Review Vidu Q4: Kami Uji Model Baru Vidu AI dengan 4 Referensi, Klip Suara, dan 2K

Vidu Q4 adalah model yang dirilis Vidu AI pada Oktober 2026, dan masih berlabel pratinjau. Jualannya ada dua: memasukkan banyak subjek referensi ke dalam satu shot, dan mengunci suara karakter dengan klip audio.

Kedengarannya bagus di slide presentasi. Tapi apakah terbukti? Setelah menambahkan Vidu Q4 ke ZOOOP, kami menyiapkan satu set input tetap dan mengujinya lewat empat pertanyaan.

Versi singkatnya

• Referensi multi-subjek benar-benar berfungsi. Kami memberinya dua orang, satu skuter, dan satu jalan, dan keempatnya muncul dalam satu shot tanpa kedua orangnya tertukar atau warna skuternya berubah.
• Referensi suara menjalankan tugasnya. Ucapan di klip keluar dengan nada yang hampir sama dengan audio referensinya.
• Dibanding Vidu Q3 Pro, shot sederhana dari bingkai awal tampak hampir identik, sementara Vidu Q4 jelas lebih murah.
• 2K jauh lebih tajam daripada 540p, tetapi resolusi yang lebih tinggi memberimu klip baru, bukan salinan yang diperbesar.
• Tidak ada mode teks saja dan tidak ada bingkai akhir. Kamu selalu mulai dari setidaknya satu gambar.

Apa itu Vidu Q4

Vidu Q4 adalah model video terbaru dari Vidu AI, dan bisa dipakai dengan dua cara. Mode bingkai awal menganimasikan satu gambar, dan hasilnya mempertahankan rasio aspek gambar tersebut. Mode referensi menerima hingga 12 gambar referensi plus hingga tiga klip suara MP3 berdurasi 3 sampai 12 detik, lalu membangun satu adegan di sekitar subjek dan suara itu.

Kedua mode berdurasi 3 sampai 16 detik, menawarkan lima resolusi dari 540p sampai 4K, dan menghasilkan audio bawaan yang bisa kamu matikan. Di ZOOOP, mode bingkai awal ada di video dari bingkai awal dan akhir dan mode referensi ada di pembuat video AI; pilih Vidu Q4 di salah satunya.

Uji 1: empat subjek referensi dalam satu shot

Kami membuat empat gambar referensi dengan pembuat gambar AI: seorang wanita bermantel merah, seorang pria berjanggut dan berkacamata, skuter vintage hijau mint, dan jalan berbatu di kota tua Eropa.

Prompt-nya: si pria mengendarai skuter dengan si wanita dibonceng di belakang, menyusuri jalan itu saat golden hour, dan si wanita melambai ke kamera. 720p, 5 detik.

Jeda di detik terakhir dan semua referensinya cocok. Mantel merah dan rambut cokelat kemerahan itu miliknya, kacamata dan janggut itu milik si pria, skuternya hijau mint yang sama, dan jalannya persis jalan di referensi, termasuk meja-meja kafe di sebelah kiri.

Titik lemahnya: di paruh pertama para pengendara masih jauh dan wajah mereka kecil. Kalau kamu butuh wajah yang jelas sepanjang klip, tulis "medium shot" atau "the riders fill half the frame" di prompt.

Uji 2: referensi suara untuk karakter

Di sinilah Vidu Q4 paling berbeda, dan ini juga kemampuan baru utama di generasi Vidu AI kali ini. Kami memakai teks ke suara untuk membuat klip 5,7 detik berisi seorang wanita yang memperkenalkan diri, lalu memberikan klip itu ke model bersama foto wanita bermantel merah dan memintanya mengucapkan kalimat itu ke kamera di jalan. 540p, vertikal 9:16, 6 detik.

Gerak mulut dan tempo bicaranya sejalan dengan ucapannya. Untuk menilai suaranya, kami tidak hanya mengandalkan telinga, tetapi mengukur nadanya: klip referensi berada di sekitar 219 Hz pada mediannya, ucapan yang dihasilkan sekitar 225 Hz, selisihnya kurang dari 3% dengan sebaran yang hampir sama. Dengan kata lain, Vidu Q4 benar-benar mengikuti suara referensinya.

