


Vidu Q3 是 Vidu 面向高品质视频生成与视觉叙事推出的模型系列。其 Pro、Turbo、Q3 和 Q3-Mix 选项可实现流畅运动、丰富细节、多种视觉风格、智能镜头切换以及自然连贯的场景转场。通过 Atlas Cloud,使用一个 OpenAI-compatible 密钥即可访问该系列,享受透明的按量付费定价、可靠的服务可用性,以及 Day-0 可用性。立即开始构建。
Vidu Q3 由 ShengShu Technology 开发。Atlas Cloud(由 Atlas Cloud AI LLC 运营)仅提供接入服务,并不拥有该模型。所有商标均归其各自所有者所有。
Atlas Cloud 为您提供最新的行业领先创意模型。
对比 Vidu Q3 系列的输入模式、视觉优势、音频支持和生产应用场景。
| 模态 | 描述 |
|---|---|
| Vidu Q3 Mix API (Reference to Video) | 将 1 到 4 张参考图像合成为视频,并在不同场景中保持主体一致。智能场景转场、流畅的动态效果、音频支持以及最高 1080p 的输出,适合角色故事和产品序列制作。 |
| Vidu Q3 API (Reference to Video) | 专为多参考图像制作而设计,该端点可将 1 到 4 张图像转换为视频,同时保持主体一致性。智能镜头切换可提升不同机位之间的连贯性,结合音频支持和最高 1080p 的输出,适合多角度叙事。 |
| Vidu Q3 Pro API (Start and End to Video) | 将静态图像和运动描述转化为具有电影级视觉质量的流畅动画视频。音频支持和最高 1080p 的输出,使该端点适合精致的转场、品牌动态素材和视觉叙事。 |
| Vidu Q3 Turbo API (Image to Video) | 通过描述所需的运动效果,让参考图像动起来,并生成动作流畅、细节丰富的视频。支持音频和最高 1080p 的分辨率,适合快速制作社交媒体短片、产品动态展示和概念预览。 |
| Vidu Q3 Turbo API (Start and End to Video) | 使用静态图像和运动描述,构建具有电影级质感的流畅视频序列。最高 1080p 的输出和音频支持,使该 Turbo 端点适用于转场研究和短篇视觉叙事。 |
| Vidu Q3 Turbo API (Text to Video) | 从文本描述出发,Vidu Q3 Turbo 可生成多种视觉风格的细节丰富视频。流畅的运动效果、音频支持以及最高 1080p 的分辨率,适合快速分镜设计、营销活动概念和社交媒体内容制作。 |
| Vidu Q3 Pro API (Image to Video) | 针对图像驱动的项目,上传参考图像并指定所需运动效果,即可生成高质量视频。流畅的动画、电影级质量、音频支持以及最高 1080p 的输出,适合精致的产品视觉和角色镜头。 |
| Vidu Q3 Pro API (Text to Video) | 用文本描述场景,让 Vidu Q3 Pro 生成细节丰富的高质量视频。多风格支持、流畅的运动效果、音频支持以及最高 1080p 的分辨率,可满足电影概念、广告和叙事制作需求。 |
Vidu Q3 统一支持文本、图像、start-end 和多参考视频生成,提供四档运动幅度、可选音频、背景音乐,支持以 1080p 输出最长 16 秒的视频,并通过 Atlas Cloud 提供透明的按量付费访问。
Vidu Q3 Reference-to-Video 支持输入一至四张参考图像,并在生成片段中保持主体一致。标准路线还会加入智能镜头切换,增强不同视角之间的连贯性。当项目需要流畅的动态效果和智能场景过渡时,可选择 Q3 Mix。最高支持 1080p 输出,这套工作流适合角色驱动的故事、产品片段和反复出现的品牌主体。
你可以从文字提示词、单张图像、一对起始与结束帧,或最多四张参考图像开始。Pro 和 Turbo endpoints 覆盖 Text-to-Video、Image-to-Video 和 start-end 生成,而 Q3 与 Q3 Mix 则处理参考图像驱动的场景。文本路线还提供通用和 anime 输出风格。整个产品系列通过一次集成,将不同的源素材转换为流畅、细节丰富的视频。它适合需要多个创作入口、又不想更换服务提供商的工作流。
