Vidu Q4

En qué destaca Vidu Q4 y en qué no

Vidu Q4 está pensado para mantener muchas cosas coherentes a la vez. Donde la mayoría de los modelos de vídeo se manejan bien con una o dos referencias, Q4 admite hasta 12 imágenes de referencia en un solo plano y hasta tres voces de referencia, de modo que un reparto de personajes, un producto y un lugar conservan su aspecto mientras los diálogos generados mantienen la voz correcta.

La primera capacidad estrella es el vídeo a partir de referencias con sujetos y voces. Adjunta las imágenes, indica en el prompt quién hace qué y, si quieres, añade clips de voz en MP3 de 3 a 12 segundos. En nuestras pruebas, dos referencias de robots aparecieron una junto a otra en una azotea al atardecer, en 9:16, balanceándose sin que sus diseños se intercambiaran, y un personaje solo saludó a la cámara con la mano mientras el sonido se generaba junto con la imagen.

La segunda es el rango de resoluciones. Cinco niveles de 540p a 4K te permiten probar una toma a bajo coste y renderizar la definitiva en 2K o 4K para pantallas grandes, sin cambiar de modelo.

La tercera es la duración con sonido. Cualquier duración de 3 a 16 segundos, con diálogos, efectos y ambiente generados a la vez. Puedes desactivar el audio para clips solo de imagen.

Sus puntos débiles: no tiene modo solo texto ni fotograma final. El texto a vídeo puro corresponde a Gemini Omni 1.1 Flash o MiniMax H3 Max, y las transiciones entre fotograma inicial y final a MiniMax H3 Max. Además, sigue siendo un modelo en versión preliminar, así que su comportamiento puede cambiar a medida que madure. Para tomas de más de 16 segundos, Wan V3.0 llega hasta 30.

Un modelo mental razonable: elige Vidu Q4 cuando varios sujetos o una voz concreta deban mantenerse coherentes, o cuando la versión final tenga que ser en 4K. Usa MiniMax H3 Max para clips rápidos a partir de un fotograma inicial y Gemini Omni 1.1 Flash cuando necesites editar o extender.