试拍一个镜头，改表情、换机位、再重来，钱就是这么烧掉的。生数科技把新一代旗舰 Vidu Q4 Preview 挂上线，低清打样一条只要两毛多钱，试错的账忽然算得过来了。代价是文生视频榜上完全缺席。
产品概述
Vidu Q4 Preview 是生数科技在 2026 年 10 月 7 日放出的新一代旗舰视频模型公开预览版，走官网和 API 两条通路。生数是清华系背景的团队，上一代主力是 Vidu Q3 系列，这次直接挂在 Q4 名下，官方讲得也直白，完整版 Q4 还没发，预览版就是丢出来收反馈的。
官网：https://www.vidu.com | 中文站：https://www.vidu.cn
它最反常的地方是放弃了文生视频。开放的模式只有两种，图生视频让一张静帧动起来，参考生视频把一叠参考图和一叠音频拼成可控的创作上下文。取舍决定了它服务谁，不是给随手写句话就想出片的用户，是给需要角色前后一致、表演能被遥控的成片流程。
规格上的诚意集中在参考资产的预算上，单次创作最多挂 15 张参考图，再叠 3 段参考音频。角色、服装、道具、环境可各自派一张图锁定，人声用 3 到 12 秒的样本锚定音色。输出端最高 4K，2K 和 4K 档带 10-bit 色深，单条成片最长 16 秒。
官方给的落点是独立创作者、小型工作室和制作团队，场景包括广告比稿、电商多版本素材、开拍前试表演和试分镜。这些活都需要反复调，每一次调整都在烧钱，且没有便宜的替代方案，低清打样正是冲着这一点来的。
它凭啥出圈
先看它把力气花在哪几个地方，这几处恰好是多数视频模型的翻车高发区。
表演：把表情、身体和声音绑在一起
多数模型生成的人物问题不在长相，而在不会演戏。表情僵、情绪跳、动作和台词各演各的，一段近景怼上去就露馅。这次的升级重点，是让表情、情绪、肢体动作和声音在同一套调度里协同，官方说法是从一个安静的眼神到完整的打斗序列，表演的自然度都要往上抬一档。
配套的是 3 段参考音频，你可以给角色预先喂一段声音样本，模型按这个音色生成台词，角色换场景、换情绪，嗓音都能保持统一。观众对声音漂移的容忍度远低于画面漂移，上一集是这个嗓音，下一集一开口换人了，出戏是瞬间的事。
镜头：跟拍和切换敢连着来
运镜是各家都在抢的高地，难点在于镜头动起来之后主体和空间关系会不会散。官方说法是在跟拍、环绕、推拉、升降里稳住人物、主体、空间的三方关系，并且允许在同一段生成里从远景收到中景再收到近景，穿越机那种 FPV 视角也在射程内。实测里方向感和主体稳定性是被提得最多的强项。
视效：光要真的照亮周围
生成一团爆炸不难，难的是爆炸之后世界有没有反应。火光有没有照到人物的宇航服，烟雾有没有挡住视线，粒子顺着不顺着运动方向扩散，这些才是判断特效是贴片还是参与其中的标尺。一段云海巨构亮灯的镜头最能说明问题，装置亮起的那几秒，宇航服、栏杆、脚下的云海都染上暖橙色。
参考：15 张图各自领任务
参考生视频是 Vidu 最早提出的能力之一，Q4 Preview 把额度加到 15 张图。比数量更要紧的是“分工”，人物资料图固定身份，环境图交代空间，动作节点提供阶段目标。每张图清楚自己负责什么，成片出来才能被逐项验收，哪一项被引用了、哪一项漏掉了，都有据可查。
| 能力 | 具体规格 |
|---|---|
| 生成模式 | 图生视频、参考生视频，不支持文生视频 |
| 单条时长 | 图生视频 3 到 16 秒，参考生视频 1 到 16 秒 |
| 参考图上限 | 15 张 |
| 参考音频 | 3 段，每段 3 到 12 秒的 mp3 |
