Recensione di Vidu Q4: abbiamo provato il nuovo modello di Vidu AI con 4 riferimenti, un clip vocale e il 2K

Vidu Q4 è il modello che Vidu AI ha rilasciato a ottobre 2026, ancora etichettato come anteprima. La promessa è doppia: mettere tanti soggetti di riferimento in un'unica inquadratura e fissare la voce di un personaggio con un clip audio.

Su una slide suona bene. Ma regge alla prova dei fatti? Dopo aver aggiunto Vidu Q4 a ZOOOP abbiamo preparato un set fisso di input e l'abbiamo sottoposto a quattro domande.

In breve

• I riferimenti con più soggetti funzionano davvero. Gli abbiamo dato due persone, uno scooter e una strada, e tutti e quattro sono comparsi nella stessa inquadratura, senza che le persone si scambiassero e senza che lo scooter cambiasse colore.
• Il riferimento vocale fa il suo lavoro. La voce nel clip ha quasi la stessa altezza dell'audio di riferimento.
• Contro Vidu Q3 Pro, una ripresa semplice da fotogramma iniziale è quasi identica, mentre Vidu Q4 costa sensibilmente meno.
• Il 2K è molto più nitido del 540p, ma una risoluzione più alta ti dà un clip nuovo, non una copia ingrandita.
• Niente modalità solo testo e niente fotogramma finale. Parti sempre da almeno un'immagine.

Cos'è Vidu Q4

Vidu Q4 è il modello video più recente di Vidu AI e funziona in due modi. La modalità fotogramma iniziale anima una sola immagine, e il risultato mantiene le proporzioni di quell'immagine. La modalità riferimento accetta fino a 12 immagini di riferimento più fino a tre clip vocali in MP3 da 3 a 12 secondi, e costruisce una scena attorno a quei soggetti e a quelle voci.

Entrambe le modalità vanno da 3 a 16 secondi, offrono cinque risoluzioni dal 540p al 4K e generano audio nativo che puoi disattivare. Su ZOOOP la modalità fotogramma iniziale si trova in Fotogramma iniziale / finale e la modalità riferimento nel generatore di video IA; in entrambi i casi scegli Vidu Q4.

Test 1: quattro soggetti di riferimento in un'unica inquadratura

Abbiamo creato quattro immagini di riferimento con il generatore di immagini IA: una donna con un cappotto rosso, un uomo con barba e occhiali, uno scooter vintage verde menta e una strada acciottolata di un centro storico europeo.

Il prompt: lui guida lo scooter con lei dietro, lungo la strada all'ora dorata, e lei saluta la camera con la mano. 720p, 5 secondi.

Metti in pausa all'ultimo secondo e ogni riferimento torna. Il cappotto rosso e i capelli ramati sono quelli di lei, gli occhiali e la barba quelli di lui, lo scooter è proprio quel verde menta e la strada è quella del riferimento, tavolini del bar a sinistra compresi.

Il punto debole: per la prima metà i due sono lontani e i loro volti sono piccoli. Se ti servono volti leggibili per tutto il tempo, scrivi "medium shot" o "the riders fill half the frame" nel prompt.

Test 2: un riferimento vocale per il personaggio

È qui che Vidu Q4 si distingue di più, ed è la grande novità di questa generazione di Vidu AI. Con la sintesi vocale abbiamo creato un clip di 5,7 secondi in cui una donna si presenta, poi abbiamo dato al modello quel clip insieme alla foto con il cappotto rosso, chiedendo che lei pronunciasse la battuta in camera, per strada. 540p, verticale 9:16, 6 secondi.

Movimento della bocca e ritmo vanno a tempo con il parlato. Per giudicare la voce non ci siamo affidati solo alle orecchie e abbiamo misurato l'altezza: il clip di riferimento si attesta intorno ai 219 Hz di mediana, il parlato generato intorno ai 225 Hz, meno del 3% di differenza e con una dispersione quasi uguale. In altre parole, Vidu Q4 segue davvero la voce di riferimento.

