Vidu Q2 Smooth Cinematic Motion

Vidu Q2は、Atlas Cloudで利用できるAI動画生成モデルのファミリーです。テキストから動画、画像から動画、リファレンスから動画、始端・終端フレームから動画を生成するワークフローに対応しており、オプションで音声を追加できます。出力解像度は最大1080pです。

テキストプロンプトから動画を生成したり、静止画をアニメーション化したり、リファレンス画像で被写体のアイデンティティを指定したり、指定した最初と最後のフレームを使ってトランジションを制御したりできます。コンセプト動画、キャラクターシーン、商品の動き、ビジュアルストーリーテリングなどのワークフローに対応しています。

Atlas Cloud APIキーを作成し、必要なモデルIDと入力値を指定して、認証済みのPOSTリクエストを/api/v1/model/generateVideoに送信します。動画生成は非同期で実行されるため、返されたタスクIDを保存してください。

プロンプトだけで生成する場合はテキストから動画、1枚の画像をアニメーション化する場合は画像から動画、被写体を指定したシーンを作成する場合はリファレンスから動画、始端と終端の両方のフレームが重要な場合は始端・終端フレームから動画を使用します。そのワークフローでは、正確なTurbo、Pro、またはPro FastのモデルIDを選択し、アプリケーションの品質およびレイテンシー目標に照らして評価してください。

利用可能な制御項目はエンドポイントによって異なりますが、プロンプト、長さ、解像度、アスペクト比、動きの大きさ、seed、BGM、音声生成などが含まれる場合があります。リファレンスから動画では1〜7個の被写体に対応し、画像は合計1〜7枚指定できます。一方、始端・終端フレームのルートでは、最初と最後のフレームを個別に入力する必要があります。

Atlas Cloudでは、対象となる動画ルート全体で540p、720p、1080pの出力がドキュメント化されています。テキストから動画と始端・終端フレームから動画では1〜8秒の長さに対応し、ドキュメント化されている画像から動画とリファレンスから動画のルートでは最大10秒に対応しています。

はい。対象モデルではオプションの音声生成に対応しています。ルートによっては、生成音声、BGM、または音声のみ、効果音のみ、音声と効果音の組み合わせなどの音声タイプを指定できます。

標準の基本料金は、Turboの画像から動画および始端・終端フレームから動画が$0.03、ProとPro Fastの画像から動画および始端・終端フレームから動画が$0.04、テキストから動画が$0.05、リファレンスから動画が$0.075、Proのリファレンスから動画が$0.10です。Atlas Cloudは従量課金制のため、送信前に選択したエンドポイントと表示されるリクエスト料金を確認してください。

/api/v1/model/prediction/{prediction_id}をポーリングするか、公開HTTPS webhook URLを指定し、タスク完了後にoutputsフィールドを読み取ります。リクエストが失敗した場合は、statusとエラーレスポンスを確認し、Bearerキー、モデルID、content type、エンドポイント固有の入力値を検証してください。サポートでの追跡に備えて、X-Request-IDも保存しておきましょう。