vidu-q4Vidu Q4 は、ShengShu(生数科技)の Vidu シリーズの最新動画モデルで、Preview 版として公開されています(提供元のモデル名は viduq4-preview)。Vidu は新しいフラッグシップと位置づけており、セリフや効果音を含む音声を映像と同時に生成し、カット切り替えも自動で行えるとしています。APIMODELS では統合動画エンドポイント上の 1 つのモデル ID vidu-q4 で、リクエストは Vidu の公式 API に送られます。モードは送る内容で決まります。画像から動画は first_frame_url に先頭フレームを 1 枚(image・image_url も可)。動画はその画像のアスペクト比を保ち、プロンプトは任意、is_rec で Vidu のプロンプト拡張をオン/オフできます(既定はオン)。参照動画生成は reference_image_urls に 1〜15 枚の画像(人物、商品、衣装、シーンなど)を渡し、声を導くために reference_audio_urls へ 3〜12 秒の MP3 を最大 3 本追加できます。このモードではプロンプトが必須で、参照素材は番号で指定し、aspect_ratio は 16:9(既定)、9:16、1:1、4:3、3:4 から選べます。どちらのモードも duration は 3〜16 の整数秒(既定 5)、resolution は 540p、720p(既定)、1080p、2K、4K、generate_audio(既定 true)、任意の seed を受け付けます。テキストのみのモード、末尾フレーム、参照動画はなく、そうしたリクエストは黙って無視されず明確な 400 を返します。出力に透かしは入りません。課金はリクエストした秒数ごとで、音声の有無で価格は変わりません。540p $0.042/秒、720p $0.0887/秒、1080p $0.112/秒、2K $0.1773/秒、4K $0.3639/秒で、720p・5 秒は $0.4435、4K・16 秒は $5.8224 です。課金は生成に成功した場合のみで、失敗分は返金されます。
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
セリフ・効果音・環境音を動画と同時に生成。generate_audio: false で無音ファイルになり、価格はどちらも同じです
参照動画生成では、人物・商品・衣装・シーンを新しい動きやアングルでも一貫させます。プロンプトでは各参照を番号で指定します
参照モードでは reference_audio_urls に 3〜12 秒の MP3 を追加し、キャラクターの声を導けます
first_frame_url と任意のプロンプトを送るだけ。動画は画像のアスペクト比を保ち、is_rec で Vidu のプロンプト拡張をオン/オフできます
解像度は 5 段階、長さは 3〜16 秒の任意の整数秒。参照動画生成では 16:9・9:16・1:1・4:3・3:4 も選べます
540p $0.042/秒、720p $0.0887/秒、1080p $0.112/秒、2K $0.1773/秒、4K $0.3639/秒をリクエストした秒数分。失敗した生成は返金されます
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 は Vidu の動画生成 API です。Vidu Q4 は、ShengShu(生数科技)の Vidu シリーズの最新動画モデルで、Preview 版として公開されています(提供元のモデル名は viduq4-preview)。Vidu は新しいフラッグシップと位置づけており、セリフや効果音を含む音声を映像と同時に生成し、カット切り替えも自動で行えるとしています。APIMODELS では統合動画エンドポイント上の 1 つのモデル ID vidu-q4 で、リクエストは Vidu の公式 API に送られます。モードは送る内容で決まります。画像から動画は first_frame_url に先頭フレームを 1 枚(image・image_url も可)。動画はその画像のアスペクト比を保ち、プロンプトは任意、is_rec で Vidu のプロンプト拡張をオン/オフできます(既定はオン)。参照動画生成は reference_image_urls に 1〜15 枚の画像(人物、商品、衣装、シーンなど)を渡し、声を導くために reference_audio_urls へ 3〜12 秒の MP3 を最大 3 本追加できます。このモードではプロンプトが必須で、参照素材は番号で指定し、aspect_ratio は 16:9(既定)、9:16、1:1、4:3、3:4 から選べます。どちらのモードも duration は 3〜16 の整数秒(既定 5)、resolution は 540p、720p(既定)、1080p、2K、4K、generate_audio(既定 true)、任意の seed を受け付けます。