Vidu Q4

Vidu Q4 が得意なこと、苦手なこと

Vidu Q4 は多くの要素を同時に一貫させるために作られています。多くの動画モデルが無理なく扱えるのは参照 1〜2 枚までですが、Q4 は 1 ショットに最大 12 枚の参照画像と最大 3 つの参照ボイスを受け付けます。複数のキャラクター、製品、ロケーションがそれぞれの見た目を保ち、生成されるセリフも正しい声のままです。

1 つ目の主力機能は被写体と声を使った参照動画生成です。画像を添付し、プロンプトで誰が何をするかを指定し、必要なら 3〜12 秒の MP3 ボイスクリップを追加します。私たちのテストでは、2 体のロボットの参照が 9:16 の画面で夕暮れの屋上に並んで立ち、デザインが入れ替わることなく体を揺らしました。1 人のキャラクターがカメラに手を振って挨拶する場面では、映像と一緒に音声も生成されました。

2 つ目は解像度の幅です。540p から 4K までの 5 段階があるので、テイクを安く試し、残すものを大画面向けに 2K や 4K でレンダリングできます。モデルを切り替える必要はありません。

3 つ目は音声付きで長く作れることです。3〜16 秒の好きな長さで、セリフ・効果音・環境音がまとめて生成されます。映像だけのクリップなら音声をオフにできます。

苦手な点：テキストのみのモードと終了フレームがありません。テキストのみの動画生成は Gemini Omni 1.1 Flash か MiniMax H3 Max、開始・終了フレームのトランジションは MiniMax H3 Max の担当です。また、まだプレビュー版のモデルなので、成熟するにつれて挙動が変わる可能性があります。16 秒より長いテイクが必要なら、Wan V3.0 は 30 秒まで対応します。

合理的な考え方：複数の被写体や特定の声を一貫させたいとき、または最終版を 4K にする必要があるときは Vidu Q4 を選ぶ。手早い開始フレームのクリップには MiniMax H3 Max、編集や延長が必要なときは Gemini Omni 1.1 Flash を使いましょう。