Vidu API: Consistent Subjects from Reference Images
La API de Vidu proporciona a los desarrolladores acceso a modelos de video de Shengshu AI y la Universidad de Tsinghua, construida en la arquitectura U-ViT que unifica el diseño de Diffusion y Transformer. Introduce de una a cuatro imágenes de referencia y Vidu mantiene la consistencia de los sujetos en todas las tomas, con cambio inteligente de cámara y movimiento suave y cinematográfico. Atlas Cloud añade acceso a modelos Day-0 y una clave compatible con OpenAI para toda la alineación. Comienza a construir hoy.
Explorar Modelos Líderes
Atlas Cloud le proporciona los últimos modelos creativos líderes en la industria.
Every Vidu API Endpoint Compared: Q1, Q2, Q3, and 2.0 at a Glance
Scan durations, resolutions, reference image limits, and audio options across all 25 Vidu API video generation endpoints to match the right model to your workload.
| Modality | Description |
|---|---|
| Vidu Q3-Pro T2V API (Text to Video) | Describe a scene in plain text and Q3-Pro renders it as video up to 16 seconds long, with five aspect ratios plus general and anime styles. Super resolution output reaches 1440p, and audio with background music generates in the same pass. It suits cinematic ads and narrative shots where fidelity matters most. |
| Vidu Q3-Turbo T2V API (Text to Video) | Need volume more than polish? This turbo tier converts text prompts into clips of 1 to 16 seconds below Pro tier pricing, while keeping the same 1440p super resolution ceiling, style presets, and optional audio track. Teams use it for rapid storyboarding and testing creative directions. |
| Vidu Q3-Pro I2V API (Image to Video) | Upload one still image, describe the motion you want, and the model animates it with smooth, cinematic movement for up to 16 seconds. Output scales from 540p to 1440p super resolution with generated audio and background music. Product showcases and photo animation pipelines are its natural home. |
| Vidu Q3-Turbo I2V API (Image to Video) | When turnaround matters, the lowest priced Q3 tier brings photos to life from a single reference image and a motion prompt. It reaches 1440p super resolution and attaches audio automatically unless disabled. Social clips and bulk catalog animation run economically on it. |
| Vidu Q3-Pro SE2V API (Start-End to Video) | Give it a first frame and a last frame, and Q3-Pro interpolates a coherent transition between them lasting up to 16 seconds. The two frames must keep their aspect ratios within 0.8 to 1.25 of each other, and audio plus background music are generated on request. Storyboards, morph effects, and scene bridges all fit here. |
| Vidu Q3-Turbo SE2V API (Start-End to Video) | Fast frame bridging is the turbo variant's specialty. It connects a start image and an end image into one continuous shot, supports 540p through 1440p super resolution output, and toggles audio with a single flag. Iterate transitions quickly here before committing to a Pro render. |
| Vidu Q3 R2V API (Reference to Video) | Consistency across camera angles sets this endpoint apart. Feed it 1 to 4 reference images and it keeps subjects stable through intelligent camera switching, producing clips of 3 to 16 seconds at up to 1440p super resolution with audio. Character driven ads and episodic content benefit most. |
| Vidu Q3-Mix R2V API (Reference to Video) | Blend up to 4 reference images into one scene with intelligent transitions and smooth dynamic effects. The Q3-Mix endpoint holds subject identity while settings shift, renders clips of 1 to 16 seconds in five aspect ratios, and adds generated audio by default. Multi-shot brand stories and mashup creative are built on it. |
| Vidu Q2 T2V API (Text to Video) | Text goes in, and a finished clip of 1 to 8 seconds comes out at up to 1080p. General and anime styles, five aspect ratios, and automatic audio with background music are all controlled through simple parameters. It makes a solid default for everyday prompt to video work. |
| Vidu Q2-Pro I2V API (Image to Video) | Animating a single photo with prompts of up to 5000 characters, this Pro endpoint outputs 540p to 1080p clips running as long as 10 seconds. Movement amplitude can be pinned to small, medium, or large for precise motion control. Explainers and marketing stills convert well here. |
| Vidu Q2-Pro-Fast I2V API (Image to Video) | The Fast variant keeps 720p and 1080p output and the same price as the standard Pro tier while shortening generation queues for image animation jobs. Durations stretch from 1 to 10 seconds with optional audio and background music. Pick it when pipelines demand quick iteration. |