| 最高分辨率 | 4K，2K 与 4K 档带 10-bit 色深 |
| 宽高比 | 1:1、9:16、16:9、3:4、4:3，默认 16:9 |
| 音频 | 默认开启，声画同步输出 |
从零开始试
规格看着漂亮，从注册到拿到第一条成片的路径才是真章。
官网用 Google 账号或邮箱直接注册，不用填一长串表单。免费额度说法不太统一，有渠道称新用户送 3 次渲染，1080p、720p 和更低分辨率各一条；也有渠道说送 500 积分。额度不多，用它之前最好先想清楚试什么，三次试完才发现方向错了最亏。
第一次体验的路径比想象中长，因为参考生视频不是一句话就能出的东西。得先备好参考图，把每张图负责的部分在提示词里标清楚，再选分辨率和宽高比。我第一次只丢了一张产品图加一句描述，镜头能用但很平，补上环境图之后空间关系立刻清楚了。
质量上的分界线比较明显。风格化内容表现最好，动漫、动画、国风这几类出片率高，做二次元动态的用户把它排进第一梯队。写实人脸是短板，第三方早期评测直说这块没有代际跃升，脸部和一两代之前的可灵水平接近，还容易落进“恐怖谷”。
API 接入
要走程序化生成，端点已经公开。图生视频打 POST https://api.vidu.com/ent/v2/img2video，模型名 viduq4-preview，首帧图支持 png、jpeg、jpg、webp，单张不超过 50MB，时长 3 到 16 秒默认 5 秒，分辨率默认 720p。
参考生视频走 POST https://api.vidu.com/ent/v2/reference2video，收 1 到 15 张图和 0 到 3 段 mp3，宽高比默认 16:9，提示词里可以给每张参考图打标签。有一条容易踩的细节，返回的成片链接只保留 24 小时，最好当天就把文件落到自己的存储上，第二天再取就是空地址。
几个隐藏技巧
用顺手之后会发现，这模型的脾气和一般视频工具不太一样。
很多人不知道还有这些用法：
- 低档打样，高档定稿：540p 每秒 9 积分，4K 每秒 78 积分，差了近九倍。要试很多遍的构图、调度、开场全放在 540p 上跑，确认后再升档出定稿。
- 给每张参考图写工作牌：写提示词时标清哪张管身份、哪张管环境、哪张管动作节点，出问题才好回查是哪一项没被引用。
- 音频参考分情绪录：3 段音频别录成同一句话的三个版本，把平静、激动、压低声量各录一段，换情绪时音色不会跳。
- 先锁人再管景：人物一致性不稳时别急着堆形容词。背景越干净、角度越正面，模型越容易把它当成唯一主体。
- 风格化优先：项目允许的话优先做动漫、动画、国风。写实人脸的收益最不确定，风格化内容的一致性反而最稳。
和同类比怎么样
这个赛道对手都是熟面孔，图生视频线上 MiniMax、Google 和快手各有旗舰占位。
| 模型 | AA 图生视频排名 | Elo 分数 | 每分钟价格 | 支持的生成模式 |
|---|---|---|---|---|
| Vidu Q4 Preview | 第 3 | 1,179 | $7.20 | 图生视频 / 参考生视频 |
| MiniMax H3 Max | 第 1 | 1,195 | $4.80 | 图生视频 |
| MiniMax H3 | 第 2 | 1,181 | $7.80 | 图生视频 |
| Google Veo 3.1 | 第 12 | 1,082 | $24.00 | 文生视频 / 图生视频 |
| Kling 3.0 Pro 1080p | 第 20 | 1,055 | $20.16 | 文生视频 / 图生视频 |
