Vidu API: Consistent Subjects from Reference Images
L'API Vidu donne aux développeurs accès aux modèles vidéo de Shengshu AI et de l'Université Tsinghua, basés sur l'architecture U-ViT qui unifie la conception Diffusion et Transformer. Insérez une à quatre images de référence et Vidu maintient la cohérence des sujets sur tous les plans, avec commutation intelligente de caméra et mouvement fluide et cinématique. Atlas Cloud ajoute un accès immédiat aux modèles et une clé compatible OpenAI pour toute la gamme. Commencez à construire dès aujourd'hui.
Explorez les Modèles Leaders
Atlas Cloud vous offre les derniers modèles créatifs de pointe de l'industrie.
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. |
À l'intérieur de l'API Vidu : Cohérence, Son et Contrôle Cinématographique
De la cohérence de quatre images de référence à l'audio natif et aux clips de 1080p de seize secondes, l'API Vidu sur Atlas Cloud place l'ensemble de la série Q de Shengshu derrière un seul endpoint à la carte.
Cohérence du Sujet avec l'API Vidu
L'API Vidu accepte une à quatre images de référence et maintient les personnages, produits et scènes visuellement cohérents dans chaque image. Cette fiabilité rend la narration sérialisée et les vidéos produits sûrs pour la marque pratiques à grande échelle.
Interpolation de Cadre Initial et Final
Téléchargez une image de début et une image de fin, et le modèle construit la transition en douceur entre elles de lui-même. Les concepteurs de mouvement l'utilisent pour les morphes, les révélations et les changements de scène précisément chronométrés.
Audio Natif en une Seule Passe
Pourquoi rendre des clips silencieux et les noter plus tard ? Chaque endpoint Q3 peut générer des effets sonores synchronisés et de la musique de fond en une seule passe, de sorte que les scènes de dialogue et les publicités arrivent prêtes à être publiées.
Seize Secondes, jusqu'à 1440p
Si une scène a besoin d'espace pour respirer, exécutez des clips jusqu'à 16 secondes à 540p à 1080p, avec mise à l'échelle de super-résolution à 1440p. Moins de plans couillés signifie des histoires plus lisses et une post-production plus légère.
Mouvement et Style Ajustables
Un paramètre d'amplitude de mouvement change la sortie d'une dérive cinématographique subtile à une action dramatique importante, tandis que les points de terminaison texte-vidéo basculent entre les styles généraux et anime. Les réalisateurs obtiennent un contrôle au niveau des prises sans réécrire les invites.
Une Clé Dans Toute la Gamme Vidu API
Chaque génération de modèle Vidu de Q1 à Q3 s'exécute derrière une clé compatible OpenAI avec tarification transparent à la carte sur Atlas Cloud. Brouillon sur Turbo, puis réexécutez le même appel sur Pro pour les rendus finaux.
Vidu vs Other Models - One Prompt
The same prompt, generated by Vidu and other leading video models
Un cascadeur solitaire dérape avec une voiture de muscle noire mate à travers un marché nocturne illuminé au néon sous la pluie. Ouverture sur un plan de suivi bas effleurant l'asphalte mouillé tandis que la voiture glisse autour d'un coin, des étincelles jaillissent d'une barrière. Panoramique rapide vers les vendeurs qui ramènent leurs étals, les lanternes en papier se balançant sauvagement. Coupure vers un plan de drone s'enroulant en spirale vers le haut tandis que la voiture se faufile entre deux bus avec quelques centimètres de marge, puis une coupure nette à l'intérieur du cockpit: les mains claquent le volant, les yeux regardent un miroir rempli de feux de police clignotants. Terminez par un spin à 180 degrés au ralenti dans une ruelle fumante, le rugissement du moteur et le sifflement de la pluie remplissent la bande sonore. Photorréaliste, éclairage cinématographique, 10 secondes, rapport d'aspect 16:9.
Vidu Q3
Seedance 2.0
Vidu Q2 Pro
Style anime: une jeune épéiste fait face à un dragon orageux colossal au-dessus d'un sanctuaire flottant brisé. Commencez par un travelling avant rapide sur ses yeux alors que l'éclair fend le ciel, puis un panoramique rapide suivant sa course à travers un pont de pierre croulant, les débris s'élevant autour de ses pieds. La caméra orbite alors qu'elle saute, son épée s'enflammant de flammes bleues, tandis que les mâchoires du dragon s'écrasent là où elle s'était tenue une image plus tôt. Reculez vers un plan large épique alors que son coup fend un éclair en deux et l'onde de choc ondule à travers les nuages. Ombrage cel 2D net, lignes de vitesse dynamiques, tonnerre et un chœur enflant dans la partition. 8 secondes, rapport d'aspect 16:9.