你可以通过 Pro、Turbo 和 Q3 Mix endpoints 创建 1 至 16 秒的片段,而标准参考路线支持 3 至 16 秒。原生选项最高可达 1080p,参考图像和文本工作流还提供五种宽高比。这样的时长范围足以容纳场景铺垫、动作展开和最终呈现。可将其用于完整的社交媒体内容节奏、短叙事镜头和精致的产品展示。
通过 Vidu Q3 系列中的可选音频控制,在同一个请求中生成画面与音频。Pro 和 Turbo endpoints 还提供独立的背景音乐设置,因此无需调用其他生成服务,就能让声音匹配预期节奏。如果更适合无声素材,也可以关闭任一控制项。这对于氛围场景、节奏强烈的动作内容和可直接编辑的社交媒体片段尤其有用。
将运动幅度设为 auto、small、medium 或 large,以控制主体在画面中的运动强度。start-end endpoints 可将这一控制与明确的起始和结束图像结合,在两种视觉状态之间生成流畅动画。参考模型会根据所选变体,加入智能切换或场景过渡。Seed 输入支持受控迭代。这样可以为变形、动作序列和电影感转场带来更有意识的节奏控制。
通过 Atlas Cloud 使用八个 Vidu Q3 endpoints,享受透明的按量付费价格和统一的 API。标准价格从 Turbo 的 $0.04/秒、Pro 和 Q3 Reference-to-Video 的 $0.05/秒,以及 Q3 Mix Reference-to-Video 的 $0.125/秒起。根据每个镜头选择合适的工作流和档位,无需采用彼此独立的集成方案。这种配置支持从概念测试到生产素材的经济高效迭代。
了解 Vidu Q3 与另外两个可比视频模型如何解读完全相同的提示词,呈现快速真人动作与风格化奇幻场景。
一部 8–10 秒、名为《凌晨 3 点的影子转移》的微电影:一名身穿剪裁合体黑色大衣的孤独小提琴手,一边持续演奏,一边倒退着穿过空无一人的地铁车厢;他的面孔、服装、小提琴与动作始终保持完美一致。开场是极致微距特写:振动的弓毛摩擦琴弦;随后快速甩镜切入沿窗户倒影横向跟拍的镜头。每一盏掠过的琥珀色隧道灯,都只将他的投影变成来自不同时代的舞者——先是 1920 年代踩着清晰脚跟—脚尖步伐的踢踏舞者,接着是 1940 年代完成戏剧性旋转的探戈舞者,最后是动作利落、不断震动的 1980 年代机械舞者——每次变形都在节拍上无缝发生,而真正的小提琴手始终不变。转入一段流畅的一镜到底 steadicam 推进,沿冰冷青蓝色车厢的全长向前移动;他继续演奏并逆着列车行进方向移动。高潮时,列车猛烈转弯,车顶吊环自然摆动,他打开的小提琴盒快速滑走;他用一只脚抵住垂直扶杆,绕杆旋转而旋律不断,落地后用脚跟接住琴盒。最后镜头突然快速向后移出连接门:小提琴手进入下一节车厢,但三个属于不同时代的影子都留在最后一节车厢内,在车门关闭前表演同步融合的踢踏—探戈—机械舞。高对比度彩色黑色电影风格,融合动画手绘炭笔叠层;每次影子变形时,都有富有表现力的炭笔线条绽放并拖 smear;冷青色金属内饰,节奏鲜明的琥珀色隧道频闪灯光,深黑色调,湿润的反光玻璃,符合逻辑且准确的倒影、阴影、视差、接触点与列车物理效果。动作快速、优雅、连贯,不要慢动作或空洞填充。音频:急促的独奏小提琴与车轮撞击声、踢踏脚步、探戈重音、机械舞打击乐、转弯时的铁轨尖啸,以及恰好在剪切点响起的最后一声车门提示音。不要出现屏幕、界面、仪表板、进度条、图表、说明文字、字幕、徽标、水印或解释性文字;不要出现角色重复、身份漂移、服装变化、畸形手部、变形的小提琴结构、不可能的倒影、脱离主体的影子、闪烁、跳切或镜头不连续。16:9 宽高比
Generated with Vidu Q3-Pro Text-to-Video on Atlas Cloud
Generated with Seedance 2.5 Text-to-Video on Atlas Cloud
Generated with Vidu Q3-Turbo Text-to-Video on Atlas Cloud
