Vidu API: Consistent Subjects from Reference Images
L'API Vidu offre agli sviluppatori l'accesso a modelli video di Shengshu AI e dell'Università di Tsinghua, costruiti sull'architettura U-ViT che unifica il design di Diffusion e Transformer. Inserisci una o quattro immagini di riferimento e Vidu mantiene la coerenza dei soggetti attraverso i fotogrammi, con cambio intelligente della telecamera e movimento fluido e cinematico. Atlas Cloud aggiunge l'accesso ai modelli Day-0 e una chiave compatibile con OpenAI per l'intera gamma. Inizia a costruire oggi.
Esplora i Modelli di Punta
Atlas Cloud ti fornisce i più recenti modelli creativi leader del settore.
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. |
All'interno di Vidu API: Coerenza, Audio e Controllo Cinematografico
Dalla coerenza di quattro immagini di riferimento all'audio nativo e ai clip di 1080p di sedici secondi, l'API Vidu su Atlas Cloud pone l'intera serie Q di Shengshu dietro un unico endpoint pay-as-you-go.
Coerenza del Soggetto con Vidu API
L'API Vidu accetta da una a quattro immagini di riferimento e mantiene personaggi, prodotti e scene visivamente coerenti in ogni fotogramma. Questa affidabilità rende la narrazione serializzata e i video di prodotto a marchio sicuro pratici su scala.
Interpolazione Frame Iniziale e Finale
Carica una cornice iniziale e una cornice finale, e il modello costruisce la transizione fluida tra loro da solo. I progettisti di movimento lo utilizzano per morph, reveal e cambi di scena con tempi precisi.
Audio Nativo in un Singolo Pass
Perché renderizzare clip silenziosi e scorarli in seguito? Ogni endpoint Q3 può generare effetti sonori sincronizzati e musica di sottofondo nello stesso pass, in modo che le scene di dialogo e gli annunci arrivino pronti per la pubblicazione.
Sedici Secondi, fino a 1440p
Se una scena ha bisogno di spazio per respirare, esegui clip fino a 16 secondi a 540p a 1080p, con upscaling a super risoluzione a 1440p. Meno colpi cuciti significa storie più fluide e post-produzione più leggera.
Movimento e Stile Regolabili
Un'impostazione di ampiezza del movimento sposta l'output da una deriva cinematografica sottile a un'azione drammatica grande, mentre gli endpoint da testo a video passano tra stili generali e anime. I registi ottengono il controllo a livello di scatto senza riscrivere i prompt.
Una Chiave in Tutta la Linea Vidu API
Ogni generazione del modello Vidu da Q1 a Q3 viene eseguita dietro una chiave compatibile con OpenAI con prezzi trasparenti pay-as-you-go su Atlas Cloud. Bozza su Turbo, quindi esegui nuovamente la stessa chiamata su Pro per i render finali.
Vidu vs Other Models - One Prompt
The same prompt, generated by Vidu and other leading video models
Un cascatore solitario drifta un'auto muscolare nera opaca attraverso un mercato notturno illuminato al neon sotto la pioggia. Apri con un piano di tracciamento basso che sfiora l'asfalto bagnato mentre l'auto scivola intorno a un angolo, scintille volano da una balaustra. Panoramica veloce verso i venditori che tirano indietro le loro bancarelle, lanterne di carta oscillano selvaggiamente. Taglio a un'inquadratura drone che si arriccia verso l'alto mentre l'auto si insinua tra due autobus con un margine di pochi centimetri, poi un taglio netto all'interno della cabina: le mani scattano il volante, gli occhi guardano uno specchio pieno di luci di polizia lampeggianti. Termina con una rotazione di 180 gradi al rallentatore in un vicolo fumante, il ruggito del motore e il sibilo della pioggia riempiono la colonna sonora. Fotorealistico, illuminazione cinematografica, 10 secondi, rapporto di aspetto 16:9.
