Vidu Q4 anmeldt: vi testet den nye modellen fra Vidu AI med 4 referanser, et stemmeklipp og 2K
Vidu Q4 er modellen Vidu AI lanserte i oktober 2026, og den er fortsatt merket som forhåndsversjon. Løftet er to ting: å sette mange referansemotiver inn i én innstilling, og å låse stemmen til en karakter med et lydklipp.
Det høres bra ut på en presentasjon. Men holder det? Etter at vi la Vidu Q4 til på ZOOOP, satte vi sammen ett fast sett med input og kjørte det gjennom fire spørsmål.
Kortversjonen
- Referanser med flere motiver fungerer faktisk. Vi ga den to personer, en scooter og en gate, og alle fire dukket opp i én innstilling, uten at personene ble byttet om eller scooteren skiftet farge.
- Stemmereferansen gjør jobben. Talen i klippet havner på nesten samme tonehøyde som referanselyden.
- Mot Vidu Q3 Pro ser en enkel innstilling fra et startbilde nesten identisk ut, mens Vidu Q4 koster merkbart mindre.
- 2K er langt skarpere enn 540p, men en høyere oppløsning gir deg et nytt klipp, ikke en forstørret kopi.
- Ingen ren tekstmodus og ikke noe sluttbilde. Du starter alltid med minst ett bilde.
Hva Vidu Q4 er
Vidu Q4 er den nyeste videomodellen fra Vidu AI, og den fungerer på to måter. Startbildemodus animerer ett enkelt bilde, og resultatet beholder bildets sideforhold. Referansemodus tar opptil 12 referansebilder pluss opptil tre MP3-stemmeklipp på 3 til 12 sekunder, og bygger én scene rundt de motivene og stemmene.
Begge modusene lager klipp på 3 til 16 sekunder, tilbyr fem oppløsninger fra 540p til 4K og genererer innebygd lyd som du kan slå av. På ZOOOP finner du startbildemodus i verktøyet Start-/sluttbilde og referansemodus i AI-videogeneratoren; velg Vidu Q4 i begge.
Test 1: fire referansemotiver i én innstilling
Vi lagde fire referansebilder med AI-bildegeneratoren: en kvinne i rød kåpe, en skjeggete mann med briller, en mintgrønn vintagescooter og en brosteinsgate i en europeisk gamleby.
Prompten: han kjører scooteren med henne bakpå nedover gaten i den gylne timen, og hun vinker til kameraet. 720p, 5 sekunder.
Sett det siste sekundet på pause, og alle referansene stemmer. Den røde kåpen og det rødbrune håret er hennes, brillene og skjegget hans, scooteren har akkurat den mintgrønne fargen, og gaten er den fra referansen, kafébordene til venstre inkludert.
Svakheten: i første halvdel er de to langt unna, og ansiktene er små. Trenger du ansikter som er tydelige hele veien, skriv "medium shot" eller "the riders fill half the frame" i prompten.
Test 2: en stemmereferanse til karakteren
Det er her Vidu Q4 skiller seg mest ut, og det er den viktigste nye evnen i denne generasjonen av Vidu AI. Vi brukte tekst til tale til å lage et klipp på 5,7 sekunder der en kvinne presenterer seg. Det klippet ga vi modellen sammen med bildet av kvinnen i rød kåpe, og ba henne si replikken til kameraet ute på gaten. 540p, stående 9:16, 6 sekunder.
Munnbevegelser og tempo følger talen. For å vurdere stemmen stolte vi ikke bare på ørene, men målte tonehøyden: referanseklippet ligger rundt 219 Hz i median, den genererte talen rundt 225 Hz. Det er under 3 % forskjell, med nesten samme spredning. Med andre ord: Vidu Q4 følger faktisk referansestemmen.
Alle som lager en serie, kommer til å like dette: den samme karakteren kan høres lik ut fra klipp til klipp.
Test 3: samme startbilde, Vidu Q4 mot Vidu Q3 Pro
Et vanlig spørsmål er hva Vidu Q4 gjør bedre enn Vidu Q3. Vi tok ett foto av en kvinne med kaffe ved et kafévindu og én prompt (hun løfter koppen, tar en slurk, smiler og snur seg mot kameraet), og kjørte det på begge i 720p i 5 sekunder.
Ærlig talt er forskjellen liten. Bevegelsen er nesten den samme i begge: en slurk, koppen senkes litt, en vending og et smil. Lys, hår og kopp holder seg like godt i begge.
Så hvis alt du trenger er å animere ett bilde, leverer både Vidu Q3 Pro og Vidu Q4, og her er Q4 klart den billigste av de to. Der Q4 drar fra, er referansearbeidet med flere motiver og stemmestyring fra test 1 og 2, som Vidu Q3-serien ikke tilbyr.
Test 4: hvor mye 540p mot 2K betyr
Samme scooterbilde, samme prompt ("slow push-in as sunlight glints off the chrome mirrors"), 3 sekunder i 540p og i 2K. Her er det samme utsnittet fra hvert av dem:
I 540p er speilkanten og bremsehåndtaket myke; i 2K trer kromrefleksene og metallet i håndtaket tydelig fram. Startbildemodus beholder også formen på bildet: dette produktbildet i 4:3 kom tilbake som 4:3-video.
Én hake: frontlykten er på i 2K-klippet og av i 540p-klippet. Endrer du oppløsningen, får du et annet klipp, ikke 540p-tagningen skalert opp. Bruk 540p til å teste prompter, ikke til å velge en tagning og "oppgradere" den.
Hva som sviktet, og begrensningene
- Ingen generering fra bare tekst. Startbildemodus trenger et bilde, og referansemodus minst ett referansebilde. Til ren tekst-til-video må du bruke en annen modell.
- Ikke noe sluttbilde. Overganger av typen "gjør A om til B" faller utenfor.
- Referansemodus er tregere. Klippene våre fra startbildemodus kom tilbake på et minutt eller to; referanseklipp tok flere minutter.
- Den er fortsatt en forhåndsversjon. Oppførselen kan endre seg mellom versjoner, så test i det små før et stort prosjekt.
- Stemmereferanser må være MP3, hver på 3 til 12 sekunder.
Slik får du mest ut av Vidu Q4
Dette er rekkefølgen som fungerte for oss med den nye modellen fra Vidu AI:
- Test prompter og kombinasjoner av referanser i 540p i 3 til 5 sekunder, og sjekk at hver person og hvert objekt blir gjenkjent;
- Når retningen er riktig, rendrer du den endelige versjonen i 1080p, 2K eller 4K;
- Til flere klipp med samme karakter gjenbruker du samme stemmereferanse, så stemmen holder seg lik;
- Sett sammen delene på det generative canvaset.
Trenger du bare å vekke et foto til live og ikke flere motiver eller en stemme, ligger Q3 Pro og Q4 nær hverandre, så begge fungerer.
Konklusjonen
Vidu Q4 er ikke bedre enn forrige generasjon på alt; i en enkel innstilling fra et startbilde står den likt med Vidu Q3 Pro. Verdien ligger i å sette flere faste personer og objekter inn i én innstilling og å låse stemmen med et lydklipp, to ting som før var umulige eller måtte rettes opp i etterarbeidet. Til merkevarekarakterer, korte serier i episoder og reklamer med flere personer er den nye modellen fra Vidu AI verdt et forsøk.
Spesifikasjoner og flere eksempler finner du på modellsiden for Vidu Q4.