テキストのみのモード、末尾フレーム、参照動画はなく、そうしたリクエストは黙って無視されず明確な 400 を返します。出力に透かしは入りません。課金はリクエストした秒数ごとで、音声の有無で価格は変わりません。540p $0.042/秒、720p $0.0887/秒、1080p $0.112/秒、2K $0.1773/秒、4K $0.3639/秒で、720p・5 秒は $0.4435、4K・16 秒は $5.8224 です。課金は生成に成功した場合のみで、失敗分は返金されます。 APIMODELS のプラットフォーム経由なら、統一 API と明朗な従量課金でこのモデルを呼び出せます。 現在の料金: 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。
関連モデル: FLUX 3 Max — when you need text-to-video or up to 10 keyframes, and clips up to 20 seconds — from $0.221/s
関連モデル: 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
関連モデル: 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
広告キャンペーンや SNS 施策に向けたブランド動画を短時間で作ります。
TikTok、Instagram、YouTube 向けの縦型ショート動画を量産できます。
機能紹介やチュートリアル動画を作り、コンバージョンにつなげます。
講座の解説、知識の説明、研修用の動画を低コストで継続的に作れます。
Vidu Q4 は APIMODELS 経由で 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 で利用できます。課金は従量制で、生成した分だけの支払いです。
APIMODELS に登録して API キーを取得し、統一エンドポイントを呼ぶだけです。cURL / Python / Node.js のサンプルを含む詳しいドキュメントを用意しています。
APIMODELS は同じ Vidu Q4 を集約プラットフォーム経由で提供します。統一された API インターフェースなので、プロバイダごとにアカウントを作る必要はありません。キー 1 本ですべてのモデルに届きます。
Vidu Q4 は ShengShu(生数科技)の Vidu シリーズの最新動画モデルで、現在は Preview 版として公開されています(提供元のモデル名は viduq4-preview)。セリフや効果音を含む音声を映像と一度に生成し、Vidu によればカット切り替えも自動で行えます。apimodels.app では POST /v1/video/generations のモデル ID vidu-q4 で、2 つのモードがあります。先頭フレーム 1 枚からの画像から動画と、参照画像最大 15 枚・参照音声最大 3 本からの参照動画生成で、長さは 3〜16 秒、解像度は 540p〜4K です。
はい。Vidu Q4 Preview は Vidu が公式 API で viduq4-preview という名前で公開しているモデルのバージョンで、apimodels.app の Vidu Q4 API はそれをモデル ID vidu-q4 で呼び出す方法です。Preview は Vidu 自身の表記で、新しいモデルのため挙動が変わる可能性があります。Vidu が新しい Q4 のバージョンを公開した場合は、vidu-q4 がどのバージョンで動いているかをこのページに記載します。
完全に無料ではありません。条件を満たす新規アカウントには $0.10 のお試しクレジットが付きますが、Vidu Q4 で最短・最安の 1 本(540p・3 秒)は $0.126 なので、最初のテストにはチャージが必要です。チャージは $10 から。このページのプレイグラウンドでは生成ボタンを押す前にその 1 本の正確な価格が表示され、課金は成功した生成だけなので、失敗した試行には費用がかかりません。
できます。どちらのモードでも resolution に 540p、720p(既定)、1080p、2K、4K を指定できます。4K は 1 秒 $0.3639 で、5 秒なら $1.8195、16 秒なら $5.8224。1080p は $0.112/秒、2K は $0.1773/秒です。540p($0.042/秒)や 720p($0.0887/秒)でプロンプトと参照素材を詰め、採用するバージョンだけを 2K や 4K で出すのが効率的です。
3〜16 秒の任意の整数秒で、duration で指定します(既定 5)。リクエストした秒数分を支払い、16 秒の 1 本は 540p で $0.672、720p で $1.4192、1080p で $1.792、2K で $2.8368、4K で $5.8224 です。1 カットをもっと長くしたい場合、Seedance 2.5 は最長 30 秒、FLUX 3 Max は最長 20 秒です。
