vidu-q4Vidu Q4 es el modelo de vídeo más reciente de la familia Vidu de ShengShu, publicado como Preview (nombre del modelo en el proveedor: viduq4-preview). Vidu lo presenta como su nuevo modelo insignia: genera el sonido junto con la imagen, diálogos y efectos incluidos, y puede cambiar de plano por sí solo. En APIMODELS es un único model id, vidu-q4, en el endpoint unificado de vídeo, y las peticiones van a la API oficial de Vidu. El modo se elige según lo que envíes. Imagen a vídeo recibe un primer fotograma en first_frame_url (también se aceptan image e image_url); el clip conserva la proporción de esa imagen, el prompt es opcional e is_rec activa o desactiva la mejora de prompt de Vidu (activada por defecto). Vídeo por referencias recibe de 1 a 15 imágenes en reference_image_urls, como personajes, productos, ropa o escenarios, más hasta 3 clips MP3 de 3 a 12 segundos en reference_audio_urls para guiar las voces; el prompt es obligatorio, las referencias se nombran por número y aspect_ratio puede ser 16:9 (por defecto), 9:16, 1:1, 4:3 o 3:4. Ambos modos aceptan duration como cualquier número entero de segundos de 3 a 16 (por defecto 5), resolution 540p, 720p (por defecto), 1080p, 2K o 4K, generate_audio (true por defecto) y un seed opcional. No hay modo solo texto, ni último fotograma, ni vídeo de referencia: esas peticiones devuelven un 400 claro en lugar de descartarse en silencio. El resultado no lleva marca de agua. Se cobra por cada segundo pedido y el audio no cambia el precio: 540p $0.042/s, 720p $0.0887/s, 1080p $0.112/s, 2K $0.1773/s y 4K $0.3639/s, así que un clip de 5 segundos en 720p cuesta $0.4435 y uno de 16 segundos en 4K, $5.8224. Solo se cobran las generaciones correctas; las fallidas se reembolsan.
PNG / JPEG / WebP. The video keeps this image's aspect ratio.
Dialogue, sound effects and ambience are generated with the picture · Same price with or without audio
Vidu rewrites the prompt for richer detail (default)
$0.4435 for this clip (720p, $0.0887/s × 5s) · only successful generations are billed
Generated video will appear here
Provide URLs and click Generate
Diálogos, efectos y ambiente se generan junto con el vídeo. Envía generate_audio: false para un archivo sin sonido; el precio es el mismo
El vídeo por referencias mantiene personajes, productos, ropa y escenarios en nuevas acciones y ángulos. Nombra cada referencia por su número en el prompt
En modo referencias, añade clips MP3 de 3 a 12 segundos en reference_audio_urls para guiar cómo suenan los personajes
Envía first_frame_url y un prompt opcional; el clip conserva la proporción de la imagen e is_rec activa o desactiva la mejora de prompt de Vidu
Cinco resoluciones y cualquier duración entera de 3 a 16 segundos. El vídeo por referencias añade 16:9, 9:16, 1:1, 4:3 y 3:4
540p $0.042/s, 720p $0.0887/s, 1080p $0.112/s, 2K $0.1773/s y 4K $0.3639/s por los segundos que pidas. Las generaciones fallidas se reembolsan
Vidu Q4 is the newest video model in ShengShu's Vidu family, released as a Preview under the upstream name viduq4-preview. Vidu describes Vidu Q4 as its new flagship: it generates the picture and the sound in one pass, dialogue and sound effects included, and it can cut between shots on its own. Vidu Q4 Preview goes up to 4K, runs 3 to 16 seconds per clip, and accepts up to 15 reference images and 3 reference audio clips to keep characters and voices consistent.
On APIMODELS the Vidu Q4 API is one model id, vidu-q4, on the same POST /v1/video/generations endpoint as every other video model, and each request goes to Vidu's official API. One API key covers Vidu Q4 together with the rest of the catalog, billing is per second from $0.042, and only successful Vidu Q4 generations are charged. You can try Vidu Q4 in the playground on this page, see the exact price of a clip before you generate it, and then copy the same parameters into your own code.
