Vidu API: Consistent Subjects from Reference Images
Vidu API ger utvecklare tillgång till videomodeller från Shengshu AI och Tsinghua University, byggda på U-ViT-arkitekturen som förenar Diffusion och Transformer-design. Mata in en till fyra referensbilder och Vidu upprätthåller ämneskonsistens över bilder, med intelligent kameraväxling och smidig, cinematisk rörelse. Atlas Cloud lägger till Day-0-modellåtkomst och en OpenAI-kompatibel nyckel för hela sortimentet. Börja bygga idag.
Utforska de Ledande Modellerna
Atlas Cloud förser dig med de senaste branschledande kreativa modellerna.
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. |
Inuti Vidu API: Konsistens, Ljud och Kinematisk Kontroll
Från konsistens för fyra referensbilder till native audio och 16-sekunds 1080p-klipp, placerar Vidu API på Atlas Cloud Shengshu's hela Q-serie bakom en enda pay-as-you-go-endpoint.
Motivkonsistens med Vidu API
Vidu API accepterar en till fyra referensbilder och håller karaktärer, produkter och scener visuellt konsistenta i varje bild. Denna tillförlitlighet gör serialiserad storytelling och märkesäker produktvideo praktisk i stor skala.
Interpolation av Start- och Slutram
Ladda upp en startram och en slutram, och modellen bygger den smidiga övergången mellan dem på egen hand. Motion designers använder detta för morphs, reveals och exakt tidade scenbyten.
Native Audio i ett Pass
Varför rendera tysta klipp och göra dem senare? Varje Q3-endpoint kan generera synkroniserade ljudeffekter och bakgrundsmusik i samma pass, så dialogscener och annonser anländer redo att publiceras.
Sexton Sekunder, upp till 1440p
Om en scen behöver utrymme för att andas, kör klipp upp till 16 sekunder på 540p till 1080p, med super-upplösnings-uppskalning till 1440p. Färre sammanfogade bilder betyder smidigare berättelser och lättare postproduktion.
Justerbar Rörelse och Stil
En rörelseamplitudinställning skiftar utgången från subtil kinematisk drift till stor dramatisk åtgärd, medan text-till-video-slutpunkter växlar mellan allmänna och anime-stilar. Regissörer får kontroll på skottnivå utan att skriva om prompter.
En Nyckel Över Hela Vidu API-Sortimentet
Varje Vidu-modellgeneration från Q1 till Q3 körs bakom en OpenAI-kompatibel nyckel med transparent pay-as-you-go-prissättning på Atlas Cloud. Utkast på Turbo, kör sedan samma samtal igen på Pro för slutlig rendering.
Vidu vs Other Models - One Prompt
The same prompt, generated by Vidu and other leading video models
En ensam stuntman drivar en matt svart muskelbilar genom en neonbelyst nattmarknad i regnet. Öppna med ett lågt tracking shot som smeker våt asfalt medan bilen glider runt ett hörn, gnistor flyger från en räcke. Snabb panning till försäljare som drar tillbaka sina stånd, papperslyktor svingar vilt. Klipp till en drone shot som spiralerar uppåt medan bilen manövrerar mellan två bussar med centimetersmarginaler, sedan ett hårt klipp inuti cockpit: händerna griper ratten, ögonen glimtar till en spegel fylld med blinkande polisljus. Avsluta med en långsam 180-gradig spin in i en ångande gränd, motorbrål och regnskval fyller soundtracket. Fotorealistisk, kinematisk belysning, 10 sekunder, 16:9 bildformat.
Vidu Q3
Seedance 2.0
Vidu Q2 Pro
Anime-stil: en ung svärdskvinnan står inför en kolossalisk stormdrake ovanför ett förstört flytande helgedom. Börja med en snabb dolly in på hennes ögon när blixt sliter himlen, sedan en snabb panning som följer hennes sprint över en sönderfallande stenbro, skräp lyfter runt hennes fötter. Kameran kretsar när hon hoppar, hennes blad tänds med blå låga, medan drakarnas käkar kraschlandning där hon stod en ruta tidigare. Dra tillbaka till en episk vidvinkelskott när hennes slag klyvr en blixten på mitten och chockvågen krusningar genom molnen. Skarpa 2D cel shading, dynamiska hastighetslinjer, åska och en svällande kör i partituret. 8 sekunder, 16:9 bildformat.