一段单一连续的 8–10 秒动作序列,发生在暴风雨肆虐的夜晚、一间有百年历史的活字印刷工坊内:一名手上沾满油墨的女排字工用力驱动巨大的铁制印刷机。一个铅字盘跳出轨道并倾斜,数千个独立金属字母如黑色多米诺骨牌般沿着长长的木制排字台汹涌而下。开场是嵌合、油光闪亮的齿轮内部极致微距镜头;随后快速向后 dolly-zoom,拉入倾斜的俯视角度,伴随印刷机震颤和铅字浪爆发。她跳上一卷滑动的纸卷,沿排字台向前滑行;她蹲下,用指尖重新对齐一个关键字块,随后在猛烈摆动的压印杆下方流畅地扭身穿过,动作毫不停顿。镜头降至台面高度的低角度跟拍,贴着倾泻而下的字母高速前进:密集且符合物理规律的刚体碰撞,字块旋转、弹跳,纸张弯折,油墨飞溅,齿轮与连杆同步运转。压印完成的瞬间,镜头快速甩向新鲜印刷品;插图中的鱿鱼突然从湿润的黑色油墨中膨胀而出,发亮的触手从纸面升起,缠住散落的字母,并将它们扫回字盘。最后以快速环绕镜头定格:气喘吁吁的排字工与活生生的纸张—油墨生物彼此凝视,窗外雨光不断闪现。高对比度黑白木刻纹理,融合电影级照片写实细节;深邃的雕刻阴影,仅保留温暖的黄铜黄色灯光与深群青色的雨光,戏剧性的定向照明,清晰稳定的主体连续性,真实的纸张褶皱、黏稠的油墨流动与连贯的机械运动,不要慢动作。音频:暴雨轰鸣、雷声炸裂、有节奏的齿轮铿锵声、如快速小军鼓滚奏般的金属活字 rattling、纸张撕裂与翻飞声、沉重的压印声,随后是湿润的超自然油墨涟漪与突如其来的音乐点刺。不要出现屏幕、软件界面、仪表板、进度条、图表、说明文字、字幕、解释性文字、徽标或水印。16:9 宽高比。
Generated with Vidu Q3-Pro Text-to-Video on Atlas Cloud
Generated with Seedance 2.5 Text-to-Video on Atlas Cloud
Generated with Vidu Q3-Turbo Text-to-Video on Atlas Cloud
Vidu Q3 可将文本、静态图像、参考图组和成对关键帧转换为视频,适用于品牌叙事、产品发布、概念开发、创作者工具和多主体营销活动,并支持可选音频及最高 1080p 输出。
在一至四张参考图的引导下,多机位品牌故事中的 recurring characters 仍能保持易于识别。Vidu Q3 支持系列营销活动、吉祥物内容和系列短片,适合需要主体保持一致并支持可选音频的场景。
静态产品图片可获得流畅动效和电影级质感,输出最高 1080p。营销团队无需替换原有视觉主体,即可将获批的产品摄影图转化为发布宣传片、产品页面内容和零售展示素材。
设置起始帧和结束帧,然后让 Vidu Q3 Pro 或 Turbo 为两者之间的路径生成动画。此工作流适用于片头序列、界面过渡和需要明确起止点的视觉呈现。
从文字简报出发,Vidu Q3 可生成动效流畅、细节丰富并支持可选音频的风格化视频。导演和创意团队可以在制作前将提案、营销活动创意或场景概念视觉化。
当场景包含多个主体时,可组合最多四张参考图,以保持各主体的身份特征。生成结果适用于群像叙事、合作宣传内容和依赖参与者辨识度的客户故事。
将 Vidu Q3 生成能力集成到支持输入文本或静态图像、并输出带可选音频视频的创作者工具中。开发者可以基于同一模型系列服务内容工作室、营销平台或自动化制作流程。
对比各个 Vidu Q3 端点及精选竞品视频模型在支持的输入类型、最大分辨率、音频生成和标准每秒价格方面的表现。
| 模型 | 输入类型 | 最大分辨率 | 音频生成 | 标准价格 |
|---|---|---|---|---|
| Vidu Q3-Mix Reference to Video | 文本 + 1 到 4 张参考图像 | 1080p | √ | $0.125/秒 |
| Vidu Q3 Reference to Video | 文本 + 1 到 4 张参考图像 | 1080p | √ | $0.05/秒 |
| Vidu Q3-Pro Start-end-to-video | 文本 + 起始图像和结束图像 | 1080p | √ | $0.05/秒 |
| Vidu Q3-Turbo Image-to-video | 文本 + 图像 | 1080p | √ | $0.04/秒 |
| Vidu Q3-Turbo Start-end-to-video | 文本 + 起始图像和结束图像 | 1080p | √ | $0.04/秒 |
| Vidu Q3-Turbo Text-to-video | 文本 | 1080p | √ | $0.04/秒 |