| Vidu Q2-Turbo I2V API (Image to Video) | At the lowest price in the entire Vidu family, this endpoint animates one image into clips of up to 10 seconds at 540p, 720p, or 1080p. Audio and background music generate automatically unless switched off. High volume UGC tools and batch jobs are where it earns its keep. |
| Vidu Q2-Pro SE2V API (Start-End to Video) | Two keyframes become one fluid shot. Q2-Pro fills the gap between a start image and an end image over 1 to 8 seconds at up to 1080p, with generated audio and background music available. Keep the frame aspect ratios within 0.8 to 1.25 of each other for a valid request. |
| Vidu Q2-Pro-Fast SE2V API (Start-End to Video) | Prefer speed for frame interpolation? This variant renders start to end transitions at 720p or 1080p in clips up to 8 seconds, with audio and background music toggles included. It shares standard Pro pricing while tightening iteration loops for editors. |
| Vidu Q2-Turbo SE2V API (Start-End to Video) | The most economical start-end option in the family lives here. Supply first and last frames and receive a 1 to 8 second clip at up to 1080p, with optional audio in the same call. Prototyping transitions before a Pro render is a common workflow. |
| Vidu Q2 R2V API (Reference to Video) | Up to 7 distinct subjects, each defined by 1 to 3 reference images, can appear together in a single generated scene. Clips run 1 to 10 seconds at up to 1080p, and an audio type switch isolates speech or sound effects. Multi-character storytelling is the headline use case. |
| Vidu Q2-Pro R2V API (Reference to Video) | Casting several consistent characters into premium footage is what the Pro reference tier does best. It accepts up to 7 subjects with 3 images each, prompts up to 1500 characters, and outputs clips of up to 10 seconds at 1080p with speech only or sound effect only audio modes. Serialized content and virtual character work fit naturally. |
| Vidu Q1 T2V API (Text to Video) | The first generation text endpoint outputs fixed 5 second clips locked at 1080p, with 16:9, 9:16, and 1:1 aspect ratios plus general and anime styles. Audio and background music remain switchable. Choose it when predictable, uniform clip specs simplify a pipeline. |
| Vidu Q1 I2V API (Image to Video) | Simplicity defines this endpoint: one image, one prompt of up to 5000 characters, one 5 second 1080p clip. Movement amplitude and audio toggles are the only knobs to tune. Integrations that standardized on Q1 output keep running unchanged. |
| Vidu Q1 SE2V API (Start-End to Video) | Interpolating between two uploaded frames, Q1 produces a 5 second 1080p transition with adjustable motion amplitude and optional audio plus background music. Frame pairs must keep their aspect ratios within 0.8 to 1.25 of each other. It remains a stable choice for fixed length transition effects. |
| Vidu Q1 R2V API (Reference to Video) | Structured casting is the pattern here: up to 7 subjects, each backed by 1 to 3 images, render into a fixed 5 second 1080p clip. Audio narrows to speech only or sound effects only when needed. Multi-character scenes with locked output specs suit it well. |
| Vidu 2.0 I2V API (Image to Video) | Would a short silent clip do the job? Vidu 2.0 turns one image into a 4 or 8 second video with adjustable movement amplitude and seed control for reproducible results. Thumbnails, previews, and lightweight animation tasks are typical fits. |
| Vidu 2.0 SE2V API (Start-End to Video) | Exactly two images, a prompt of up to 1500 characters, and a choice of 4 or 8 second duration define this compact endpoint. Motion intensity runs from small to large under one movement amplitude parameter. It handles quick morphs and simple frame pair transitions. |
| Vidu 2.0 R2V API (Reference to Video) | From 1 to 3 reference images, this endpoint composes videos in 16:9, 9:16, or 1:1 while preserving the referenced subjects. Seed and movement amplitude round out a deliberately small parameter set. Consistent character clips for social formats are the common case. |
| Vidu R2V Q1 API (Multi-Image Reference to Video) | Broader flat input distinguishes this reference endpoint, which takes a single list of 1 to 7 images in 16:9, 9:16, or 1:1. Prompts cap at 1500 characters and each image can reach 50MB. It works well when subjects arrive as loose image sets rather than structured casts. |
Dentro de la API de Vidu: Consistencia, Sonido y Control Cinematográfico
Desde la consistencia de cuatro imágenes de referencia hasta audio nativo y clips de 1080p de dieciséis segundos, la API de Vidu en Atlas Cloud coloca toda la serie Q de Shengshu detrás de un único endpoint de pago por uso.