Vidu Q3 Pro
Seedance 2.0
Vidu Q2 Pro
Var Vidu API passar in i din produktionspipeline
Från märkesfilmer med konsekventa karaktärer till rörelsedesign för start- och slutramsar, sammanför Vidu API arbetsflöden för text-to-video, image-to-video och reference-to-video bakom en enda pay-as-you-go-slutpunkt på Atlas Cloud.
Konsekventa karaktärer i varje skott
Mata in 1 till 4 referensbilder i Vidu Q3-Mix eller Q3 reference-to-video och motiv förblir konsekventa över scenövergångar. Korta dramateam och IP-skapare behåller samma ansikte från avsnitt till avsnitt.
Filmiska annonser via Vidu API
Produktlanseringar och varumärkesplatser kommer till liv när Vidu API renderar smidiga dynamiska effekter med valfritt ljud upp till 1080p. Byråer itererar på annonskoncept utan att boka en enda inspelningsdag.
Rörelsedesign för start- och slutramar
Behöver du en exakt övergång mellan två keyframes? Q3-Pro- och Q2 start-end-to-video-modeller interpolerar slät rörelse från din första ram till din sista, möjliggör logouppenbarelser, scènomvandlingar och produkttransformationer.
Från manus till skärm med Vidu API
Skribenter omvandlar en textuppmaning till 1080p-filmmaterial med flera visuella stilar via Vidu API text-to-video-slutpunkter. Valfri audiogenerering ger storyboards och previz-klipp ett färdigt utseende i ett enda pass.
Stillbilder som rör sig
När en statisk produktfoto eller illustration behöver rörelse, animerar image-to-video-modeller från Q1 till Q3-Turbo den med smidig, naturlig rörelse. E-commerce-team och social media-redaktörer publicerar scroll-stopping clips dagligen.
Animationspipelines byggda på Vidu
Vidus U-ViT-arkitektur byggdes för långformad, mycket konsistent utmatning, en naturlig passform för animationsdesign och episodiska serier. Studios skapar storyboards, animerar och reviderar hela sekvenser via API-anrop istället för manuell keyframing.
Var Vidu API står i jämförelse med Kling, Veo och Sora
Jämför clipplängd, upplösningsgränser, ljudutgång och hastigheter per sekund sida vid sida, och du ser exakt vad Vidu API levererar för varje dollar i din videopipeline
| Modell | Indatalägen | Max clipplängd | Högsta upplösning | Inbyggd ljud |
|---|---|---|---|---|
| Vidu Q3-Mix | Text plus 1 till 4 referensbilder | 16s | 1080p inbyggd, 1440p med superupplösning | √ |
| Vidu Q3 (Pro & Turbo) | Text, bild, start-slut-bilder, referensbilder | 16s | Upp till 1080p, 1440p uppskalad | √ |
| Vidu Q2 (Pro & Turbo) | Text, bild, start-slut-bilder eller referenser | 10s | 1080p | √ |
| Kling 2.5 Turbo | Text eller en enskild bild med instruktion | 10s | 1080p (Pro nivå) | - |
| Google Veo 3.1 | Text, bild, upp till 3 referensbilder | 8s per klip, utbyggbar | 1080p, 4K i förhandsvisning | √ |
| OpenAI Sora 2 | Textinstruktion | 12s | 720p (1080p på Sora 2 Pro) | √ |
Hur man använder Vidu på Atlas Cloud
Get started in minutes — follow these simple steps to integrate and deploy models through Atlas Cloud’s platform.
Skapa ett Atlas Cloud-konto
Registrera dig på atlascloud.ai och slutför verifieringen. Nya användare får gratis krediter för att utforska plattformen och testa modeller.