The Vidu Q4 API has two modes, chosen from what you send. Image-to-video animates one first frame. Reference-to-video builds a new scene from up to 15 reference images and up to 3 reference audio clips. Both modes share duration, resolution, native audio and seed, so switching a Vidu Q4 workflow from one mode to the other changes the inputs, not the rest of the request.
Vidu positions Vidu Q4 for character-driven video: faces that change expression, bodies that react, and scenes that move from a quiet conversation to fast action. Because Vidu Q4 generates speech together with the picture, a character can talk on screen without a separate voice-over pass. Describe the performance in the prompt, who speaks, what they say and how they react, and Vidu Q4 plays it out in the same clip.
Send 1 to 15 images in reference_image_urls to control how characters, clothing, products and locations look while Vidu Q4 invents new actions and camera angles. Combine a character portrait, a product shot and an environment photo in one request, then name them in the prompt by position: the first image is reference image 1 (Vidu's own examples write it as 参考图1). A prompt is required in this mode, and aspect_ratio can be 16:9, 9:16, 1:1, 4:3 or 3:4.
With generate_audio on, which is the default, Vidu Q4 returns a clip with dialogue, sound effects and ambience synced to the picture; turn it off for a silent file at the same price. In reference-to-video you can add up to 3 MP3 clips of 3 to 12 seconds each in reference_audio_urls to guide how characters sound, and refer to them as reference audio 1, 2 and 3. That keeps a recurring character's voice recognizable from one Vidu Q4 clip to the next.
Vidu lists automatic shot switching among Vidu Q4's headline features, so one generation can move between angles instead of holding a single shot. Ask for the camera you want in plain words, a slow push-in, a tracking shot behind a running character, a cut to a close-up when someone speaks, and keep the subjects anchored with reference images so they stay the same across cuts. Explosions, smoke, fireworks or dramatic light are prompt material too; judge the result on a 540p draft before paying for a 4K render.
resolution takes 540p, 720p (default), 1080p, 2K or 4K in both modes, and duration takes any whole number of seconds from 3 to 16. Use 540p at $0.042 per second for quick tests, then render the take you keep at 1080p, 2K or 4K; a 5-second 4K clip from Vidu Q4 is $1.8195. Image-to-video keeps the aspect ratio of your first frame, so crop the image to the shape you want before you send it.
Step 1, get your Vidu Q4 API key: sign up at apimodels.app, open the console and create an API key. The same key works for Vidu Q4 and every other model, with one USD balance; top-ups start at $10.
Step 2, test Vidu Q4 in the playground: on this page pick Image to Video or Reference to Video, upload your images (and MP3 voice clips in reference mode), write the prompt, choose duration and resolution, and read the price shown before you click Generate.
Step 3, integrate the Vidu Q4 API: POST https://api.apimodels.app/v1/video/generations with Authorization: Bearer YOUR_API_KEY and model vidu-q4. Send first_frame_url for image-to-video, or reference_image_urls plus a prompt for reference-to-video; the docs page for Vidu Q4 lists every field with cURL, Python and Node examples.
Step 4, retrieve your Vidu Q4 videos: the call returns a taskId. Poll GET /v1/video/generations?task_id= every few seconds until the state is completed, or pass callback_url and we POST the result to you. Result files are kept for 30 days, so download or re-host what you need.
The Vidu Q4 API is billed per second of the length you request, by resolution. Audio on or off is the same price, reference images and reference audio cost nothing extra, and a failed Vidu Q4 generation is refunded.
Eligible new accounts get $0.10 of trial credit, which is less than the cheapest Vidu Q4 clip (540p, 3 seconds, $0.126), so plan on a small top-up for your first test.
| Vidu Q4 resolution | Per second | 5 seconds | 10 seconds | 16 seconds |
|---|---|---|---|---|
| 540p | $0.042 | $0.21 | $0.42 | $0.672 |
| 720p (default) | $0.0887 | $0.4435 | $0.887 | $1.4192 |
| 1080p | $0.112 | $0.56 | $1.12 | $1.792 |
| 2K | $0.1773 | $0.8865 | $1.773 | $2.8368 |
| 4K | $0.3639 | $1.8195 | $3.639 | $5.8224 |
We ran Vidu Q4 through our own API on 2026-10-22, one request per mode at 540p and 3 seconds. Image-to-video took 102 seconds from submission to the finished file; reference-to-video with 2 reference images and 1 MP3 voice reference took 173 seconds. Both Vidu Q4 clips came back as 24 fps H.264 MP4 files with an AAC audio track, which confirms native audio in both modes, with no watermark and a length of 3.04 seconds for a 3-second request.