Consistencia del Sujeto con la API de Vidu
La API de Vidu acepta de una a cuatro imágenes de referencia y mantiene personajes, productos y escenas visualmente consistentes en cada fotograma. Esa confiabilidad hace que la narración serializada y los videos de productos seguros para la marca sean prácticos a escala.
Interpolación de Fotograma Inicial y Final
Cargue un fotograma de inicio y un fotograma final, y el modelo construye la transición suave entre ellos por su cuenta. Los diseñadores de movimiento utilizan esto para morfos, revelaciones y cambios de escena precisamente cronometrados.
Audio Nativo en una Sola Pasada
¿Por qué renderizar clips silenciosos y puntuarlos después? Cada punto final de Q3 puede generar efectos de sonido sincronizados y música de fondo en la misma pasada, por lo que las escenas de diálogo y los anuncios llegan listos para publicar.
Dieciséis Segundos, hasta 1440p
Si una escena necesita espacio para respirar, ejecute clips de hasta 16 segundos a 540p a 1080p, con ampliación de súper resolución a 1440p. Menos tomas cosidas significa historias más suaves y postproducción más ligera.
Movimiento y Estilo Ajustables
Un parámetro de amplitud de movimiento cambia la salida de una deriva cinematográfica sutil a una acción dramática grande, mientras que los puntos finales de texto a video cambian entre estilos generales y de anime. Los directores obtienen control a nivel de toma sin reescribir indicaciones.
Una Clave en Toda la Línea Vidu API
Cada generación de modelo Vidu de Q1 a Q3 se ejecuta detrás de una clave compatible con OpenAI con precios transparentes de pago por uso en Atlas Cloud. Borrador en Turbo, luego vuelva a ejecutar la misma llamada en Pro para renderizados finales.
Vidu vs Other Models - One Prompt
The same prompt, generated by Vidu and other leading video models
Un stuntman solitario derrapa un auto deportivo negro mate a través de un mercado nocturno iluminado por neón bajo la lluvia. Abre con un plano de seguimiento bajo rozando el asfalto mojado mientras el auto gira alrededor de una esquina, las chispas vuelan de una barrera. Giro rápido a vendedores tirando de sus puestos hacia atrás, faroles de papel oscilando salvajemente. Corte a un plano de dron girando en espiral hacia arriba mientras el auto se cuela entre dos autobuses con centímetros de margen, luego un corte duro dentro de la cabina: manos chasqueando el volante, ojos mirando un espejo lleno de luces de policía parpadeantes. Termina con un giro de 180 grados a cámara lenta en una callejuela humeante, rugido del motor y siseo de la lluvia llenando la banda sonora. Fotorrealista, iluminación cinematográfica, 10 segundos, relación de aspecto 16:9.
Vidu Q3
Seedance 2.0
Vidu Q2 Pro
Estilo anime: una joven espadachina enfrenta a un dragón de tormenta colosal sobre un santuario flotante destrozado. Comienza con un dolly rápido en sus ojos mientras el rayo divide el cielo, luego un giro rápido siguiendo su carrera a través de un puente de piedra derrumbándose, escombros se elevan alrededor de sus pies. La cámara orbita mientras ella salta, su espada se enciende con llama azul, mientras las fauces del dragón se desmoronan donde estaba un fotograma antes. Retrocede a una toma épica de ángulo amplio mientras su golpe divide un rayo por la mitad y la onda de choque ondula a través de las nubes. Sombreado cel 2D nítido, líneas de velocidad dinámicas, trueno y un coro que se hincha en la partitura. 8 segundos, relación de aspecto 16:9.
