Strona główna
Eksploruj
Vidu Models
vidu/q3-mix/reference-to-video
Vidu Q3-Mix Reference to Video
obraz-do-wideo

Vidu Q3 Mix Reference-to-Video API by Vidu

vidu/q3-mix/reference-to-video
Reference-to-video

Vidu Q3-Mix Reference-to-Video generates videos from 1-4 reference images with consistent subjects. Offers strong visual quality with intelligent scene transitions, smooth dynamic effects, and audio support up to 1080p.

WEJŚCIE

Ładowanie konfiguracji parametrów...

WYJŚCIE

Bezczynny
Twoje wygenerowane wideo pojawi się tutaj
Skonfiguruj ustawienia i kliknij Uruchom, aby rozpocząć

Każde uruchomienie będzie kosztować $0.106. Za $10 możesz uruchomić ten model około 94 razy.

Co możesz zrobić dalej:

Parametry

Przykład kodu

import requests
import time

# Step 1: Start video generation
generate_url = "https://api.atlascloud.ai/api/v1/model/generateVideo"
headers = {
    "Content-Type": "application/json",
    "Authorization": "Bearer $ATLASCLOUD_API_KEY"
}
data = {
    "model": "vidu/q3-mix/reference-to-video",
    "prompt": "A beautiful sunset over the ocean with gentle waves",
    "width": 512,
    "height": 512,
    "duration": 3,
    "fps": 24,
}

generate_response = requests.post(generate_url, headers=headers, json=data)
generate_result = generate_response.json()
prediction_id = generate_result["data"]["id"]

# Step 2: Poll for result
poll_url = f"https://api.atlascloud.ai/api/v1/model/prediction/{prediction_id}"

def check_status():
    while True:
        response = requests.get(poll_url, headers={"Authorization": "Bearer $ATLASCLOUD_API_KEY"})
        result = response.json()

        if result["data"]["status"] in ["completed", "succeeded"]:
            print("Generated video:", result["data"]["outputs"][0])
            return result["data"]["outputs"][0]
        elif result["data"]["status"] == "failed":
            raise Exception(result["data"]["error"] or "Generation failed")
        else:
            # Still processing, wait 2 seconds
            time.sleep(2)

video_url = check_status()

Instalacja

Zainstaluj wymagany pakiet dla swojego języka programowania.

bash
pip install requests

Uwierzytelnianie

Wszystkie żądania API wymagają uwierzytelnienia za pomocą klucza API. Klucz API możesz uzyskać z panelu Atlas Cloud.

bash
export ATLASCLOUD_API_KEY="your-api-key-here"

Nagłówki HTTP

python
import os

API_KEY = os.environ.get("ATLASCLOUD_API_KEY")
headers = {
    "Content-Type": "application/json",
    "Authorization": f"Bearer {API_KEY}"
}
Chroń swój klucz API

Nigdy nie ujawniaj swojego klucza API w kodzie po stronie klienta ani w publicznych repozytoriach. Zamiast tego użyj zmiennych środowiskowych lub proxy backendowego.

Wyślij żądanie

import requests

url = "https://api.atlascloud.ai/api/v1/model/generateVideo"
headers = {
    "Content-Type": "application/json",
    "Authorization": "Bearer $ATLASCLOUD_API_KEY"
}
data = {
    "model": "your-model",
    "prompt": "A beautiful landscape"
}

response = requests.post(url, headers=headers, json=data)
print(response.json())

Wyślij żądanie

Wyślij asynchroniczne żądanie generowania. API zwróci identyfikator predykcji, którego możesz użyć do sprawdzania statusu i pobierania wyniku.

POST/api/v1/model/generateVideo

Treść żądania

import requests

url = "https://api.atlascloud.ai/api/v1/model/generateVideo"
headers = {
    "Content-Type": "application/json",
    "Authorization": "Bearer $ATLASCLOUD_API_KEY"
}

data = {
    "model": "vidu/q3-mix/reference-to-video",
    "input": {
        "prompt": "A beautiful sunset over the ocean with gentle waves"
    }
}

response = requests.post(url, headers=headers, json=data)
result = response.json()

print(f"Prediction ID: {result['id']}")
print(f"Status: {result['status']}")

Odpowiedź

{
  "id": "pred_abc123",
  "status": "processing",
  "model": "model-name",
  "created_at": "2025-01-01T00:00:00Z"
}

Sprawdź status

Odpytuj endpoint predykcji, aby sprawdzić bieżący status żądania.