Chi realizza una serie lo apprezzerà: lo stesso personaggio può avere la stessa voce da un clip all'altro.

Test 3: stesso fotogramma iniziale, Vidu Q4 contro Vidu Q3 Pro

Una domanda frequente è cosa faccia meglio Vidu Q4 rispetto a Vidu Q3. Abbiamo preso una foto di una donna con un caffè accanto alla vetrina di un bar e un solo prompt (solleva la tazza, beve un sorso, sorride e si gira verso la camera), e l'abbiamo lanciato su entrambi a 720p per 5 secondi.

Sinceramente, la differenza è minima. Il movimento è quasi identico in entrambi: un sorso, la tazza che si abbassa un po', lei che si gira e sorride. Luce, capelli e tazza tengono altrettanto bene.

Quindi, se ti serve solo animare un'immagine, Vidu Q3 Pro e Vidu Q4 fanno entrambi il lavoro, e qui Q4 è chiaramente il più economico dei due. Dove Q4 prende il largo è nel lavoro dei test 1 e 2, con riferimenti a più soggetti e guidato dalla voce, che la linea Vidu Q3 non offre.

Test 4: quanto conta 540p contro 2K

Stessa immagine dello scooter, stesso prompt ("slow push-in as sunlight glints off the chrome mirrors"), 3 secondi a 540p e a 2K. Ecco la stessa area ritagliata da ciascuno:

A 540p il bordo dello specchietto e la leva del freno sono morbidi; a 2K i riflessi cromati e il metallo della leva si leggono nitidi. La modalità fotogramma iniziale mantiene anche la forma dell'immagine: questo scatto di prodotto in 4:3 è tornato come video in 4:3.

Un'avvertenza: il faro è acceso nel clip in 2K e spento in quello a 540p. Cambiare risoluzione ti dà un clip diverso, non la ripresa a 540p ingrandita. Usa il 540p per testare i prompt, non per scegliere una ripresa e poi "farle l'upgrade".

Cosa non ha funzionato, e i limiti

• Niente generazione da solo testo. La modalità fotogramma iniziale richiede un'immagine e la modalità riferimento almeno un'immagine di riferimento. Per un testo in video puro, usa un altro modello.
• Niente fotogramma finale. Le transizioni del tipo "trasforma A in B" sono fuori portata.
• La modalità riferimento è più lenta. I nostri clip da fotogramma iniziale sono tornati in un minuto o due; quelli da riferimento hanno richiesto diversi minuti.
• È ancora un'anteprima. Il comportamento può cambiare tra una versione e l'altra, quindi fai prove piccole prima di un progetto grande.
• I riferimenti vocali devono essere in MP3, da 3 a 12 secondi ciascuno.

Come ottenere il massimo da Vidu Q4

Ecco l'ordine che ha funzionato per noi con il nuovo modello di Vidu AI:

1. Prova prompt e combinazioni di riferimenti a 540p, da 3 a 5 secondi, e controlla che ogni persona e ogni oggetto venga riconosciuto;
2. Quando la direzione è giusta, genera la versione finale a 1080p, 2K o 4K;
3. Per più clip dello stesso personaggio, riusa lo stesso riferimento vocale, così la voce resta coerente;
4. Monta i pezzi sulla tela generativa.

Se ti serve solo dare vita a una foto e non hai bisogno di più soggetti o di una voce, Q3 Pro e Q4 si equivalgono, quindi va bene l'uno o l'altro.

In conclusione

Vidu Q4 non è migliore della generazione precedente in tutto; su una ripresa semplice da fotogramma iniziale pareggia con Vidu Q3 Pro. Il suo valore sta nel mettere più persone e oggetti ben definiti in un'unica inquadratura e nel fissare la voce con un clip audio, due cose che prima erano impossibili o andavano sistemate in post-produzione. Per personaggi di brand, cortometraggi a episodi e spot con più persone, il nuovo modello di Vidu AI merita una prova.

Specifiche e altri esempi sono sulla pagina del modello Vidu Q4.