Vidu Q3 Pro
Seedance 2.0
Vidu Q2 Pro
Dónde encaja la API de Vidu en su tubería de producción
Desde películas de marca con caracteres consistentes hasta diseño de movimiento de fotograma inicial y final, la API Vidu une flujos de trabajo text-to-video, image-to-video y reference-to-video detrás de un único punto final de pago por uso en Atlas Cloud.
Caracteres consistentes en cada plano
Introduce 1 a 4 imágenes de referencia en Vidu Q3-Mix o Q3 reference-to-video y los sujetos se mantienen consistentes a través de transiciones de escena. Los equipos de drama corto y los creadores de IP mantienen la misma cara de episodio a episodio.
Anuncios cinematográficos a través de la API de Vidu
Los lanzamientos de productos y los espacios de marca cobran vida cuando la API Vidu renderiza efectos dinámicos suaves con audio opcional hasta 1080p. Las agencias iteran en conceptos de anuncios sin reservar ni un solo día de rodaje.
Diseño de movimiento de fotograma inicial y final
¿Necesita una transición precisa entre dos fotogramas clave? Los modelos Q3-Pro y Q2 start-end-to-video interpolan movimiento suave desde su primer fotograma al último, permitiendo revelaciones de logotipos, transformaciones de escenas y transformaciones de productos.
De guión a pantalla con la API de Vidu
Los escritores convierten un indicador de texto en metraje de 1080p con múltiples estilos visuales a través de los puntos finales de text-to-video de la API de Vidu. La generación de audio opcional da a los guiones gráficos y clips previz una apariencia terminada en una sola pasada.
Imágenes estáticas que se mueven
Cuando una foto de producto estática o una ilustración necesita movimiento, los modelos image-to-video de Q1 a Q3-Turbo la animan con movimiento suave y natural. Los equipos de comercio electrónico y editores de redes sociales publican clips que detienen el desplazamiento diariamente.
Tuberías de animación construidas en Vidu
La arquitectura U-ViT de Vidu fue construida para salida de larga duración y altamente consistente, un ajuste natural para el diseño de animación y series episódicas. Los estudios crean storyboards, animan y revisan secuencias completas a través de llamadas API en lugar de keyframing manual.
Dónde se posiciona la API de Vidu entre Kling, Veo y Sora
Compara la duración del clip, los límites de resolución, la salida de audio y las tasas por segundo lado a lado, y verás exactamente lo que la API de Vidu ofrece por cada dólar en tu pipeline de video
| Modelo | Modos de entrada | Duración máxima del clip | Resolución máxima | Audio nativo |
|---|---|---|---|---|
| Vidu Q3-Mix | Texto más 1 a 4 imágenes de referencia | 16s | 1080p nativo, 1440p con súper resolución | √ |
| Vidu Q3 (Pro & Turbo) | Texto, imagen, fotogramas de inicio-fin, imágenes de referencia | 16s | Hasta 1080p, 1440p escalado | √ |
| Vidu Q2 (Pro & Turbo) | Texto, imagen, fotogramas de inicio-fin o referencias | 10s | 1080p | √ |
| Kling 2.5 Turbo | Texto o una sola imagen con instrucción | 10s | 1080p (nivel Pro) | - |
| Google Veo 3.1 | Texto, imagen, hasta 3 imágenes de referencia | 8s por clip, extensible | 1080p, 4K en vista previa | √ |
| OpenAI Sora 2 | Instrucción de texto | 12s | 720p (1080p en Sora 2 Pro) | √ |
Cómo usar Vidu en Atlas Cloud
Empieza en minutos — sigue estos sencillos pasos para integrar y desplegar modelos a través de la plataforma de Atlas Cloud.
Crea una cuenta en Atlas Cloud
Regístrate en atlascloud.ai y completa la verificación. Los nuevos usuarios reciben créditos gratuitos para explorar la plataforma y probar modelos.
Por Qué Usar Vidu en Atlas Cloud
Combina modelos avanzados de Vidu con la plataforma acelerada por GPU de Atlas Cloud, proporcionando rendimiento, escalabilidad y experiencia de desarrollo incomparables.
Rendimiento y Flexibilidad
Baja Latencia:
Inferencia optimizada por GPU para respuestas en tiempo real.
API Unificada:
Una sola integración para acceder a Vidu, GPT, Gemini y DeepSeek.