GET/api/v1/model/prediction/{prediction_id}

Przykład odpytywania

import requests
import time

prediction_id = "pred_abc123"
url = f"https://api.atlascloud.ai/api/v1/model/prediction/{prediction_id}"
headers = { "Authorization": "Bearer $ATLASCLOUD_API_KEY" }

while True:
    response = requests.get(url, headers=headers)
    result = response.json()
    status = result["data"]["status"]
    print(f"Status: {status}")

    if status in ["completed", "succeeded"]:
        output_url = result["data"]["outputs"][0]
        print(f"Output URL: {output_url}")
        break
    elif status == "failed":
        print(f"Error: {result['data'].get('error', 'Unknown')}")
        break

    time.sleep(3)

Wartości statusu

processingŻądanie jest wciąż przetwarzane.
completedGenerowanie zakończone. Wyniki są dostępne.
succeededGenerowanie powiodło się. Wyniki są dostępne.
failedGenerowanie nie powiodło się. Sprawdź pole błędu.

Odpowiedź ukończona

{
  "data": {
    "id": "pred_abc123",
    "status": "completed",
    "outputs": [
      "https://storage.atlascloud.ai/outputs/result.mp4"
    ],
    "metrics": {
      "predict_time": 45.2
    },
    "created_at": "2025-01-01T00:00:00Z",
    "completed_at": "2025-01-01T00:00:10Z"
  }
}

Prześlij pliki

Prześlij pliki do magazynu Atlas Cloud i uzyskaj URL, którego możesz użyć w swoich żądaniach API. Użyj multipart/form-data do przesyłania.

POST/api/v1/model/uploadMedia

Przykład przesyłania

import requests

url = "https://api.atlascloud.ai/api/v1/model/uploadMedia"
headers = { "Authorization": "Bearer $ATLASCLOUD_API_KEY" }

with open("image.png", "rb") as f:
    files = {"file": ("image.png", f, "image/png")}
    response = requests.post(url, headers=headers, files=files)

result = response.json()
download_url = result["data"]["download_url"]
print(f"File URL: {download_url}")

Odpowiedź

{
  "data": {
    "download_url": "https://storage.atlascloud.ai/uploads/abc123/image.png",
    "file_name": "image.png",
    "content_type": "image/png",
    "size": 1024000
  }
}

Schema wejściowy

Następujące parametry są akceptowane w treści żądania.

Łącznie: 0Wymagane: 0Opcjonalne: 0

Brak dostępnych parametrów.

Przykładowa treść żądania

json
{
  "model": "vidu/q3-mix/reference-to-video"
}

Schema wyjściowy

API zwraca odpowiedź predykcji z URL-ami wygenerowanych wyników.

idstringrequired
Unique identifier for the prediction.
statusstringrequired
Current status of the prediction.
processingcompletedsucceededfailed
modelstringrequired
The model used for generation.
outputsarray[string]
Array of output URLs. Available when status is "completed".
errorstring
Error message if status is "failed".
metricsobject
Performance metrics.
predict_timenumber
Time taken for video generation in seconds.
created_atstringrequired
ISO 8601 timestamp when the prediction was created.
Format: date-time
completed_atstring
ISO 8601 timestamp when the prediction was completed.
Format: date-time

Przykładowa odpowiedź

json
{
  "id": "pred_abc123",
  "status": "completed",
  "model": "model-name",
  "outputs": [
    "https://storage.atlascloud.ai/outputs/result.mp4"
  ],
  "metrics": {
    "predict_time": 45.2
  },
  "created_at": "2025-01-01T00:00:00Z",
  "completed_at": "2025-01-01T00:00:10Z"
}

Atlas Cloud Skills

Atlas Cloud Skills integruje ponad 300 modeli AI bezpośrednio z Twoim asystentem kodowania AI. Jedno polecenie do instalacji, a następnie używaj języka naturalnego do generowania obrazów, filmów i rozmów z LLM.