Vidu Q3 Pro
Seedance 2.0
Vidu Q2 Pro
Comment Vidu API s'intègre à votre pipeline de production
Des films de marque avec des personnages constants à la conception de mouvement image clé à image clé, l'API Vidu réunit les flux de travail text-to-video, image-to-video et reference-to-video derrière un seul point de terminaison à l'usage sur Atlas Cloud.
Des personnages constants dans chaque plan
Alimentez 1 à 4 images de référence dans Vidu Q3-Mix ou Q3 reference-to-video et les sujets restent constants à travers les transitions de scène. Les équipes de court métrage dramatique et les créateurs IP conservent le même visage d'un épisode à l'autre.
Publicités cinématographiques via l'API Vidu
Les lancements de produits et les spots de marque prennent vie alors que l'API Vidu rend les effets dynamiques lisses avec audio optionnel jusqu'à 1080p. Les agences itèrent sur les concepts publicitaires sans réserver un seul jour de tournage.
Conception du mouvement entre photogrammes clés
Besoin d'une transition précise entre deux images clés? Les modèles Q3-Pro et Q2 start-end-to-video interpolent un mouvement fluide de votre première image à votre dernière, permettant les révélations de logo, les transformations de scène et les transformations de produit.
Du scénario à l'écran avec l'API Vidu
Les écrivains transforment une invite textuelle en séquences 1080p avec plusieurs styles visuels via les points de terminaison text-to-video de l'API Vidu. La génération audio facultative donne aux storyboards et aux clips previz un aspect terminé en un seul passage.
Images statiques qui bougent
Quand une photo de produit statique ou une illustration a besoin de mouvement, les modèles image-to-video de Q1 à Q3-Turbo l'animent avec un mouvement fluide et naturel. Les équipes de commerce électronique et les éditeurs de réseaux sociaux publient des clips qui arrêtent le défilement quotidiennement.
Pipelines d'animation construits sur Vidu
L'architecture U-ViT de Vidu a été construite pour une sortie longue forme et hautement cohérente, un ajustement naturel pour la conception d'animation et les séries épisodiques. Les studios créent des storyboards, animent et révisent des séquences entières via des appels API au lieu d'une interpolation clé manuelle.
La position de l'API Vidu parmi Kling, Veo et Sora
Comparez la durée du clip, les plafonds de résolution, la sortie audio et les débits par seconde côte à côte, et vous verrez exactement ce que l'API Vidu fournit pour chaque dollar dans votre pipeline vidéo
| Modèle | Modes d'entrée | Durée maximale du clip | Résolution maximale | Audio natif |
|---|---|---|---|---|
| Vidu Q3-Mix | Texte plus 1 à 4 images de référence | 16s | 1080p natif, 1440p avec super résolution | √ |
| Vidu Q3 (Pro & Turbo) | Texte, image, images clés début-fin, images de référence | 16s | Jusqu'à 1080p, 1440p amélioré | √ |
| Vidu Q2 (Pro & Turbo) | Texte, image, images clés début-fin ou images de référence | 10s | 1080p | √ |
| Kling 2.5 Turbo | Texte ou une seule image avec instruction | 10s | 1080p (niveau Pro) | - |
| Google Veo 3.1 | Texte, image, jusqu'à 3 images de référence | 8s par clip, extensible | 1080p, 4K en aperçu | √ |
| OpenAI Sora 2 | Instruction textuelle | 12s | 720p (1080p sur Sora 2 Pro) | √ |
Comment utiliser Vidu sur Atlas Cloud
Soyez opérationnel en quelques minutes — suivez ces étapes simples pour intégrer et déployer des modèles via la plateforme Atlas Cloud.
Créer un compte Atlas Cloud
Inscrivez-vous sur atlascloud.ai et complétez la vérification. Les nouveaux utilisateurs reçoivent des crédits gratuits pour explorer la plateforme et tester les modèles.