Vidu Q3
Seedance 2.0
Vidu Q2 Pro
Stile anime: una giovane spadadonna affronta un drago tempesta colossale sopra un santuario flottante distrutto. Inizia con un dolly veloce sui suoi occhi mentre il fulmine squarcia il cielo, quindi una panoramica veloce che segue la sua corsa attraverso un ponte di pietra in rovina, detriti si sollevano intorno ai suoi piedi. La telecamera orbita mentre salta, la sua lama si accende con fiamma blu, mentre le fauci del drago si schiantano dove era un fotogramma prima. Ritirati verso un'ampia ripresa epica mentre il suo colpo divide un fulmine in due e l'onda d'urto ondeggia attraverso le nuvole. Ombreggiatura cel 2D nitida, linee di velocità dinamiche, tuoni e un coro gonfio nella colonna sonora. 8 secondi, rapporto di aspetto 16:9.
Vidu Q3 Pro
Seedance 2.0
Vidu Q2 Pro
Dove Vidu API si adatta alla tua pipeline di produzione
Dai film di marca con personaggi coerenti al design del movimento tra fotogramma iniziale e finale, l'API Vidu unisce i flussi di lavoro text-to-video, image-to-video e reference-to-video dietro un unico endpoint pay-as-you-go su Atlas Cloud.
Personaggi coerenti in ogni inquadratura
Alimenta 1-4 immagini di riferimento in Vidu Q3-Mix o Q3 reference-to-video e i soggetti rimangono coerenti attraverso le transizioni di scena. I team di cortometraggi drammatici e i creatori IP mantengono lo stesso volto da episodio a episodio.
Annunci cinematografici tramite l'API Vidu
I lanci di prodotto e gli spot del marchio prendono vita mentre l'API Vidu rende gli effetti dinamici fluidi con audio opzionale fino a 1080p. Le agenzie iterano sui concetti pubblicitari senza prenotare neanche un giorno di ripresa.
Design del movimento tra fotogramma iniziale e finale
Hai bisogno di una transizione precisa tra due fotogrammi chiave? I modelli Q3-Pro e Q2 start-end-to-video interpolano un movimento fluido dal tuo primo fotogramma all'ultimo, abilitando rivoluzioni di logo, trasformazioni di scene e trasformazioni di prodotto.
Da script a schermo con l'API Vidu
Gli scrittori trasformano un prompt di testo in metraggio 1080p con più stili visivi attraverso gli endpoint text-to-video dell'API Vidu. La generazione audio facoltativa dà ai storyboard e ai clip previz un aspetto rifinito in un unico passaggio.
Immagini fisse che si muovono
Quando una foto di prodotto statica o un'illustrazione necessita di movimento, i modelli image-to-video da Q1 a Q3-Turbo l'animano con movimento fluido e naturale. I team di e-commerce e gli editor di social media pubblicano clip che fermano lo scorrimento quotidianamente.
Pipeline di animazione costruiti su Vidu
L'architettura U-ViT di Vidu è stata costruita per output di lunga forma altamente coerente, un adattamento naturale per il design di animazione e serie episodiche. Gli studi creano storyboard, animano e rivedono interi sequence tramite chiamate API anziché keyframing manuale.
Dove si posiziona l'API Vidu tra Kling, Veo e Sora
Confronta la durata del clip, i limiti di risoluzione, l'output audio e le velocità al secondo fianco a fianco, e vedrai esattamente cosa fornisce l'API Vidu per ogni dollaro nella tua pipeline video
| Modello | Modalità di input | Durata massima del clip | Risoluzione massima | Audio nativo |
|---|---|---|---|---|
| Vidu Q3-Mix | Testo più 1 a 4 immagini di riferimento | 16s | 1080p nativo, 1440p con super risoluzione | √ |
| Vidu Q3 (Pro & Turbo) | Testo, immagine, frame inizio-fine, immagini di riferimento | 16s | Fino a 1080p, 1440p in upscaling | √ |
| Vidu Q2 (Pro & Turbo) | Testo, immagine, frame inizio-fine o riferimenti | 10s | 1080p | √ |
| Kling 2.5 Turbo | Testo o una singola immagine con prompt | 10s | 1080p (livello Pro) | - |
| Google Veo 3.1 | Testo, immagine, fino a 3 immagini di riferimento | 8s per clip, estensibile | 1080p, 4K in anteprima | √ |
| OpenAI Sora 2 | Prompt di testo | 12s | 720p (1080p su Sora 2 Pro) | √ |
Come Utilizzare Vidu su Atlas Cloud
Inizia in pochi minuti — segui questi semplici passaggi per integrare e distribuire i modelli tramite la piattaforma Atlas Cloud.