数据来源：Artificial Analysis AA-Video-I2V v1.0 榜单，2026 年 10 月 8 日记录；每分钟价格按各模型默认设置的 1080p 输出折算。
它的 Elo 比最好的可灵 3.0 变体高出 124 分，比可灵四个变体之间的内部跨度 19 分大出六倍以上，每分钟价格只有 Veo 3.1 的三成。但它头上压着 MiniMax 的 H3 系列，H3 Max 以 1,195 分排第一，每分钟 4.80 美元，比它还便宜，H3 以 1,181 分排第二，只比它贵出六毛钱。
还有个更要紧的事实藏在这张表外面，这个模型在 Artificial Analysis 的文生视频榜 AA-Video-T2V v2.0 上完全没有出现，因为它不支持文生视频。Vidu 家在该榜的最好成绩是上一代 Q3 Pro 的第 25 名，941 分，而榜首的 Wan 3.0 是 1,156 分。如果你的工作流从一句话开始，这些对比都不适用。
差异不在榜单数字，而在参考资产结构上。Veo 3.1 单条只出 8 秒，每帧都压了 SynthID 水印，还带 C2PA 溯源凭证；Kling 3.0 单条 15 秒，一段能拆成六个镜头，两家也都提供 4K 档。把音频样本当输入目前只有 Vidu 在做，另外两家都不接受。
真实用户怎么说
榜单说明一部分问题，真正天天用它的人嘴里是另一套说法。
社区里的正面反馈集中在两块。做二次元动态的用户说它的动画流畅度是早期选择它的理由，多主体参考生视频把角色一致性这个老问题解决得比预期好。做影视广告的用户提到它懂镜头、懂动作、懂表演，能把剧本里写得出但拍不出的画面做出来。
吐槽也很集中。写实方向是最大的争议点，早期评测认为它的写实度没有代际跃升，人脸尤其容易落进恐怖谷，把期望调到动漫和风格化内容上会舒服很多。另一个被反复提的是时长天花板，16 秒对广告和社交够用，对叙事内容偏短。
加权评分
把上面这些拆开打分，会看到一个明显不均衡的轮廓。
| 维度 | 权重 | 评分 | 一句话解读 |
|---|---|---|---|
| 功能完整性 | 20% | ⭐⭐⭐⭐☆ | 参考预算给到 15 图 3 音频，缺文生视频 |
| 易用性 | 15% | ⭐⭐⭐⭐☆ | 注册即用，但参考资产生成需要前期策划 |
| 性能表现 | 15% | ⭐⭐⭐⭐☆ | 4K 与 10-bit 给到位，16 秒上限拖后腿 |
| AI 能力 | 15% | ⭐⭐⭐⭐⭐ | AA 图生视频榜第三，Elo 领先可灵 124 分 |
| 价格合理性 | 10% | ⭐⭐⭐⭐⭐ | 单秒标价约 4.5 美分起，低于 Veo 3.1 报价 |
| 生态集成 | 10% | ⭐⭐⭐⭐☆ | 官网与 API 双通路，成片链接仅存 24 小时 |
| 文档与支持 | 10% | ⭐⭐⭐☆☆ | 端点参数写得清，定价口径与公告不一致 |
| 更新频率 | 5% | ⭐⭐⭐⭐☆ | 预览版明确用于收集反馈，正式版在排期 |
综合评分：7.6 / 10
分数最高的两项是 AI 能力和价格合理性，正好也是它这次发布的主线。拖后腿的是文档与支持，端点和参数表其实相当完整，问题出在定价口径，公告的每秒 1.4 美分和实际标价的差距不是零头，用户得自己对一遍表。
功能完整性少的那一星来自文生视频的缺席，这算不上能力问题，更像主动的产品取舍，但对从零开始写提示词的用户就是缺一块。生态集成那栏扣在链路细节上，成片链接 24 小时过期要在生产环境加一层转存逻辑。
优缺点
优势