Obsługiwani klienci

Claude Code
OpenAI Codex
Gemini CLI
Cursor
Windsurf
VS Code
Trae
GitHub Copilot
Cline
Roo Code
Amp
Goose
Replit
40+ obsługiwani klienci

Instalacja

bash
npx skills add AtlasCloudAI/atlas-cloud-skills

Skonfiguruj klucz API

Uzyskaj klucz API z panelu Atlas Cloud i ustaw go jako zmienną środowiskową.

bash
export ATLASCLOUD_API_KEY="your-api-key-here"

Możliwości

Po zainstalowaniu możesz używać języka naturalnego w swoim asystencie AI, aby uzyskać dostęp do wszystkich modeli Atlas Cloud.

Generowanie obrazówGeneruj obrazy za pomocą modeli takich jak Nano Banana 2, Z-Image i inne.
Tworzenie wideoTwórz filmy z tekstu lub obrazów za pomocą Kling, Vidu, Veo itp.
Chat LLMRozmawiaj z Qwen, DeepSeek i innymi dużymi modelami językowymi.
Przesyłanie mediówPrześlij lokalne pliki do edycji obrazów i przepływów pracy obraz-do-wideo.

Serwer MCP

Serwer MCP Atlas Cloud łączy Twoje IDE z ponad 300 modelami AI za pośrednictwem Model Context Protocol. Działa z każdym klientem kompatybilnym z MCP.

Obsługiwani klienci

Cursor
VS Code
Windsurf
Claude Code
OpenAI Codex
Gemini CLI
Cline
Roo Code
100+ obsługiwani klienci

Instalacja

bash
npx -y atlascloud-mcp

Konfiguracja

Dodaj następującą konfigurację do pliku ustawień MCP w swoim IDE.

json
{
  "mcpServers": {
    "atlascloud": {
      "command": "npx",
      "args": [
        "-y",
        "atlascloud-mcp"
      ],
      "env": {
        "ATLASCLOUD_API_KEY": "your-api-key-here"
      }
    }
  }
}

Dostępne narzędzia

atlas_generate_imageGeneruj obrazy z promptów tekstowych.
atlas_generate_videoTwórz filmy z tekstu lub obrazów.
atlas_chatRozmawiaj z dużymi modelami językowymi.
atlas_list_modelsPrzeglądaj ponad 300 dostępnych modeli AI.
atlas_quick_generateTworzenie treści w jednym kroku z automatycznym wyborem modelu.
atlas_upload_mediaPrześlij lokalne pliki do przepływów pracy API.

API Schema

Schema niedostępna

Brak dostępnych przykładów

Zaloguj się, aby wyświetlić historię zapytań

Musisz być zalogowany, aby uzyskać dostęp do historii zapytań modelu.

Zaloguj się

1. Introduction

Vidu Q3 is an advanced AI video generation model developed by Shengshu Technology (生数科技) in collaboration with Tsinghua University. Released on January 30, 2026, Vidu Q3 is designed to produce high-fidelity, synchronized audio-visual content with industry-leading continuous video length and native support for integrated audio generation.

The model represents a significant advancement in automated video synthesis by unifying multiple complex video generation tasks—such as lip-synced dialogue, dynamic camera movements, and multi-shot storytelling—into a single-pass framework. Leveraging a novel Transformer-based diffusion architecture, Vidu Q3 sets a new standard for cinematic and marketing video content creation with its combination of spatial-temporal coherence, multimodal input flexibility, and real-time directorial control.


2. Key Features & Innovations

  • Native Audio-Video Synchronization: Vidu Q3 generates lip-synced dialogue, sound effects, and background music simultaneously within a single pass, ensuring precise temporal alignment between audio tracks and visual lip movements without requiring post-processing.

  • Extended High-Definition Video Generation: Supports up to 16 seconds of continuous video at 1080p resolution and 24 frames per second—the longest continuous generation duration among leading competitors—enabling more complex storytelling sequences.