Crea un Account Atlas Cloud
Registrati su atlascloud.ai e completa la verifica. I nuovi utenti ricevono crediti gratuiti per esplorare la piattaforma e testare i modelli.
Perché Usare Vidu su Atlas Cloud
Combinando i modelli avanzati di Vidu con la piattaforma GPU-accelerata di Atlas Cloud, ottieni prestazioni, scalabilità ed esperienza di sviluppo senza pari.
Prestazioni e Flessibilità
Bassa Latenza:
Inferenza ottimizzata su GPU per elaborazione in tempo reale.
API Unificata:
Esegui Vidu, GPT, Gemini e DeepSeek con un'unica integrazione.
Prezzi Trasparenti:
Fatturazione prevedibile per token con opzioni Serverless.
Enterprise e Scalabilità
Esperienza Sviluppatore:
SDK, analytics, strumenti di fine-tuning e template.
Affidabilità:
99,99% di uptime, RBAC e logging conforme alle normative.
Sicurezza e Conformità:
SOC 2 Type II, allineamento HIPAA, sovranità dei dati negli USA.
Vidu API Questions, Answered
La fatturazione viene addebitata al secondo di video generato senza abbonamento richiesto. Gli endpoint Q2-Turbo partono da $0,026 al secondo, Q3-Turbo ha un costo di $0,034 al secondo, Q3-Pro e Q3 reference-to-video costano $0,042 al secondo, e Q3-Mix reference-to-video è $0,106 al secondo. Paghi solo per quello che generi con prezzi trasparenti per chiamata.
Gli endpoint Q3 supportano clip fino a 16 secondi con opzioni di risoluzione di 540p, 720p e 1080p, più output di super risoluzione fino a 1440p. I rapporti di aspetto coprono 16:9, 9:16, 4:3, 3:4 e 1:1, quindi lo stesso endpoint può indirizzarsi a formati panoramico, verticale o quadrato.
Sì. I modelli Q3 includono un interruttore audio abilitato per impostazione predefinita, e gli endpoint da testo a video aggiungono un interruttore di musica di sottofondo separato. Disattiva entrambi quando hai bisogno di riprese silenziose per il tuo audio design.
Carica da una a quattro immagini di riferimento di un personaggio, prodotto o scena, e il modello preserva l'identità di quel soggetto mentre genera un nuovo movimento e angoli di telecamera. Q3 reference-to-video aggiunge commutazione telecamera intelligente con migliore coerenza su più posizioni telecamera, che si adatta alle narrazioni episodiche e multi-scena.
Lo fa. Gli endpoint da testo a video espongono un parametro di stile con opzioni generali e anime, e la famiglia è nota per l'animazione di caratteri stilizzati. Abbina lo stile anime con immagini di riferimento per mantenere lo stesso personaggio in tutta una serie.
Crea una chiave API Atlas Cloud, scegli un endpoint Vidu e invia una richiesta REST con il tuo prompt e parametri. Ogni modello ha un playground e uno schema di parametri pubblicato, quindi puoi convalidare le impostazioni prima di scrivere il codice. I prezzi sono pay-as-you-go per chiamata e le nuove versioni di Vidu arrivano con accesso il giorno 0. Inizia a costruire oggi.
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.
Esplora Altre Famiglie
Seedance 2.0
L'API Seedance 2.0 ti offre l'accesso in produzione al modello video multimodale di ByteDance: input quadrimodali (testo, immagine, video, audio) e un sistema "Universal Reference" leader del settore che blocca la composizione, i movimenti di macchina e le azioni dei personaggi tra le diverse inquadrature. Integra un controllo di livello registico con una sola chiamata API, una tariffa fissa di $0,09/s, chiave istantanea e nessuna lista d'attesa, il tutto supportato da uptime e conformità di livello enterprise. Seedance 2.0 Native 4K è ora disponibile!
Grok Imagine
La Grok Imagine API offre agli sviluppatori la generazione di immagini, video e audio di xAI in un'unica suite. Produce immagini fino a 2K con rendering di testi multilingue, oltre a video fino a 15 secondi con audio nativo e sincronizzato ed editing basato su riferimenti. Su Atlas Cloud una singola chiave esegue ogni modalità di Grok Imagine, in modo da poter passare tra immagine, video e audio senza configurazioni separate, a partire da 0,02 $ per immagine e 0,05 $ al secondo.
