Vidu API: Consistent Subjects from Reference Images
A API Vidu oferece aos desenvolvedores acesso a modelos de vídeo da Shengshu AI e da Universidade de Tsinghua, construída na arquitetura U-ViT que unifica o design Diffusion e Transformer. Insira de uma a quatro imagens de referência e Vidu mantém a consistência dos sujeitos entre os planos, com alternância inteligente de câmera e movimento suave e cinemático. O Atlas Cloud adiciona acesso ao modelo Day-0 e uma chave compatível com OpenAI para toda a linha. Comece a construir hoje.
Explorar Modelos Líderes
O Atlas Cloud oferece os modelos criativos mais avançados e inovadores do setor.
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 da API Vidu: Consistência, Som e Controle Cinematográfico
Desde a consistência de quatro imagens de referência até áudio nativo e clips de 1080p de dezesseis segundos, a API Vidu no Atlas Cloud coloca toda a série Q da Shengshu atrás de um único endpoint de pagamento conforme o uso.
Consistência do Assunto com a API Vidu
A API Vidu aceita de uma a quatro imagens de referência e mantém personagens, produtos e cenas visualmente consistentes em cada quadro. Essa confiabilidade torna a narrativa serializada e vídeos de produtos seguros para a marca práticos em escala.
Interpolação de Quadro Inicial e Final
Envie um quadro inicial e um quadro final, e o modelo constrói a transição suave entre eles por conta própria. Os designers de movimento usam isso para morph, revela e mudanças de cena com tempo preciso.
Áudio Nativo em uma Única Passagem
Por que renderizar clipes silenciosos e pontuá-los depois? Cada endpoint Q3 pode gerar efeitos sonoros sincronizados e música de fundo na mesma passagem, de modo que as cenas de diálogo e anúncios chegam prontos para publicar.
Dezesseis Segundos, até 1440p
Se uma cena precisa de espaço para respirar, execute clipes de até 16 segundos a 540p a 1080p, com upscaling de super resolução para 1440p. Menos tomadas costuradas significa histórias mais suaves e pós-produção mais leve.
Movimento e Estilo Ajustáveis
Uma configuração de amplitude de movimento muda a saída de uma deriva cinematográfica sutil para uma grande ação dramática, enquanto os pontos de extremidade de texto para vídeo alternam entre estilos gerais e anime. Os cineastas obtêm controle no nível da cena sem reescrever instruções.
Uma Chave em Toda a Linha Vidu API
Cada geração do modelo Vidu de Q1 a Q3 é executada atrás de uma chave compatível com OpenAI com preços transparentes de pagamento conforme o uso no Atlas Cloud. Rascunho em Turbo, depois re-execute a mesma chamada em Pro para renderizações finais.
Vidu vs Other Models - One Prompt
The same prompt, generated by Vidu and other leading video models
Um stuntman solitário derrapia um carro musculoso preto fosco através de um mercado noturno iluminado por neon sob a chuva. Abra com um plano de rastreamento baixo passando pelo asfalto molhado enquanto o carro escorrega ao redor de uma esquina, faíscas voando de uma guardrail. Panela rápida para vendedores puxando seus estandes para trás, lanternas de papel balançando selvagemente. Corte para um plano de drone em espiral subindo enquanto o carro se esgueira entre dois ônibus com apenas alguns centímetros de margem, depois um corte duro dentro da cabine: mãos agarrando o volante, olhos piscando para um espelho cheio de luzes de polícia piscantes. Termine com uma rotação de 180 graus em câmera lenta em uma viela fumegante, o rugido do motor e o sibilo da chuva preenchendo a trilha sonora. Fotorealista, iluminação cinematográfica, 10 segundos, proporção de aspecto 16:9.
Vidu Q3
Seedance 2.0
Vidu Q2 Pro
Estilo anime: uma jovem espadachina enfrenta um dragão de tempestade colossal acima de um santuário flutuante destruído. Comece com um travelling rápido em seus olhos enquanto o raio divide o céu, depois uma panela rápida seguindo seu sprint através de uma ponte de pedra desmoronando, escombros se elevando ao redor de seus pés. A câmera orbita enquanto ela salta, sua lâmina se acende com chama azul, enquanto as mandíbulas do dragão desabam onde ela estava um fotograma antes. Recue para um plano epicamente amplo enquanto seu golpe divide um raio ao meio e a onda de choque ondula através das nuvens. Sombreamento cel 2D nítido, linhas de velocidade dinâmicas, trovão e um coro inchado na partitura. 8 segundos, proporção de aspecto 16:9.