| Vidu Q3-Pro Image-to-video | 文本 + 图像 | 1080p | √ | $0.05/秒 |
| Vidu Q3-Pro Text-to-video | 文本 | 1080p | √ | $0.05/秒 |
| Wan-3.0 Reference-to-video | 文本 + 图像、视频、音频、文件或网页参考内容 | 1080p | √ | $0.05/秒 |
| Kling V3.0 Turbo Image-to-Video | 图像 + 可选文本 | 1080p | √ | $0.112/秒 |
几分钟即可上手 — 按照以下简单步骤,通过 Atlas Cloud 平台集成和部署模型。
在 atlascloud.ai 注册并完成验证。新用户可获得免费额度,用于探索平台和测试模型。
将先进的 Vidu Q3 模型与 Atlas Cloud 的 GPU 加速平台相结合,提供无与伦比的性能、可扩展性和开发体验。
低延迟:
GPU 优化推理,实现实时响应。
统一 API:
一次集成,畅用 Vidu Q3、GPT、Gemini 和 DeepSeek。
透明定价:
按 Token 计费,支持 Serverless 模式。
开发者体验:
SDK、数据分析、微调工具和模板一应俱全。
可靠性:
99.99% 可用性、RBAC 权限控制、合规日志。
安全与合规:
SOC 2 Type II 认证、HIPAA 合规、美国数据主权。
Vidu Q3 是由生数科技开发的视频生成模型系列。Atlas Cloud 提供 text-to-video、image-to-video、start-end-to-video 和 reference-to-video 端点。支持的路由最高可生成 1080p 视频,并可选择生成音频。
可以直接根据文本提示词创建视频,也可以让单张源图像按照受控运动生成动画。Start-end-to-video 路由可生成两个视觉状态之间的转场。Reference-to-video 路由使用一到四张图像,在新场景中保持主体一致。
首先根据输入类型选择路由:文本、单张图像、两个边界帧,或多张参考图像。Turbo 的标准费率最低;Q3 Reference 增加了智能镜头切换,Q3 Mix 则侧重视觉质量、场景转场和动态效果。开始实现前请先查看端点 schema,因为可用控制项会因端点而异。
在 Atlas Cloud 控制台创建 API 密钥,并选择与输入流程匹配的端点。向 /api/v1/model/generateVideo 发送使用 Bearer 认证的 POST 请求,并提供模型 ID、提示词和必需的媒体字段。请将 API 密钥保存在服务器端,并使用返回的状态和输出字段管理生成任务。
不同端点支持的输入有所不同,可能包括文本提示词、单张源图像、起始图像和结束图像,或一到四张参考图像。根据所选路由,可用控制项可能包括时长、分辨率、音频生成、背景音乐、宽高比、运动幅度和 seed。请以所选端点的 schema 为准。
可以,Atlas Cloud 列出的路由支持音频或可选的音频生成。在提交生产请求前,请检查所选 schema 中的 generate_audio 控制项及其默认值。
对于 Q3 Mix Reference-to-Video,图像可以 PNG、JPEG、JPG 或 WebP 格式的可访问 URL 或 Base64 字符串提供。每张图像至少应为 128 by 128 像素,宽高比须保持在 1:4 到 4:1 之间,并且不得超过文档规定的 50 MB 限制。
列出的 Turbo 路由标准价格为每秒 $0.04,列出的 Pro 路由和 Q3 Reference-to-Video 价格为每秒 $0.05,Q3 Mix Reference-to-Video 价格为每秒 $0.125。Atlas Cloud 采用按量付费,因此费用取决于所选路由和生成时长。
首先确认模型 ID、Bearer 认证、必需的提示词和媒体字段是否符合所选端点的 schema。对于参考图像任务,请提供一到四张满足文档规定格式和尺寸要求的可访问图像。如果结果未能体现预期效果,请在路由提供相应控制项时优化提示词,或调整运动幅度、seed、分辨率和音频设置。
指南、教程与产品动态,助你充分发挥 Atlas Cloud 的价值。