Pourquoi Utiliser Vidu sur Atlas Cloud
Combiner les modèles Vidu avancés avec la plateforme accélérée par GPU d'Atlas Cloud offre des performances, une évolutivité et une expérience développeur inégalées.
Performance et Flexibilité
Faible Latence :
Inférence optimisée par GPU pour un raisonnement en temps réel.
API Unifiée :
Exécutez Vidu, GPT, Gemini et DeepSeek avec une seule intégration.
Tarification Transparente :
Facturation prévisible par token avec options serverless.
Entreprise et Échelle
Expérience Développeur :
SDK, analytiques, outils de fine-tuning et modèles.
Fiabilité :
99,99% de disponibilité, RBAC et journalisation conforme.
Sécurité et Conformité :
SOC 2 Type II, alignement HIPAA, souveraineté des données aux États-Unis.
Vidu API Questions, Answered
La facturation est à l'acte par seconde de vidéo générée, sans abonnement requis. Les endpoints Q2-Turbo commencent à $0,026 par seconde, Q3-Turbo fonctionne à $0,034 par seconde, Q3-Pro et Q3 reference-to-video coûtent $0,042 par seconde, et Q3-Mix reference-to-video est $0,106 par seconde. Vous ne payez que pour ce que vous générez avec une tarification transparente par appel.
Les endpoints Q3 supportent des clips jusqu'à 16 secondes avec des options de résolution 540p, 720p et 1080p, plus des sorties super résolution jusqu'à 1440p. Les rapports d'aspect couvrent 16:9, 9:16, 4:3, 3:4 et 1:1, donc le même endpoint peut cibler des formats paysage, portrait ou carré.
Oui. Les modèles Q3 incluent un commutateur audio activé par défaut, et les endpoints texte vers vidéo ajoutent un commutateur de musique de fond séparé. Désactivez les deux lorsque vous avez besoin d'un matériel silencieux pour votre propre design sonore.
Téléchargez une à quatre images de référence d'un personnage, d'un produit ou d'une scène, et le modèle préserve l'identité de ce sujet tout en générant un nouveau mouvement et des angles de caméra. Le reference-to-video Q3 ajoute un changement de caméra intelligent avec une meilleure cohérence sur plusieurs positions de caméra, ce qui convient aux narratives épisodiques et multi-plans.
C'est le cas. Les endpoints texte vers vidéo exposent un paramètre de style avec des options générales et anime, et la famille est connue pour l'animation de personnages stylisés. Associez le style anime avec des images de référence pour garder le même personnage tout au long d'une série.
Créez une clé API Atlas Cloud, choisissez un endpoint Vidu et envoyez une requête REST avec votre invite et vos paramètres. Chaque modèle a un terrain de jeu et un schéma de paramètres publié, vous pouvez donc valider les paramètres avant d'écrire du code. La tarification est à l'usage par appel, et les nouvelles versions de Vidu arrivent avec accès le jour 1. Commencez à construire dès aujourd'hui.
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.
Explorer Plus de Familles
Seedance 2.0
L'API Seedance 2.0 vous donne un accès en production au modèle vidéo multimodal de ByteDance — des entrées quadrimodales (texte, image, vidéo, audio) et un système « Universal Reference » leader du secteur qui verrouille la composition, les mouvements de caméra et les actions des personnages à travers les plans. Intégrez un contrôle de niveau réalisateur avec un seul appel d'API, un tarif fixe de 0,09 $/s, une clé instantanée et aucune liste d'attente — le tout soutenu par une disponibilité et une conformité de niveau entreprise. Seedance 2.0 Native 4K est désormais disponible !
Grok Imagine
La Grok Imagine API offre aux développeurs la génération d'images, de vidéos et d'audio de xAI dans une seule suite. Elle produit des images jusqu'à 2K avec un rendu de texte multilingue, ainsi que des vidéos allant jusqu'à 15 secondes avec un audio natif synchronisé et une édition basée sur des références. Sur Atlas Cloud, une seule clé exécute chaque mode Grok Imagine, ce qui vous permet de passer d'une image, d'une vidéo et d'un audio à l'autre sans configuration distincte, à partir de 0,02 $ par image et 0,05 $ par seconde.