Vidu Q3 Pro
Seedance 2.0
Vidu Q2 Pro
Onde a API Vidu se encaixa em seu pipeline de produção
De filmes de marca com personagens consistentes ao design de movimento de quadro inicial e final, a API Vidu reúne fluxos de trabalho text-to-video, image-to-video e reference-to-video por trás de um único endpoint de pagamento conforme o uso no Atlas Cloud.
Personagens consistentes em cada plano
Insira 1 a 4 imagens de referência em Vidu Q3-Mix ou Q3 reference-to-video e os temas permanecem consistentes através das transições de cena. Equipes de drama curto e criadores de IP mantêm o mesmo rosto de episódio para episódio.
Anúncios Cinematográficos através da API Vidu
Lançamentos de produtos e spots de marca ganham vida conforme a API Vidu renderiza efeitos dinâmicos suaves com áudio opcional até 1080p. As agências iteram em conceitos de anúncios sem reservar um único dia de filmagem.
Design de movimento de quadro inicial e final
Precisa de uma transição precisa entre dois fotogramas-chave? Os modelos Q3-Pro e Q2 start-end-to-video interpolam movimento suave do seu primeiro fotograma ao último, permitindo revelações de logo, transformações de cena e transformações de produto.
Do script para a tela com a API Vidu
Os escritores transformam um prompt de texto em metragem de 1080p com múltiplos estilos visuais através dos pontos de extremidade text-to-video da API Vidu. A geração de áudio opcional dá aos storyboards e clipes previz uma aparência acabada em uma única passada.
Imagens estáticas que se movem
Quando uma foto de produto estática ou ilustração precisa de movimento, os modelos image-to-video de Q1 a Q3-Turbo a animam com movimento suave e natural. Equipes de e-commerce e editores de redes sociais publicam clipes que interrompem a rolagem diariamente.
Pipelines de animação construídos em Vidu
A arquitetura U-ViT da Vidu foi construída para saída de longa forma altamente consistente, um ajuste natural para design de animação e séries episódicas. Os estúdios criam storyboards, animam e revisam sequências inteiras via chamadas de API em vez de keyframing manual.
Onde a API Vidu se posiciona entre Kling, Veo e Sora
Compare duração do clip, limites de resolução, saída de áudio e taxas por segundo lado a lado, e você verá exatamente o que a API Vidu oferece por cada dólar em seu pipeline de vídeo
| Modelo | Modos de entrada | Duração máxima do clip | Resolução máxima | Áudio nativo |
|---|---|---|---|---|
| Vidu Q3-Mix | Texto mais 1 a 4 imagens de referência | 16s | 1080p nativo, 1440p com super resolução | √ |
| Vidu Q3 (Pro & Turbo) | Texto, imagem, quadros de início-fim, imagens de referência | 16s | Até 1080p, 1440p aumentado | √ |
| Vidu Q2 (Pro & Turbo) | Texto, imagem, quadros de início-fim ou referências | 10s | 1080p | √ |
| Kling 2.5 Turbo | Texto ou uma única imagem com instrução | 10s | 1080p (nível Pro) | - |
| Google Veo 3.1 | Texto, imagem, até 3 imagens de referência | 8s por clip, extensível | 1080p, 4K em visualização | √ |
| OpenAI Sora 2 | Instrução em texto | 12s | 720p (1080p no Sora 2 Pro) | √ |
Como Usar Vidu no Atlas Cloud
Comece em minutos — siga estes passos simples para integrar e implantar modelos pela plataforma da Atlas Cloud.
Crie uma Conta no Atlas Cloud
Cadastre-se em atlascloud.ai e conclua a verificação. Novos usuários recebem créditos gratuitos para explorar a plataforma e testar modelos.