Gemini Omni Flash
La Gemini Omni API porta nel tuo stack il modello multimodale di generazione ed editing video di Google DeepMind, presentato a Google I/O 2026. Gemini Omni fonde il motore di ragionamento di Gemini con i media generativi, accettando qualsiasi combinazione di testo, immagini, video e audio per produrre output coerenti e fondati sulla conoscenza. Perfeziona i risultati con una conversazione naturale: sostituisci oggetti, riscrivi scene e cambia stile, mentre fisica, personaggi e continuità restano intatti. Atlas Cloud offre l'intera gamma Gemini Omni Flash — text-to-video, image-to-video con fino a 7 immagini di riferimento e reference-to-video — tramite un'unica API unificata, con prezzi trasparenti al secondo a partire da $0.112 e senza abbonamento. Inizia a sviluppare oggi stesso.
GPT Image 2
L'API GPT Image 2 offre agli sviluppatori l'accesso all'ultimo modello di immagini di OpenAI, il successore di GPT Image 1.5. Genera e modifica immagini con un rendering accurato del testo nei caratteri latini e CJK, oltre a una solida composizione per poster, mockup e infografiche. Su Atlas Cloud puoi accedervi tramite un'unica API unificata insieme a oltre 300 modelli, con crediti gratuiti, un tempo di attività del 99,99% e nessuna verifica dell'organizzazione OpenAI richiesta.
I modelli creativi più potenti di Google sono tutti disponibili su Atlas Cloud. Veo 3.1 offre la generazione di video cinematografici, Nano Banana 2 alimenta la creazione di immagini ad alta fedeltà e Gemini porta l'intelligenza multimodale in ogni flusso di lavoro. Accedi alla suite completa di modelli Google tramite una singola API key con disponibilità Day-0 e prezzi a consumo (pay-as-you-go).
Seedance 2.0 Mini
Seedance 2.0 Mini porta la generazione video multimodale di ByteDance nei flussi di lavoro in cui velocità e costi sono fondamentali. Offre le capacità principali di Seedance 2.0 con un impatto minore: generazione più rapida, costi inferiori per video e la stessa integrazione API che utilizzi già. Per i team che gestiscono pipeline ad alto volume o prototipazione su larga scala, Mini è l'opzione predefinita pratica.
ByteDance
Dalla generazione di video cinematografici alla creazione di immagini ad alta fedeltà, i modelli più potenti di ByteDance sono disponibili su Atlas Cloud. Esegui Seedance e Seedream su larga scala con i prezzi di inferenza più bassi e zero costi generali di infrastruttura.
Alibaba
Atlas Cloud riunisce l'intera linea di modelli di Alibaba in un'unica API: Qwen per attività linguistiche e di immagine, Wan per la generazione di video fino a 1080p. Accedi a ogni modello in modalità pay-as-you-go senza abbonamenti. L'API di Alibaba è disponibile tramite una singola base URL utilizzando il tuo attuale client compatibile con OpenAI.
OpenAI
Atlas Cloud ti offre l'accesso all'intera linea di API di OpenAI, da GPT Image 2 per la generazione di immagini a Sora 2 per i video. Ogni modello è disponibile in modalità pay-as-you-go senza alcun impegno mensile. Integralo con una semplice sostituzione dell'URL di base utilizzando l'API compatibile con OpenAI.
xAI
Costruisci pipeline complete di immagini e video utilizzando la xAI API su Atlas Cloud. Genera in 2K, modifica con immagini di riferimento e anima le immagini in clip sincronizzate con l'audio.
Kwaivgi
L'API Kwaivgi al 15% in meno rispetto al prezzo standard. Atlas Cloud offre accesso Day-0 alle nuove versioni di Kling con prezzi a consumo e senza limiti di postazioni. Un solo account, una sola chiave, tutti i modelli Kling dal livello standard a quello master.
Seedream 5.0 Pro
L'API Seedream 5.0 Pro offre agli sviluppatori il modello di editing delle immagini controllabile di ByteDance su Atlas Cloud. Posiziona le modifiche con precisione tramite ancore e coordinate, separa le immagini in livelli modificabili, fonde più riferimenti e abbina colori e materiali esatti, con testo multilingue a 2K e 3K. Su Atlas Cloud puoi accedervi tramite una sola chiave!