These are single runs at the lowest tier, not a benchmark: 1080p, 2K, 4K and longer clips were not part of the test and will likely take longer. Plan for minutes rather than seconds, poll every few seconds or pass callback_url, and use FLUX 3 Max if a clip has to be back within seconds.
| Vidu Q4 mode (540p · 3 s) | Inputs | Submit to finished video | Output file |
|---|---|---|---|
| Image-to-video | 1 first frame + prompt | 102 s | 962×536 (follows the first frame), 24 fps, H.264 + AAC, 3.04 s |
| Reference-to-video | 2 reference images + 1 MP3 voice clip + prompt | 173 s | 960×528 (16:9), 24 fps, H.264 + AAC, 3.04 s |
Vidu Q4 Preview has no text-only mode: every Vidu Q4 request needs a first frame or at least one reference image. It has no last frame for start-to-end transitions, no keyframes, no reference video and no editing of an existing clip, and a single clip stops at 16 seconds. Requests that ask for any of these get a clear 400 at create time, so nothing is billed for them.
Pick another model when you hit those limits: FLUX 3 Max for text-to-video, a last frame or up to 10 keyframes; Seedance 2.5 for clips up to 30 seconds, reference videos, editing or extension; Kling V3 Omni for editing a clip while keeping its original sound. Because Vidu Q4 is a Preview, Vidu may still change how it behaves, so pin your own test prompts and re-check them after updates.
One key, many video models: Vidu Q4 sits next to Seedance, Kling, FLUX 3 Max, Wan, MiniMax H3 and the Gemini Omni models on the same endpoint and the same balance, so comparing Vidu Q4 with another model is a change of one field, not a new vendor account.
Prices you can check before you spend: every Vidu Q4 price on this page is the per-second rate we bill, the playground shows the cost of the clip before you generate it, and GET /v1/records/{task_id} returns what a finished Vidu Q4 job actually cost.
Pay as you go, refunds on failure: there is no subscription and no minimum monthly spend, a failed Vidu Q4 generation is refunded automatically, and inputs the model cannot take are rejected with a 400 before anything is charged.
Built for automation: asynchronous tasks with polling or callback_url, the same response shape across video models, and result files stored on our CDN for 30 days, so batch jobs and SaaS pipelines can run Vidu Q4 without managing model infrastructure. The API is reachable from mainland China as well as worldwide.
Vidu Q4 suits short, reference-driven clips where the same characters, products or voices have to come back again and again. Six common ways teams put the Vidu Q4 API to work:
Let users upload a photo and a motion prompt and get a clip back. Image-to-video covers single photos, reference-to-video covers apps where users bring several characters or products, and the five resolution tiers let you offer a cheap preview at 540p and a paid export at 2K or 4K from the same Vidu Q4 integration.
Build a film shot by shot in clips of up to 16 seconds. Reuse the same reference images and voice clips in every request so the cast looks and sounds the same from scene to scene, and let Vidu Q4 generate the dialogue and ambience with each shot.
Turn product photos and brand visuals into promotional clips: put the product, the model and the setting in reference images, describe the camera move, and render vertical 9:16 for social ads or 16:9 for a landing page, all from one Vidu Q4 call per variant.
Animate portraits and illustrations into characters that move and speak. Give Vidu Q4 the character as a reference image and a voice clip as reference audio, write the line in the prompt, and get a talking clip for an app, a lesson or an interactive story. Use only images and voices you have the rights to.
Generate TikTok, Reels and Shorts variations from the same assets by changing the prompt, the aspect ratio or the seed. Because the Vidu Q4 API is asynchronous with callbacks, a content pipeline can queue many jobs and collect the files as they finish.
Add Vidu Q4 video generation to a creative tool, a CMS or a media product: accept the user's images and prompt, submit the task, store the returned file. Per-second pricing makes it straightforward to pass the cost on to your own customers.
