Обзор Vidu Q4: проверили новую модель Vidu AI на 4 референсах, голосовом клипе и 2K

Vidu Q4 — модель, которую Vidu AI выпустила в октябре 2026 года, и пока она всё ещё помечена как превью. Обещают две вещи: в один кадр можно поместить много референсных объектов, а голос персонажа можно закрепить аудиоклипом.

На слайде это звучит хорошо. А как на деле? Добавив Vidu Q4 в ZOOOP, мы собрали один фиксированный набор входных данных и прогнали его через четыре вопроса.

Коротко

• Референсы с несколькими объектами действительно работают. Мы дали двух людей, скутер и улицу, и все четыре оказались в одном кадре: люди не перепутались, а скутер не сменил цвет.
• Голосовой референс делает своё дело. Речь в ролике звучит почти на той же высоте, что и референсное аудио.
• По сравнению с Vidu Q3 Pro простой план по первому кадру выглядит почти одинаково, а Vidu Q4 стоит заметно дешевле.
• 2K гораздо чётче, чем 540p, но при более высоком разрешении вы получаете новый ролик, а не увеличенную копию.
• Нет режима только по тексту и нет последнего кадра. Начинать всегда приходится хотя бы с одного изображения.

Что такое Vidu Q4

Vidu Q4 — новейшая видеомодель Vidu AI, и работает она двумя способами. Режим первого кадра оживляет одно изображение, а результат сохраняет его соотношение сторон. Режим референсов принимает до 12 референсных изображений и до трёх голосовых клипов в MP3 длиной от 3 до 12 секунд и строит одну сцену вокруг этих объектов и голосов.

Оба режима дают ролики от 3 до 16 секунд, предлагают пять разрешений от 540p до 4K и сами генерируют звук, который можно отключить. На ZOOOP режим первого кадра находится в разделе видео по первому и последнему кадру, а режим референсов — в ИИ-генераторе видео. В любом из них просто выберите Vidu Q4.

Тест 1: четыре референсных объекта в одном кадре

С помощью генератора ИИ-изображений мы сделали четыре референса: женщину в красном пальто, бородатого мужчину в очках, мятно-зелёный винтажный скутер и мощёную улицу европейского старого города.

Промпт: в золотой час он едет по улице на скутере, она сидит сзади и машет в камеру. 720p, 5 секунд.

Поставьте на паузу последнюю секунду, и всё сходится. Красное пальто и рыжевато-каштановые волосы — её, очки и борода — его, скутер того самого мятного цвета, а улица та же, что на референсе, вместе со столиками кафе слева.

Слабое место: первую половину ролика ездоки далеко, и лица у них маленькие. Если лица должны быть различимы всё время, напишите в промпте "medium shot" или "the riders fill half the frame".

Тест 2: голосовой референс для персонажа

Здесь Vidu Q4 отличается сильнее всего, и это главная новая возможность этого поколения Vidu AI. В инструменте «Текст в речь» мы сделали 5,7-секундный клип, в котором женщина представляется. Потом отдали модели этот клип вместе с фото в красном пальто и попросили, чтобы она произнесла эту фразу в камеру, стоя на улице. 540p, вертикально 9:16, 6 секунд.

Движения губ и темп совпадают с речью. Чтобы оценить голос, мы не стали полагаться только на слух и измерили высоту тона: медиана у референсного клипа около 219 Гц, у сгенерированной речи около 225 Гц. Разница меньше 3%, и разброс почти такой же. Иными словами, Vidu Q4 действительно следует референсному голосу.

Тем, кто делает серии роликов, это понравится: один и тот же персонаж может звучать одинаково от ролика к ролику.

Тест 3: один первый кадр, Vidu Q4 против Vidu Q3 Pro

Частый вопрос — что Vidu Q4 делает лучше, чем Vidu Q3. Мы взяли одно фото женщины с кофе у окна кафе и один промпт (она поднимает чашку, делает глоток, улыбается и поворачивается к камере) и прогнали его на обеих моделях в 720p по 5 секунд.

Честно говоря, разница крошечная. Движение в обоих роликах почти одинаковое: глоток, чашка чуть опускается, поворот и улыбка. Свет, волосы и чашка держатся одинаково хорошо.

Так что если нужно просто оживить одно изображение, справятся и Vidu Q3 Pro, и Vidu Q4, причём Q4 здесь явно дешевле. Отрывается Q4 там, где нужны референсы с несколькими объектами и голосом, как в тестах 1 и 2. В линейке Vidu Q3 такого нет.

Тест 4: насколько велика разница между 540p и 2K

То же изображение скутера, тот же промпт ("slow push-in as sunlight glints off the chrome mirrors"), по 3 секунды в 540p и в 2K. Вот один и тот же фрагмент из каждого ролика:

В 540p ободок зеркала и рычаг тормоза размыты; в 2K хромированные блики и металл рычага видны чётко. Режим первого кадра к тому же сохраняет форму изображения: этот предметный снимок 4:3 вернулся видео 4:3.

Одна загвоздка: в ролике 2K фара горит, а в 540p нет. Сменив разрешение, вы получаете другой ролик, а не увеличенный дубль 540p. Используйте 540p, чтобы проверять промпты, а не чтобы выбрать дубль и потом «апгрейдить» его.

Что ломалось и какие есть ограничения

• Нет генерации только по тексту. Режиму первого кадра нужно изображение, режиму референсов — хотя бы одно референсное изображение. Для видео чисто по тексту берите другую модель.
• Нет последнего кадра. Переходы в духе «преврати A в B» не поддерживаются.
• Режим референсов медленнее. Наши ролики по первому кадру приходили через минуту-две, а референсные занимали несколько минут.
• Это всё ещё превью. Поведение может меняться от версии к версии, так что перед большим проектом сначала попробуйте на малом.
• Голосовые референсы только в MP3, каждый от 3 до 12 секунд.

Как выжать из Vidu Q4 максимум

С новой моделью Vidu AI у нас сработал такой порядок:

1. Проверьте промпты и сочетания референсов в 540p на 3–5 секунд и убедитесь, что каждый человек и предмет распознан;
2. Когда направление найдено, рендерьте финал в 1080p, 2K или 4K;
3. Для нескольких роликов с одним персонажем берите один и тот же голосовой референс, чтобы голос не менялся;
4. Соберите части на генеративном холсте.

Если нужно только оживить фото, а несколько объектов и голос не нужны, Q3 Pro и Q4 дают близкий результат, так что подойдёт любая.

Итог

Vidu Q4 не во всём лучше предыдущего поколения: на простом плане по первому кадру она идёт вровень с Vidu Q3 Pro. Её ценность в том, что в один кадр можно поместить несколько заданных людей и предметов, а голос закрепить аудиоклипом. Раньше и то и другое было либо невозможно, либо требовало исправлений на постпродакшне. Для брендовых персонажей, сериальных коротких роликов и рекламы с несколькими людьми новую модель Vidu AI стоит попробовать.

Характеристики и другие примеры — на странице модели Vidu Q4.