Precios Transparentes:
Facturación por Token, soporta modo Serverless.
Empresa y Escala
Experiencia del Desarrollador:
SDK, análisis de datos, herramientas de ajuste fino y plantillas todo en uno.
Confiabilidad:
99.99% de disponibilidad, control de permisos RBAC, registros de cumplimiento.
Seguridad y Cumplimiento:
Certificación SOC 2 Type II, cumplimiento HIPAA, soberanía de datos en EE.UU.
Vidu API Questions, Answered
La facturación se realiza por segundo de vídeo generado sin suscripción requerida. Los endpoints Q2-Turbo comienzan a $0,026 por segundo, Q3-Turbo cuesta $0,034 por segundo, Q3-Pro y Q3 reference-to-video cuestan $0,042 por segundo, y Q3-Mix reference-to-video es $0,106 por segundo. Solo paga por lo que genera con precios transparentes por llamada.
Los endpoints Q3 admiten clips de hasta 16 segundos con opciones de resolución de 540p, 720p y 1080p, más salidas de súper resolución hasta 1440p. Los aspectos cubren 16:9, 9:16, 4:3, 3:4 y 1:1, por lo que el mismo endpoint puede dirigirse a formatos de panorama, vertical o cuadrado.
Sí. Los modelos Q3 incluyen un interruptor de audio que está habilitado de forma predeterminada, y los endpoints de texto a vídeo agregan un interruptor separado de música de fondo. Desactiva ambos cuando necesites material silencioso para tu propio diseño de sonido.
Carga una a cuatro imágenes de referencia de un personaje, producto o escena, y el modelo preserva la identidad de ese sujeto mientras genera nuevo movimiento y ángulos de cámara. Reference-to-video de Q3 agrega cambio inteligente de cámara con mejor consistencia en múltiples posiciones de cámara, lo cual es adecuado para narrativas episódicas y de múltiples tomas.
Sí. Los endpoints de texto a vídeo exponen un parámetro de estilo con opciones generales y anime, y la familia es conocida por la animación de caracteres estilizados. Empareja el estilo anime con imágenes de referencia para mantener el mismo personaje en toda una serie.
Crea una clave de API de Atlas Cloud, elige un endpoint de Vidu y envía una solicitud REST con tu indicación y parámetros. Cada modelo tiene un área de pruebas y un esquema de parámetros publicado, para que puedas verificar la configuración antes de escribir código. El precio es de pago por uso por llamada, y los nuevos lanzamientos de Vidu llegan con acceso el primer día. Empieza a construir hoy.
It does. Text-to-video endpoints expose a style parameter with general and anime options, and the family is known for stylized character animation. Pair the anime style with reference images to keep the same character across an entire series.
Create an Atlas Cloud API key, pick a Vidu endpoint, and send a REST request with your prompt and parameters. Every model has a playground and a published parameter schema, so you can validate settings before writing code. Pricing is pay-as-you-go per call, and new Vidu releases arrive with Day-0 access. Start building today.
Explorar Más Series
Seedance 2.0
La API de Seedance 2.0 le ofrece acceso de producción al modelo de video multimodal de ByteDance: entradas cuatrimodales (texto, imagen, video, audio) y un sistema "Universal Reference" líder en la industria que bloquea la composición, el movimiento de la cámara y las acciones de los personajes en diferentes tomas. Integre un control de nivel de director con una sola llamada a la API, una tarifa fija de $0.09/s, clave instantánea y sin lista de espera, todo respaldado por un tiempo de actividad y cumplimiento de nivel empresarial. ¡Seedance 2.0 Native 4K ya está disponible!
Grok Imagine
La Grok Imagine API ofrece a los desarrolladores la generación de imágenes, video y audio de xAI en una sola suite. Produce imágenes de hasta 2K con renderizado de texto multilingüe, además de videos de hasta 15 segundos con audio nativo y sincronizado, y edición basada en referencias. En Atlas Cloud, una sola clave ejecuta cada modo de Grok Imagine, por lo que puede alternar entre imagen, video y audio sin configuraciones separadas, desde $0.02 por imagen y $0.05 por segundo.