Siapa pun yang membuat konten berseri akan menyukai ini: karakter yang sama bisa terdengar sama dari klip ke klip.

Uji 3: bingkai awal yang sama, Vidu Q4 vs Vidu Q3 Pro

Pertanyaan yang sering muncul adalah apa kelebihan Vidu Q4 dibanding Vidu Q3. Kami mengambil satu foto wanita dengan secangkir kopi di dekat jendela kafe dan satu prompt (ia mengangkat cangkir, menyesap, tersenyum, lalu menoleh ke kamera), dan menjalankannya di keduanya pada 720p selama 5 detik.

Jujur saja, bedanya sangat kecil. Gerakannya hampir sama di keduanya: satu sesapan, cangkir sedikit turun, menoleh dan tersenyum. Cahaya, rambut, dan cangkirnya sama-sama terjaga.

Jadi kalau kamu hanya perlu menghidupkan satu gambar, Vidu Q3 Pro dan Vidu Q4 sama-sama bisa diandalkan, dan di sini Q4 jelas yang lebih murah. Q4 baru unggul jauh di pekerjaan referensi multi-subjek yang digerakkan suara seperti di uji 1 dan 2, yang tidak ditawarkan lini Vidu Q3.

Uji 4: seberapa besar beda 540p dan 2K

Gambar skuter yang sama, prompt yang sama ("slow push-in as sunlight glints off the chrome mirrors"), 3 detik di 540p dan di 2K. Ini area yang sama yang dipotong dari masing-masing klip:

Di 540p, tepi kaca spion dan tuas rem terlihat kabur; di 2K, kilau krom dan logam tuasnya terlihat jelas. Mode bingkai awal juga mempertahankan bentuk gambar: foto produk 4:3 ini kembali sebagai video 4:3.

Satu catatan: lampu depan menyala di klip 2K dan mati di klip 540p. Mengganti resolusi memberimu klip yang berbeda, bukan take 540p yang diperbesar. Pakai 540p untuk menguji prompt, bukan untuk memilih satu take lalu "meng-upgrade"-nya.

Apa yang gagal, dan batasannya

• Tidak bisa membuat dari teks saja. Mode bingkai awal butuh gambar, dan mode referensi butuh setidaknya satu gambar referensi. Untuk teks ke video murni, pakai model lain.
• Tidak ada bingkai akhir. Transisi "ubah A menjadi B" di luar jangkauannya.
• Mode referensi lebih lambat. Klip bingkai awal kami selesai dalam satu atau dua menit; klip referensi butuh beberapa menit.
• Masih pratinjau. Perilakunya bisa berubah antarversi, jadi uji kecil-kecilan dulu sebelum proyek besar.
• Referensi suara harus MP3, masing-masing 3 sampai 12 detik.

Memaksimalkan Vidu Q4

Inilah urutan yang berhasil untuk kami dengan model baru Vidu AI ini:

1. Uji prompt dan kombinasi referensi di 540p selama 3 sampai 5 detik, dan pastikan setiap orang dan objek dikenali;
2. Setelah arahnya tepat, render versi finalnya di 1080p, 2K, atau 4K;
3. Untuk beberapa klip dari satu karakter, pakai ulang referensi suara yang sama agar suaranya tetap konsisten;
4. Susun potongan-potongannya di kanvas generatif.

Kalau kamu hanya perlu menghidupkan sebuah foto dan tidak butuh banyak subjek atau suara, hasil Q3 Pro dan Q4 berdekatan, jadi yang mana pun bisa.

Kesimpulannya

Vidu Q4 tidak lebih baik dari generasi sebelumnya dalam segala hal; pada shot bingkai awal yang sederhana, ia seri dengan Vidu Q3 Pro. Nilainya ada pada kemampuan menaruh beberapa orang dan objek yang sudah ditentukan ke dalam satu shot dan mengunci suaranya dengan klip audio, dua hal yang dulu mustahil atau harus diperbaiki di pascaproduksi. Untuk karakter merek, film pendek berseri, dan iklan dengan banyak orang, model baru Vidu AI ini layak dicoba.

Spesifikasi dan contoh lainnya ada di halaman model Vidu Q4.