的幀,2026-09-19。 · 第三方素材。權利歸發布方所有;此處標註來源展示,不主張任何所有權。

一名年輕男子躺在淺水裡,周圍是高草與白花,正朝鏡頭看

取第 52 秒。又是另一種調性:柔和的日光,自然的細節,沒有風格化。

本站從發布方 Q3 宣傳合輯取出的幀,2026-09-19。 · 第三方素材。權利歸發布方所有;此處標註來源展示,不主張任何所有權。

一名穿深色西裝的男子坐在昏暗室內,身邊有魚在半空游動,畫面底部橫著一行字幕

取第 104 秒。一段超現實內景。畫面底部那行字幕是發布方疊上去的,不是模型畫出來的。

本站從發布方 Q3 宣傳合輯取出的幀,2026-09-19。 · 第三方素材。權利歸發布方所有;此處標註來源展示,不主張任何所有權。

一名穿淺色衣物的女子穿過陽光下的綠草,身後有很強的動態模糊

取第 132 秒。動態模糊長在畫面裡,不是後加上去的。

本站從發布方 Q3 宣傳合輯取出的幀,2026-09-19。 · 第三方素材。權利歸發布方所有;此處標註來源展示,不主張任何所有權。

從背後越過肩膀看到的人坐在桌前面對螢幕的賽車遊戲畫面,窗外是亮燈的城市

取鏡頭控制片段的第 2.0 秒,三個機位裡的中間那個。作為靜幀發布,因為它夾在上面那對之間,把序列補齊。

本站從發布方鏡頭控制片段取出的幀,2026-09-19。 · 第三方素材。權利歸發布方所有;此處標註來源展示,不主張任何所有權。

夜晚冰封湖邊的覆雪小屋,一輪滿月掛在深色山脊上方,冰面上一串腳印延伸出去

這是輸入,不是輸出。發布方自己的參考生影片請求範例裡三張圖中的第一張,該範例的提示詞是 Santa Claus and the bear hug by the lakeside。在那個範例裡,這張圖是另外兩個主體被放進去的場景。

Vidu 開發者文件,參考生影片頁面,請求範例,2026-09-19 取得。 · 第三方素材。權利歸發布方所有;此處標註來源展示,不主張任何所有權。

一個穿紅衣戴帽的毛絨聖誕老人,立在純白背景前

這是輸入,不是輸出。同一個請求範例裡三張圖的第二張,也是提示詞要求擁抱的兩個主體之一。放在這裡,是因為參考圖之間的分工看得出來比講出來容易。

Vidu 開發者文件,參考生影片頁面,請求範例,2026-09-19 取得。 · 第三方素材。權利歸發布方所有;此處標註來源展示,不主張任何所有權。

一隻灰色毛絨泰迪熊,肚子是淺色圓形,立在米色背景前

這是輸入,不是輸出。同一個請求範例裡的第三張圖,另一個主體。三張檔案合起來就是一次參考生影片請求的形狀:一張給地點,兩張給角色。

Vidu 開發者文件,參考生影片頁面,請求範例,2026-09-19 取得。 · 第三方素材。權利歸發布方所有;此處標註來源展示,不主張任何所有權。

常見問題

這是 Vidu Q3 的官方頁面嗎?

不是。這是本站關於這款模型的頁面。發布方自己的頁面在全文各處都標明了來源,本頁未經生數科技審閱或背書。

在這裡實際能跑哪些模式?

只有參考生影片。文字生影片、圖片生影片、首尾幀生影片確實由發布方為同一條模型線記錄在案,而本站目錄把它們放在同家族的另外幾款產品上販售。

最多能掛幾張參考圖?

1 到 7 張。發布方記錄的是 1 到 7,本站服務發布的上下限與之一致。這一點值得核對,因為這個詞面上有一篇第三方評測寫的是上限四張。

能不能同時掛一段參考影片?

在這台工作台裡不行。發布方允許 1 到 2 段參考影片,最多一段 8 秒或兩段 5 秒,但服務為該模式發布的表單只有一個圖片欄位,沒有影片欄位。

技術文件裡一條影片都沒有,這頁為什麼放得出片段?

因為兩個介面裝的東西不一樣。開發者文件裡完全沒有這款模型的產出素材,而發布方的消費端 Q3 頁面提供四段影片,全部下載成功並用於本頁。那個頁面是在瀏覽器裡拼裝的,所以要渲染而不是抓取。

那張湖、那個聖誕老人和那隻熊,是模型生成的結果嗎?

不是,正因為如此才全部標為輸入。它們是發布方自己請求範例裡的三張圖,放在這裡是為了讓一次參考生影片請求的形狀可見。生成的片段是上方那三條。

錯峰提交就是便宜一點而已嗎?

不是。發布方說錯峰任務消耗的積分更低,並在同一段裡說它會在 48 小時內生成、未能完成會被自動取消並返還積分。對 q3 系列來說,錯峰還只在 audio 為 true 時可用,這一點與更早的系列正好相反。

在這裡能關掉聲音,或者挑音色嗎?

本頁表單裡沒有音訊控制項。服務的能力區塊宣告音訊會被生成、預設開啟且有開關,但發布出來的表單裡沒有音訊欄位,而工作台只在表單含該欄位時才渲染音訊開關。發布方的音色 ID 參數,文件也寫明在 q3 參考生模型中不生成。

要花多少錢?

由伺服器在你選定模式與參數後、任務開始前按點數報價。目錄為這個模式公布的起步價是每秒 5 點。起步價不是報價,本頁也沒有把它當報價用。

發布方產品頁上時長從 1 秒起,為什麼這裡的表單從 3 秒起?

因為那是兩個不同的端點。消費端頁面上的元件屬於圖片生影片介面,列的是 1 到 16。而參考生影片的 API 文件寫的是 3 到 16、預設 5,本站服務發布的就是後者。

繼續探索