Gemini Omni Flash
La Gemini Omni API lleva a tu stack el modelo multimodal de generación y edición de vídeo de Google DeepMind, presentado en Google I/O 2026. Gemini Omni fusiona el motor de razonamiento de Gemini con los medios generativos y acepta cualquier combinación de texto, imágenes, vídeo y audio para producir resultados coherentes y fundamentados en conocimiento. Refina los resultados mediante conversación natural: sustituye objetos, reescribe escenas y cambia de estilo mientras la física, los personajes y la continuidad permanecen intactos. Atlas Cloud ofrece toda la gama Gemini Omni Flash —texto a vídeo, imagen a vídeo con hasta 7 imágenes de referencia y referencia a vídeo— a través de una única API unificada, con precios transparentes por segundo desde $0.112 y sin suscripción. Empieza a construir hoy mismo.
GPT Image 2
La API de GPT Image 2 ofrece a los desarrolladores acceso al último modelo de imágenes de OpenAI, el sucesor de GPT Image 1.5. Genera y edita imágenes con una representación de texto precisa en caracteres latinos y CJK, además de una sólida composición para carteles, maquetas e infografías. En Atlas Cloud, puede acceder a ella a través de una API unificada junto con más de 300 modelos, con créditos gratuitos, un tiempo de actividad del 99,99% y sin necesidad de verificación de organización de OpenAI.
Los modelos creativos más potentes de Google están todos disponibles en Atlas Cloud. Veo 3.1 ofrece generación de video cinematográfico, Nano Banana 2 impulsa la creación de imágenes de alta fidelidad y Gemini aporta inteligencia multimodal a cada flujo de trabajo. Acceda a la suite completa de modelos de Google a través de una sola API key con disponibilidad Day-0 y precios de pago por uso (pay-as-you-go).
Seedance 2.0 Mini
Seedance 2.0 Mini lleva la generación de video multimodal de ByteDance a los flujos de trabajo donde la velocidad y el costo son más importantes. Ofrece las capacidades principales de Seedance 2.0 con un menor consumo de recursos: generación más rápida, menor costo por video y la misma integración de API que ya utiliza. Para los equipos que ejecutan pipelines de alto volumen o crean prototipos a escala, Mini es la opción predeterminada práctica.
ByteDance
Desde la generación de video cinematográfico hasta la creación de imágenes de alta fidelidad, los modelos más potentes de ByteDance están disponibles en Atlas Cloud. Ejecute Seedance y Seedream a gran escala con los precios de inferencia más bajos y cero gastos generales de infraestructura.
Alibaba
Atlas Cloud reúne toda la línea de modelos de Alibaba bajo una sola API: Qwen para tareas de lenguaje e imagen, y Wan para la generación de video hasta 1080p. Acceda a cada modelo con pago por uso sin suscripciones. La API de Alibaba está disponible a través de una única URL base utilizando su cliente compatible con OpenAI existente.
OpenAI
Atlas Cloud le ofrece acceso a la línea completa de la API de OpenAI, desde GPT Image 2 para la generación de imágenes hasta Sora 2 para video. Cada modelo está disponible bajo la modalidad de pago por uso sin compromiso mensual. Intégrelo cambiando simplemente la URL base mediante la API compatible con OpenAI.
xAI
Construya pipelines completos de imágenes y video utilizando la xAI API en Atlas Cloud. Genere en 2K, edite con imágenes de referencia y anime imágenes en clips sincronizados con audio.
Kwaivgi
La API de Kwaivgi a un 15% por debajo del precio estándar. Atlas Cloud ofrece acceso Day-0 a los nuevos lanzamientos de Kling con precios de pago por uso y sin límites de puestos. Una cuenta, una clave, todos los modelos de Kling desde el nivel estándar hasta el nivel maestro.
Seedream 5.0 Pro
La API de Seedream 5.0 Pro ofrece a los desarrolladores el modelo de edición de imágenes controlable de ByteDance en Atlas Cloud. Sitúa las ediciones con precisión mediante anclajes y coordenadas, separa las imágenes en capas editables, fusiona múltiples referencias y empareja colores y materiales exactos, con texto multilingüe a 2K y 3K. ¡En Atlas Cloud puede acceder a él mediante una sola clave!