最大 15 枚で、reference_image_urls に PNG・JPEG・WebP で渡します。人物、商品、衣装、ロケーションなど見た目を保ちたいものに使い、プロンプトでは順番で指定します。1 枚目が reference image 1 で、Vidu 自身の例では中国語で「参考图1」と書かれています。画像から動画は先頭フレームの 1 枚だけを受け付け、同じリクエストで先頭フレームと参照画像を混在させることはできません。
はい、既定でオンです。generate_audio が true(既定)なら、Vidu Q4 はセリフ・効果音・環境音を映像と同期して生成します。false を送れば無音のクリップになり、価格は同じです。参照動画生成では reference_audio_urls に 3〜12 秒の MP3 を最大 3 本渡して声を導けます。プロンプトでは reference audio 1、2、3 と呼びます。画像から動画では参照音声は使えません。
リクエストした秒数ごとの課金で、540p $0.042/秒、720p $0.0887/秒、1080p $0.112/秒、2K $0.1773/秒、4K $0.3639/秒です。5 秒の 1 本はそれぞれ $0.21、$0.4435、$0.56、$0.8865、$1.8195。参照画像と参照音声に追加料金はなく、音声の有無でも価格は同じで、課金は成功した生成のみ、失敗分は返金されます。
https://api.apimodels.app/v1/video/generations に API キーを Bearer トークンとして付け、model を vidu-q4 にして POST します。画像から動画なら first_frame_url を、必要に応じて prompt と is_rec を追加。参照動画生成なら reference_image_urls と prompt を、必要に応じて reference_audio_urls と aspect_ratio を追加します。duration・resolution・generate_audio・seed は両モード共通です。レスポンスの taskId で GET /v1/video/generations?task_id= を state が completed になるまでポーリングするか、callback_url を渡してください。生成ファイルは 30 日間保存されます。
2026-10-22 に API 経由で計測(540p・3 秒、各 1 回):画像から動画は送信から完成まで 102 秒、参照画像 2 枚と MP3 の声の参照 1 本を使った参照動画生成は 173 秒でした。どちらも 24fps の H.264 MP4 で AAC 音声トラック付き、透かしなし、長さは 3.04 秒です。より高い解像度や長いクリップはこのテストに含まれておらず、さらに時間がかかる可能性が高いため、数秒おきにポーリングするか callback_url を使ってください。
テキストのみのモード、先頭から末尾へつなぐ末尾フレーム、参照動画や動画編集、キーフレームはなく、長さは 16 秒までです。こうしたリクエストは黙って品質を落とさず、明確な 400 を返します。テキストから動画やキーフレームなら FLUX 3 Max、参照動画・編集・延長を伴う最長 30 秒のクリップなら Seedance 2.5、既存クリップを元の音声を残したまま編集するなら Kling V3 Omni を使ってください。
APIMODELS では Vidu Q4 が 60 以上のモデルと同じ API キー・同じ残高の上に並んでいるので、選択は「相性」の問題であって「囲い込み」の問題ではありません。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 に対応しており、他の動画生成モデルと価格・機能を並べて評価できます。乗り換えはモデル名の文字列を 1 つ書き換えるだけ。新しいアカウントも追加の実装も要りません。動画生成の選択肢と最新価格は apimodels.app/models で確認できます。
Vidu Q4 は次に対応しています: 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。パラメータの全一覧と呼び出し例は APIMODELS のドキュメントをご覧ください。
はい。APIMODELS は Vidu Q4 を単一の統一 API とキー 1 本で提供します。プロバイダごとのアカウントも、各社の地域ごとのネットワーク経路を自分で面倒みる必要もありません。
Stripe（Visa、Mastercard などの国際カード）と Alipay に対応しています。支払い後、残高はすぐ反映されます。