All prices below are the per-second rates on apimodels.app today, with audio. Vidu Q4 is the only one of these with 4K output and has the lowest per-second price at 720p with audio; it stops at 16 seconds and needs an image to start from. Seedance 2.5 is the pick for long clips, reference videos and editing, Kling V3 Omni for editing a clip while keeping its sound, and FLUX 3 Max for text-to-video and keyframes.
| Vidu Q4 | Seedance 2.5 | Kling V3 / V3 Omni | FLUX 3 Max | |
|---|---|---|---|---|
| Max resolution | 4K | 720p | Standard / pro tiers | 1080p |
| Clip length | 3-16 s | 4-30 s | 3-15 s | 5-20 s |
| Text-to-video | No | Yes | Yes | Yes |
| Image inputs | 1 first frame, or up to 15 reference images | Up to 30 reference images | First frame (V3); image and subject input (V3 Omni) | First / last frame, or up to 10 keyframes |
| Audio references | Up to 3 MP3 clips | Up to 10 | Voice IDs via voice_list (up to 2) | No |
| Video input / editing | No | Up to 10 videos, edit and extend | V3 Omni: reference video and editing | No |
| Price per second with audio | 540p $0.042 · 720p $0.0887 · 1080p $0.112 · 2K $0.1773 · 4K $0.3639 | 480p $0.120 · 720p $0.270 | V3 $0.18 (standard) · $0.24 (pro); V3 Omni $0.117 · $0.147 | 720p $0.221 · 1080p $0.377 |
Vidu Q4 es una API de generación de video de Vidu. Vidu Q4 es el modelo de vídeo más reciente de la familia Vidu de ShengShu, publicado como Preview (nombre del modelo en el proveedor: viduq4-preview). Vidu lo presenta como su nuevo modelo insignia: genera el sonido junto con la imagen, diálogos y efectos incluidos, y puede cambiar de plano por sí solo. En APIMODELS es un único model id, vidu-q4, en el endpoint unificado de vídeo, y las peticiones van a la API oficial de Vidu. El modo se elige según lo que envíes. Imagen a vídeo recibe un primer fotograma en first_frame_url (también se aceptan image e image_url); el clip conserva la proporción de esa imagen, el prompt es opcional e is_rec activa o desactiva la mejora de prompt de Vidu (activada por defecto). Vídeo por referencias recibe de 1 a 15 imágenes en reference_image_urls, como personajes, productos, ropa o escenarios, más hasta 3 clips MP3 de 3 a 12 segundos en reference_audio_urls para guiar las voces; el prompt es obligatorio, las referencias se nombran por número y aspect_ratio puede ser 16:9 (por defecto), 9:16, 1:1, 4:3 o 3:4. Ambos modos aceptan duration como cualquier número entero de segundos de 3 a 16 (por defecto 5), resolution 540p, 720p (por defecto), 1080p, 2K o 4K, generate_audio (true por defecto) y un seed opcional. No hay modo solo texto, ni último fotograma, ni vídeo de referencia: esas peticiones devuelven un 400 claro en lugar de descartarse en silencio. El resultado no lleva marca de agua. Se cobra por cada segundo pedido y el audio no cambia el precio: 540p $0.042/s, 720p $0.0887/s, 1080p $0.112/s, 2K $0.1773/s y 4K $0.3639/s, así que un clip de 5 segundos en 720p cuesta $0.4435 y uno de 16 segundos en 4K, $5.8224. Solo se cobran las generaciones correctas; las fallidas se reembolsan. A través de la plataforma APIMODELS puedes acceder a este modelo mediante una API unificada con precios de pago por uso transparentes. Precio actual: 540p · per second: $0.042, 540p · 5s: $0.21, 540p · 10s: $0.42, 720p · per second: $0.0887, 720p · 5s: $0.4435, 720p · 10s: $0.887, 1080p · per second: $0.112, 1080p · 5s: $0.56, 1080p · 10s: $1.12, 2K · per second: $0.1773, 2K · 5s: $0.8865, 2K · 10s: $1.773, 4K · per second: $0.3639, 4K · 5s: $1.8195, 4K · 10s: $3.639.