Varför Använda Vidu på Atlas Cloud
Att kombinera de avancerade Vidu-modellerna med Atlas Clouds GPU-accelererade plattform ger oöverträffad prestanda, skalbarhet och utvecklarupplevelse.
Prestanda & flexibilitet
Låg Latens:
GPU-optimerad inferens för realtidsresonemang.
Enhetligt API:
Kör Vidu, GPT, Gemini och DeepSeek med en integration.
Transparent Prissättning:
Förutsägbar fakturering per token med serverlösa alternativ.
Företag & Skala
Utvecklarupplevelse:
SDK:er, analys, finjusteringsverktyg och mallar.
Tillförlitlighet:
99.99% drifttid, RBAC och efterlevnadsredo loggning.
Säkerhet & Efterlevnad:
SOC 2 Type II, HIPAA-anpassning, datasuveränitet i USA.
Vidu API Questions, Answered
Fakturering sker per sekund av genererad video utan obligatorisk prenumeration. Q2-Turbo-slutpunkter börjar på $0,026 per sekund, Q3-Turbo körs på $0,034 per sekund, Q3-Pro och Q3 reference-to-video kostar $0,042 per sekund, och Q3-Mix reference-to-video är $0,106 per sekund. Du betalar bara för det du genererar under transparent prissättning per samtal.
Q3-slutpunkter stöder klipp upp till 16 sekunder med upplösningsalternativ på 540p, 720p och 1080p, plus super resolution-utgångar upp till 1440p. Bildförhållandena omfattar 16:9, 9:16, 4:3, 3:4 och 1:1, så samma slutpunkt kan rikta liggande, stående eller kvadratiska format.
Ja. Q3-modeller inkluderar en audiokontakt som är aktiverad som standard, och text-till-video-slutpunkter lägger till en separat bakgrundsmusikkontakt. Stäng av båda när du behöver tyst material för din egen ljuddesign.
Ladda upp en till fyra referensbilder av en karaktär, produkt eller scen, och modellen behåller identiteten för det motivet medan den genererar ny rörelse och kameravinklar. Q3 reference-to-video lägger till intelligent kameraväxling med bättre konsistens över flera kamerapositioner, vilket passar episodisk och flerplanig berättarkonst.
Det gör det. Text-till-video-slutpunkter exponerar en stilparameter med allmänna och anime-alternativ, och familjen är känd för stiliserad karakteranimation. Koppla anime-stilen med referensbilder för att behålla samma karaktär i en hel serie.
Skapa en Atlas Cloud API-nyckel, välj en Vidu-slutpunkt och skicka en REST-begäran med din uppmaning och parametrar. Varje modell har en lekplats och ett publicerat parameterschema, så du kan validera inställningar innan du skriver kod. Prissättningen är betala per användning per samtal, och nya Vidu-utgåvor kommer med åtkomst dag 0. Börja bygga idag.
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.
Utforska Fler Familjer
Seedance 2.0
Seedance 2.0 API ger dig produktionsåtkomst till ByteDances multimodala videomodell — quad-modala inmatningar (text, bild, video, ljud) och ett branschledande "Universal Reference"-system som låser komposition, kamerarörelser och karaktärers handlingar mellan tagningar. Integrera kontroll på regissörsnivå med ett enda API-anrop, ett fast pris på 0,09 $/s, omedelbar nyckel och ingen väntelista — med stöd av upptid och efterlevnad i företagsklass. Seedance 2.0 Native 4K är nu live!
Grok Imagine
Grok Imagine API ger utvecklare xAI:s bild-, video- och ljudgenerering i en och samma svit. Det producerar bilder i upp till 2K med flerspråkig textrendering, plus video på upp till 15 sekunder med inbyggt, synkroniserat ljud och referensbaserad redigering. På Atlas Cloud körs alla Grok Imagine-lägen med en enda nyckel, så att du kan växla mellan bild, video och ljud utan separata inställningar, från 0,02 USD per bild och 0,05 USD per sekund.