Por Que Usar Vidu no Atlas Cloud
Combine modelos avançados de Vidu com a plataforma acelerada por GPU do Atlas Cloud, fornecendo desempenho, escalabilidade e experiência de desenvolvimento incomparáveis.
Desempenho e Flexibilidade
Baixa Latência:
Inferência otimizada por GPU para respostas em tempo real.
API Unificada:
Uma única integração para acessar Vidu, GPT, Gemini e DeepSeek.
Preços Transparentes:
Faturamento por Token, suporta modo Serverless.
Empresa e Escala
Experiência do Desenvolvedor:
SDK, análise de dados, ferramentas de ajuste fino e modelos tudo em um.
Confiabilidade:
99.99% de disponibilidade, controle de permissões RBAC, logs de conformidade.
Segurança e Conformidade:
Certificação SOC 2 Type II, conformidade HIPAA, soberania de dados nos EUA.
Vidu API Questions, Answered
A cobrança é por segundo de vídeo gerado sem assinatura necessária. Os endpoints Q2-Turbo começam em $0,026 por segundo, Q3-Turbo custa $0,034 por segundo, Q3-Pro e Q3 reference-to-video custam $0,042 por segundo, e Q3-Mix reference-to-video é $0,106 por segundo. Você paga apenas pelo que gera com preços transparentes por chamada.
Os endpoints Q3 suportam clips de até 16 segundos com opções de resolução de 540p, 720p e 1080p, mais saídas de super resolução até 1440p. As taxas de aspecto cobrem 16:9, 9:16, 4:3, 3:4 e 1:1, então o mesmo endpoint pode segmentar formatos paisagem, retrato ou quadrado.
Sim. Os modelos Q3 incluem um alternador de áudio ativado por padrão, e os endpoints de texto para vídeo adicionam um alternador separado de música de fundo. Desative ambos quando precisar de filmagem silenciosa para seu próprio design de som.
Faça upload de uma a quatro imagens de referência de um personagem, produto ou cena, e o modelo preserva a identidade desse assunto enquanto gera novo movimento e ângulos de câmera. O reference-to-video Q3 adiciona comutação de câmera inteligente com melhor consistência em várias posições de câmera, o que é adequado para narrativas episódicas e multi-plano.
Faz. Os endpoints de texto para vídeo expõem um parâmetro de estilo com opções gerais e anime, e a família é conhecida pela animação de personagens estilizada. Combine o estilo anime com imagens de referência para manter o mesmo personagem em toda uma série.
Crie uma chave de API do Atlas Cloud, escolha um endpoint Vidu e envie uma solicitação REST com seu prompt e parâmetros. Cada modelo tem um playground e um esquema de parâmetros publicado, portanto você pode validar as configurações antes de escrever código. O preço é pago conforme o uso por chamada, e os novos lançamentos do Vidu chegam com acesso no dia 0. Comece a construir hoje.
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 Mais Séries
Seedance 2.0
A API do Seedance 2.0 oferece acesso de produção ao modelo de vídeo multimodal da ByteDance — entradas quadrimodais (texto, imagem, vídeo, áudio) e um sistema "Universal Reference" líder do setor que fixa a composição, o movimento da câmera e as ações dos personagens entre as cenas. Integre um controle de nível de diretor com uma única chamada de API, uma taxa fixa de $0,09/s, chave instantânea e sem lista de espera — respaldado por tempo de atividade e conformidade de nível corporativo. O Seedance 2.0 Native 4K já está no ar!
Grok Imagine
A Grok Imagine API oferece aos desenvolvedores a geração de imagens, vídeos e áudio da xAI em um único pacote. Ela produz imagens de até 2K com renderização de texto multilíngue, além de vídeos de até 15 segundos com áudio nativo sincronizado e edição baseada em referências. Na Atlas Cloud, uma única chave executa todos os modos do Grok Imagine, permitindo que você alterne entre imagem, vídeo e áudio sem configurações separadas, a partir de US$ 0,02 por imagem e US$ 0,05 por segundo.