Modelo relacionado: FLUX 3 Max — when you need text-to-video or up to 10 keyframes, and clips up to 20 seconds — from $0.221/s
Modelo relacionado: Seedance 2.5 — for clips up to 30 seconds, reference videos, or editing and extending an existing video — 480p from $0.120/s, 720p $0.270/s
Modelo relacionado: Kling V3 Omni — when you edit an existing clip and want to keep its original sound — from $0.088/s, $0.117/s with audio
Genera rápidamente videos promocionales de marca para campañas y redes sociales.
Crea contenido de video corto atractivo para TikTok, Instagram y YouTube.
Genera demostraciones de funciones y tutoriales para mejorar la conversión.
Produce explicaciones de cursos, divulgación y videos de formación a bajo coste.
Vidu Q4 está disponible a través de APIMODELS a: 540p · per second: $0.042, 540p · 5s: $0.21, 540p · 10s: $0.42, 720p · per second: $0.0887, 720p · 5s: $0.4435, 720p · 10s: $0.887, 1080p · per second: $0.112, 1080p · 5s: $0.56, 1080p · 10s: $1.12, 2K · per second: $0.1773, 2K · 5s: $0.8865, 2K · 10s: $1.773, 4K · per second: $0.3639, 4K · 5s: $1.8195, 4K · 10s: $3.639. La facturación es de pago por uso: solo pagas por lo que generas.
Regístrate en APIMODELS, obtén tu clave API y llama a nuestro endpoint unificado. Ofrecemos documentación detallada con ejemplos en cURL, Python y Node.js.
APIMODELS ofrece el mismo modelo Vidu Q4 a través de nuestra plataforma de agregación. Proporcionamos una interfaz de API unificada, así que no necesitas cuentas separadas por proveedor: una sola clave para acceder a todos los modelos.
Vidu Q4 es el modelo de vídeo más reciente de la familia Vidu de ShengShu, publicado por ahora como Preview (nombre del modelo en el proveedor: viduq4-preview). Genera el vídeo y su sonido en una sola pasada, diálogos y efectos incluidos, y según Vidu puede cambiar de plano por sí solo. En apimodels.app es el model id vidu-q4 en POST /v1/video/generations, con dos modos: imagen a vídeo desde un primer fotograma y vídeo por referencias con hasta 15 imágenes y hasta 3 clips de audio, de 3 a 16 segundos y de 540p a 4K.
Sí. Vidu Q4 Preview es la versión del modelo que Vidu ha abierto en su API oficial con el nombre viduq4-preview, y la API de Vidu Q4 en apimodels.app es la forma de llamarla, con el model id vidu-q4. Preview es la etiqueta de la propia Vidu: el modelo es nuevo y Vidu aún puede cambiar su comportamiento. Si Vidu publica una versión más nueva de Q4, esta página indicará qué versión ejecuta vidu-q4.
No del todo. Las cuentas nuevas que cumplen los requisitos reciben $0.10 de crédito de prueba, pero el clip de Vidu Q4 más corto y barato, 3 segundos en 540p, cuesta $0.126, así que la primera prueba necesita una recarga; las recargas empiezan en $10. El playground de esta página muestra el precio exacto del clip antes de pulsar Generar, y solo se cobran las generaciones correctas, así que un intento fallido no cuesta nada.
Sí. resolution acepta 540p, 720p (por defecto), 1080p, 2K y 4K en ambos modos. 4K cuesta $0.3639 por segundo, así que un clip de 5 segundos en 4K son $1.8195 y uno de 16 segundos $5.8224; 1080p cuesta $0.112/s y 2K $0.1773/s. Un flujo práctico es probar prompts y referencias en 540p ($0.042/s) o 720p ($0.0887/s) y renderizar en 2K o 4K la versión que te quedes.
Cualquier número entero de segundos de 3 a 16, fijado con duration (por defecto 5). Pagas los segundos que pides: un clip de 16 segundos cuesta $0.672 en 540p, $1.4192 en 720p, $1.792 en 1080p, $2.8368 en 2K y $5.8224 en 4K. Si un plano tiene que durar más, Seedance 2.5 llega a 30 segundos y FLUX 3 Max a 20.