Gemini Omni Flash
Gemini Omni API tar Google DeepMinds multimodala modell för videogenerering och redigering, presenterad på Google I/O 2026, till din stack. Gemini Omni förenar Geminis resonemangsmotor med generativa medier och tar emot valfri blandning av text, bilder, video och ljud för att skapa konsekventa, kunskapsförankrade resultat. Förfina resultaten genom naturlig konversation – byt ut objekt, skriv om scener och skifta stil medan fysik, karaktärer och kontinuitet förblir intakta. Atlas Cloud erbjuder hela Gemini Omni Flash-utbudet – text-till-video, bild-till-video med upp till 7 referensbilder och referens-till-video – via ett enhetligt API med transparent prissättning per sekund från $0.112 och utan abonnemang. Börja bygga i dag.
GPT Image 2
GPT Image 2 API ger utvecklare tillgång till OpenAI:s senaste bildmodell, uppföljaren till GPT Image 1.5. Den genererar och redigerar bilder med exakt textåtergivning i latinska och CJK-tecken, plus en stark komposition för affischer, mockups och infografik. På Atlas Cloud når du den via ett enhetligt API tillsammans med över 300 modeller, med gratis krediter, 99,99 % upptid och utan krav på OpenAI-organisationsverifiering.
Googles mest kraftfulla kreativa modeller är alla tillgängliga på Atlas Cloud. Veo 3.1 levererar filmisk videogenerering, Nano Banana 2 driver skapandet av högupplösta bilder, och Gemini tillför multimodal intelligens till varje arbetsflöde. Få tillgång till hela Googles modellsvit via en enda API key med Day-0-tillgänglighet och pay-as-you-go-prissättning.
Seedance 2.0 Mini
Seedance 2.0 Mini tar ByteDances multimodala videogenerering till arbetsflöden där hastighet och kostnad är avgörande. Det levererar kärnfunktionerna i Seedance 2.0 med ett lättare fotavtryck – snabbare generering, lägre kostnad per video och samma API-integration som du redan använder. För team som kör pipelines med hög volym eller gör prototyper i stor skala är Mini den praktiska standarden.
ByteDance
Från filmisk videogenerering till skapande av högupplösta bilder, ByteDances kraftfullaste modeller är live på Atlas Cloud. Kör Seedance och Seedream i stor skala med de lägsta inferenspriserna och noll infrastrukturkostnader.
Alibaba
Atlas Cloud samlar Alibabas hela modellutbud under ett enda API: Qwen för språk- och bilduppgifter, Wan för videogenerering upp till 1080p. Få tillgång till varje modell med betala-för-användning (pay-as-you-go) helt utan abonnemang. Alibaba API är tillgängligt via en enda bas-URL (base URL) med din befintliga OpenAI-kompatibla klient.
OpenAI
Atlas Cloud ger dig tillgång till hela utbudet av OpenAI API, från GPT Image 2 för bildgenerering till Sora 2 för video. Varje modell är tillgänglig via betala-för-användning (pay-as-you-go) utan månatliga bindningstider. Integrera med ett enda byte av bas-URL med hjälp av det OpenAI-kompatibla API:et.
xAI
Bygg kompletta bild- och videopipelines med hjälp av xAI API på Atlas Cloud. Generera i 2K, redigera med referensbilder och animera bilder till ljudsynkroniserade klipp.
Kwaivgi
Kwaivgi API till 15 % under standardpriset. Atlas Cloud ger Day-0-åtkomst till nya Kling-versioner med pay-as-you-go-prissättning och utan platsbegränsningar. Ett konto, en nyckel, varje Kling-modell från standard- till masternivå.
Seedream 5.0 Pro
Seedream 5.0 Pro API ger utvecklare ByteDances kontrollerbara bildredigeringsmodell på Atlas Cloud. Den placerar redigeringar exakt med ankare och koordinater, separerar bilder i redigerbara lager, slår samman flera referenser och matchar exakta färger och material, med flerspråkig text i 2K och 3K. På Atlas Cloud når du den via en enda nyckel!