Gemini Omni Flash
A Gemini Omni API traz para o seu stack o modelo multimodal de geração e edição de vídeo do Google DeepMind, apresentado no Google I/O 2026. O Gemini Omni funde o motor de raciocínio do Gemini com mídia generativa, aceitando qualquer combinação de texto, imagens, vídeo e áudio para produzir resultados consistentes e fundamentados em conhecimento. Refine os resultados por meio de conversas naturais — troque objetos, reescreva cenas e mude estilos, enquanto a física, os personagens e a continuidade permanecem intactos. A Atlas Cloud oferece toda a linha Gemini Omni Flash — texto para vídeo, imagem para vídeo com até 7 imagens de referência e referência para vídeo — por meio de uma única API unificada, com preços transparentes por segundo a partir de $0.112 e sem assinatura. Comece a construir hoje mesmo.
GPT Image 2
A API do GPT Image 2 dá aos desenvolvedores acesso ao mais recente modelo de imagem da OpenAI, o sucessor do GPT Image 1.5. Ele gera e edita imagens com renderização de texto precisa em caracteres latinos e CJK, além de uma forte composição para pôsteres, mockups e infográficos. Na Atlas Cloud, você o acessa através de uma API unificada junto a mais de 300 modelos, com créditos gratuitos, 99,99% de tempo de atividade e sem a necessidade de verificação de organização da OpenAI.
Os modelos criativos mais poderosos do Google estão todos disponíveis na Atlas Cloud. O Veo 3.1 oferece geração de vídeo cinematográfico, o Nano Banana 2 impulsiona a criação de imagens de alta fidelidade e o Gemini traz inteligência multimodal para cada fluxo de trabalho. Acesse o pacote completo de modelos do Google por meio de uma única API key com disponibilidade Day-0 e preços de pagamento conforme o uso (pay-as-you-go).
Seedance 2.0 Mini
O Seedance 2.0 Mini leva a geração de vídeo multimodal da ByteDance para fluxos de trabalho onde a velocidade e o custo são essenciais. Ele oferece os principais recursos do Seedance 2.0 com menor impacto — geração mais rápida, menor custo por vídeo e a mesma integração de API que você já usa. Para equipes que executam pipelines de alto volume ou prototipagem em escala, o Mini é a opção padrão prática.
ByteDance
Da geração de vídeo cinematográfico à criação de imagens de alta fidelidade, os modelos mais poderosos da ByteDance estão disponíveis no Atlas Cloud. Execute o Seedance e o Seedream em grande escala com os preços de inferência mais baixos e zero custos indiretos de infraestrutura.
Alibaba
O Atlas Cloud reúne toda a linha de modelos da Alibaba sob uma única API: Qwen para tarefas de linguagem e imagem, e Wan para geração de vídeo em até 1080p. Acesse cada modelo no formato pré-pago (pay-as-you-go) sem necessidade de assinaturas. A API da Alibaba está disponível por meio de uma única URL base usando seu cliente compatível com OpenAI existente.
OpenAI
O Atlas Cloud oferece acesso a toda a linha da API da OpenAI, desde o GPT Image 2 para geração de imagens até o Sora 2 para vídeo. Todos os modelos estão disponíveis na modalidade de pagamento conforme o uso, sem compromisso mensal. Integre-se trocando apenas uma URL base usando a API compatível com a OpenAI.
xAI
Construa pipelines completos de imagem e vídeo usando a xAI API no Atlas Cloud. Gere em 2K, edite com imagens de referência e anime imagens em clipes sincronizados com áudio.
Kwaivgi
A API da Kwaivgi com preço 15% abaixo do padrão. A Atlas Cloud oferece acesso Day-0 a novos lançamentos da Kling com preços de pagamento conforme o uso e sem limite de assentos. Uma conta, uma chave, todos os modelos da Kling do nível padrão ao nível master.
Seedream 5.0 Pro
A API do Seedream 5.0 Pro fornece aos desenvolvedores o modelo de edição de imagens controlável da ByteDance no Atlas Cloud. Ela posiciona as edições com precisão usando âncoras e coordenadas, separa as imagens em camadas editáveis, funde múltiplas referências e combina cores e materiais exatos, com texto multilíngue em 2K e 3K. No Atlas Cloud, você pode acessá-lo por meio de uma única chave!