Hasta 15, en reference_image_urls, en PNG, JPEG o WebP. Úsalas para los personajes, productos, ropa y escenarios que deben seguir siendo reconocibles; el prompt se refiere a ellas por posición, y la primera imagen es reference image 1 (los ejemplos de la propia Vidu lo escriben en chino como 参考图1). Imagen a vídeo admite exactamente una imagen, el primer fotograma, y una petición no puede mezclar primer fotograma con imágenes de referencia.
Sí, por defecto. Con generate_audio en true (el valor por defecto), Vidu Q4 crea diálogos, efectos y ambiente sincronizados con la imagen; envía false para un clip sin sonido, al mismo precio. En vídeo por referencias también puedes pasar hasta 3 clips MP3 de 3 a 12 segundos en reference_audio_urls para guiar las voces, y nombrarlos en el prompt como reference audio 1, 2 y 3. El audio de referencia no está disponible en imagen a vídeo.
Por cada segundo que pides: 540p $0.042/s, 720p $0.0887/s, 1080p $0.112/s, 2K $0.1773/s y 4K $0.3639/s, así que un clip de 5 segundos cuesta $0.21, $0.4435, $0.56, $0.8865 o $1.8195 según el nivel. Las imágenes y el audio de referencia no cuestan nada extra, con o sin audio el precio es el mismo y solo se cobran las generaciones correctas; las fallidas se reembolsan.
Haz un POST a https://api.apimodels.app/v1/video/generations con tu API key como token Bearer y model vidu-q4. Para imagen a vídeo añade first_frame_url, más un prompt e is_rec opcionales; para vídeo por referencias añade reference_image_urls y un prompt, más reference_audio_urls y aspect_ratio opcionales. duration, resolution, generate_audio y seed funcionan en ambos modos. La llamada devuelve un taskId: consulta GET /v1/video/generations?task_id= hasta que el state sea completed, o pasa callback_url. Los archivos resultantes se guardan 30 días.
Medido a través de la API el 2026-10-22, una ejecución de cada modo a 540p y 3 segundos: imagen a vídeo tardó 102 segundos desde el envío hasta el vídeo terminado, y vídeo por referencias con 2 imágenes de referencia y 1 referencia de voz en MP3 tardó 173 segundos. Ambos devolvieron un MP4 H.264 a 24 fps con pista de audio AAC y sin marca de agua, de 3.04 segundos. Las resoluciones más altas y los clips más largos no formaron parte de esta prueba y probablemente tarden más, así que consulta el estado cada pocos segundos o usa callback_url.
No tiene modo solo texto, ni último fotograma para clips de inicio a fin, ni vídeo de referencia o edición de vídeo, ni fotogramas clave, y los clips llegan como máximo a 16 segundos; esas peticiones reciben un 400 claro en lugar de un vídeo degradado en silencio. Para texto a vídeo o fotogramas clave usa FLUX 3 Max, para clips de hasta 30 segundos con vídeos de referencia, edición o extensión usa Seedance 2.5, y para editar un clip existente conservando su sonido usa Kling V3 Omni.
En APIMODELS, Vidu Q4 convive con más de 60 modelos bajo una sola clave API y un solo saldo, así que elegir es cuestión de ajuste, no de dependencia. Admite Image to Video, Reference to Video, Up to 15 Reference Images, Up to 3 Voice References, Native Audio, 540p to 4K, 3-16s, From $0.042/s y puedes valorarlo en precio y capacidad frente a otros modelos de generación de video, y cambiar modificando una sola cadena con el nombre del modelo: sin nueva cuenta ni integración. Explora todas las opciones de generación de video con precios en vivo en apimodels.app/models.
Vidu Q4 admite: Image to Video, Reference to Video, Up to 15 Reference Images, Up to 3 Voice References, Native Audio, 540p to 4K, 3-16s, From $0.042/s. Consulta la documentación de APIMODELS para ver todos los parámetros y ejemplos de llamada.
Sí. APIMODELS expone Vidu Q4 mediante una única API unificada y una sola clave, sin cuentas separadas por proveedor ni necesidad de gestionar tú mismo el acceso de red regional de cada proveedor.
Aceptamos Stripe (Visa, Mastercard y otras tarjetas internacionales) y Alipay. El saldo está disponible al instante tras el pago.