  • Smart Cuts for Scene Detection: Integrates automatic scene boundary detection and multi-shot narrative transitions, which facilitate the smooth generation of dynamic video scenes without manual intervention.

  • Native Camera Control: Allows frame-level directorial commands such as pans, push-ins, and tracking shots within the generation pipeline, granting users granular cinematic control over the resulting video composition.

  • Multimodal Input Flexibility: Accepts both text-to-video and image-to-video inputs with configurable start and end frame controls, enabling versatile use cases that range from scripted storyboarding to visual style transfer.

  • Transformer-based Diffusion Architecture with Spatiotemporal Attention: The underlying Universal Vision Transformer (U-ViT) utilizes spatiotemporal attention mechanisms instead of conventional convolutional U-Nets, improving motion consistency and temporal coherence across generated frames.

  • Model Variants Tailored for Fidelity and Speed: Offers differentiated configurations including Q3 Pro for maximum visual fidelity, Q3 Turbo optimized for higher generation speed, and the legacy Q2 Series focused on character consistency.


3. Model Architecture & Technical Details

Vidu Q3 is architected on the U-ViT (Universal Vision Transformer) framework, replacing traditional convolutional U-Net diffusion models with a Transformer-based diffusion approach. This design enables enhanced modeling of spatiotemporal dependencies essential for consistent video generation with coherent motion and scene dynamics.

The training utilized large-scale, multimodal datasets encompassing paired video, audio, and textual data to foster robust cross-modal understanding and synthesis. Multiple training stages refined resolution and temporal granularity, progressing toward 1080p, 24fps output over sequences up to 16 seconds.

Specialized modules incorporated include spatiotemporal attention layers for motion consistency and native audio-visual synchronization, alongside smart cut detection layers for automatic scene segmentation. The pipeline supports multimodal conditioning inputs (text and images) with frame-level temporal control allowing start and end frame specification.

Post-training refinement employed techniques such as supervised fine-tuning on domain-specific cinematic data and continuous evaluation on video generation benchmarks to optimize lip-sync accuracy and camera control responsiveness.


4. Performance Highlights

Vidu Q3 demonstrably leads in multiple benchmark categories, particularly for continuous video length and audiovisual integration quality. It achieves an ELO rating between approximately 1220–1244 on the Artificial Analysis Video Arena, outperforming contemporaries such as Runway Gen-4.5 and Kling 2.5 Turbo.

RankModelDeveloperELO ScoreRelease Date
1Sora 2[Undisclosed]~1250+Pre-2026
2Vidu Q3Shengshu Tech & Tsinghua1220–1244Jan 30, 2026
3Runway Gen-4.5Runway~12002025
4Kling 2.5 TurboKling AI~1190Late 2025

Qualitatively, Vidu Q3 delivers superior cinematics including advanced native camera motion and scene transitions compared to Veo 3.1 and Grok Imagine, while maintaining better audio integration than Sora 2 and Kling 3.0. Its 16-second generation duration notably surpasses the typical 8-15 second range of competitors, allowing more complex narratives per generation.


5. Intended Use & Applications

  • Commercial Advertising: Produces 12-16 second product demonstration videos with synchronized audio and high realism, suitable for digital marketing campaigns.

  • Marketing Videos: Generates videos combining dialogue, sound effects, and background music tailored for brand storytelling and promotional content.

  • Cinematic Short-Form Storytelling: Enables filmmakers and content creators to automatically craft multi-shot video sequences with directorial camera control and scene transitions.

  • Social Media Content Creation: Facilitates rapid production of engaging social videos with lip-synced speech and dynamic visuals optimized for platform consumption.

  • Architectural Visualization: Visualizes architectural designs with realistic camera movements and synchronized ambient sounds enhancing presentation fidelity.

  • Educational Video Production: Supports creation of instructional content blending narrated audio with synchronized visual demonstrations and scene changes.

Zacznij Od 300+ Modeli,

Przeglądaj wszystkie modele

Join our Discord community

Join the Discord community for the latest model updates, prompts, and support.