Gemini Omni Flash
La Gemini Omni API apporte à votre stack le modèle multimodal de génération et d'édition vidéo de Google DeepMind, présenté à Google I/O 2026. Gemini Omni fusionne le moteur de raisonnement de Gemini avec les médias génératifs : il accepte n'importe quelle combinaison de texte, d'images, de vidéo et d'audio pour produire des résultats cohérents et ancrés dans la connaissance. Affinez vos résultats par simple conversation — remplacez des objets, réécrivez des scènes, changez de style — tandis que la physique, les personnages et la continuité restent intacts. Atlas Cloud propose toute la gamme Gemini Omni Flash — texte vers vidéo, image vers vidéo avec jusqu'à 7 images de référence, et référence vers vidéo — via une API unifiée, avec une tarification transparente à la seconde à partir de $0.112 et sans abonnement. Commencez à développer dès aujourd'hui.
GPT Image 2
L'API GPT Image 2 offre aux développeurs un accès au dernier modèle d'image d'OpenAI, le successeur de GPT Image 1.5. Elle génère et modifie des images avec un rendu de texte précis pour les caractères latins et CJK, ainsi qu'une composition solide pour les affiches, les maquettes et les infographies. Sur Atlas Cloud, vous y accédez via une API unifiée aux côtés de plus de 300 modèles, avec des crédits gratuits, une disponibilité de 99,99 % et sans aucune vérification d'organisation OpenAI requise.
Les modèles créatifs les plus puissants de Google sont tous disponibles sur Atlas Cloud. Veo 3.1 offre une génération de vidéos cinématographiques, Nano Banana 2 permet de créer des images haute fidélité, et Gemini apporte une intelligence multimodale à chaque flux de travail. Accédez à la suite complète de modèles Google via une seule API key avec une disponibilité Day-0 et une tarification à l'usage (pay-as-you-go).
Seedance 2.0 Mini
Seedance 2.0 Mini apporte la génération de vidéos multimodale de ByteDance aux flux de travail où la vitesse et les coûts sont primordiaux. Il offre les capacités de base de Seedance 2.0 avec une empreinte plus légère — une génération plus rapide, un coût par vidéo réduit et la même intégration API que celle que vous utilisez déjà. Pour les équipes qui gèrent des pipelines à haut volume ou du prototypage à grande échelle, Mini est le choix par défaut pratique.
ByteDance
De la génération de vidéos cinématiques à la création d'images haute fidélité, les modèles les plus puissants de ByteDance sont disponibles sur Atlas Cloud. Exécutez Seedance et Seedream à grande échelle avec les prix d'inférence les plus bas et aucune surcharge d'infrastructure.
Alibaba
Atlas Cloud rassemble l'ensemble de la gamme de modèles d'Alibaba sous une seule API : Qwen pour les tâches linguistiques et d'imagerie, et Wan pour la génération de vidéos jusqu'en 1080p. Accédez à chaque modèle avec une tarification à l'usage (pay-as-you-go) sans abonnement. L'API Alibaba est disponible via une URL de base unique en utilisant votre client existant compatible avec OpenAI.
OpenAI
Atlas Cloud vous donne accès à l'ensemble de la gamme de l'API OpenAI, de GPT Image 2 pour la génération d'images à Sora 2 pour la vidéo. Chaque modèle est disponible en paiement à l'usage sans engagement mensuel. Intégrez-le en remplaçant simplement l'URL de base à l'aide de l'API compatible OpenAI.
xAI
Créez des pipelines complets d'images et de vidéos en utilisant la xAI API sur Atlas Cloud. Générez en 2K, éditez avec des images de référence et animez des images en clips synchronisés avec l'audio.
Kwaivgi
L'API Kwaivgi à 15 % en dessous du tarif standard. Atlas Cloud offre un accès Day-0 aux nouvelles versions de Kling avec une tarification à l'usage et sans limite de postes. Un seul compte, une seule clé, tous les modèles Kling du niveau standard au niveau master.
Seedream 5.0 Pro
L'API Seedream 5.0 Pro offre aux développeurs le modèle d'édition d'images contrôlable de ByteDance sur Atlas Cloud. Elle positionne les modifications avec précision à l'aide d'ancrages et de coordonnées, sépare les images en calques modifiables, fusionne de multiples références et fait correspondre les couleurs et matériaux exacts, avec du texte multilingue en 2K et 3K. Sur Atlas Cloud, vous y accédez via une seule clé !