- 低清打样把试错成本压到可忽略：540p 每秒 9 积分，一条 16 秒打样标价七毛出头，构图调度能连着跑好几版
- 参考资产额度给得大方：15 张参考图加 3 段音频参考，人物、服装、道具、环境、音色可分别锚定
- 图生视频质量进第一梯队：AA 图生视频榜第 3，Elo 1,179，比最好的可灵 3.0 高出 124 分
- 原生 4K 加 10-bit，还带音频：同价位里少数把高分辨率、色深、声音三样一起给到位的选项
- 表演和运镜是真升级：表情、情绪、肢体的协同，以及跟拍环绕推拉升降的稳定性
不足
- 写实人脸没有代际跃升：早期评测直说这块接近一两代之前的可灵水平，容易掉进恐怖谷，真人特写要谨慎
- 16 秒天花板偏紧：广告和社媒够用，叙事偏短，对手能一次跑 30 秒并多轮续接
- 定价口径不统一：公告的 1.4 美分是 540p 折扣价，标价按积分表算是 4.5 美分，隔着三倍多
- 10-bit 没有配套保证：编码、色域、HDR 支持都未公布，专业调色管线暂时不能建在它上面
适合谁用
说到底，这不是一个人人都该开的工具，它对使用者的前提条件挺具体。
- 动漫和风格化内容的创作者：风格化是它最稳的一块，二次元动态的流畅度与一致性被反复确认，做动画短片和漫剧的收益最直接
- 短剧和广告团队：需要角色跨镜头一致、反复比稿试机位，15 张参考图加 3 段音频参考就是为这种流程准备的
- 电商和投放素材团队：同一个产品要做面向不同人群的多版本短视频，参考图固定主体、分档出片，效率比传统剪辑高
- 有 API 集成能力的开发者：端点参数透明，参考生视频可直接嵌进内容管线，适合把它当成一个生成能力来用
- 不太适合的人群：想靠一句话出片的用户会被挡在门外；需要 30 秒以上连续镜头的团队也不合适，16 秒上限意味着后期要做大量拼接
价格贵不贵
价格这一块信息量不小，官方公告和官网积分表说的还不是同一件事。
公告里的每秒 1.4 美分是限时折扣价，不是常规价，按秒计费的积分表才是标价体系。把两套口径分开看才能算清一次迭代到底花多少钱，这也是它最大的信息不对称，积分档位与典型用途整理如下。
| 分辨率档 | 每秒积分 | 典型用途 |
|---|---|---|
| 540p | 9 | 构图、调度、开场的批量打样 |
| 720p | 19 | 社交媒体快速出片 |
| 1080p | 24 | 成片交付的主力档位 |
| 2K | 38 | 广告与短剧的高清交付 |
| 4K | 78 | 影视级终稿，带 10-bit 色深 |
积分费率按平台标称的 $0.005 每积分折算，当前有限时套餐折扣最高 30%，实际支付可能低于标价。
标价按积分表算下来是每秒 4.5 美分起步，一路涨到 4K 档的约 39 美分。订阅侧信息来自第三方汇总，据公开梳理个人版大致分为约 10 美元、约 35 美元和约 99 美元三个档位，且明确不提供退款，下单前仍以官网为准。
值不值，看你怎么用。同样一条 16 秒成片，540p 打样标价七毛二，4K 定稿六块二毛四，差了八倍多。真正省钱的用法不是挑最便宜的档，而是把大量试错留在 540p，只在确认后升档，一个镜头跑十版打样再出一次 4K 定稿，总成本约十三美元出头。
常见问题
把散落在前面各处的疑问集中收一下。
Q1：Vidu Q4 Preview 和正式版 Q4 是一回事吗？
A1：不是，预览版是提前放出来收反馈的。 完整版 Q4 尚未发布，性能、可用范围和定价都可能调整，用它做正式项目记得留出返工余量。
Q2：它支持文生视频吗？
A2：不支持，这是最容易踩的认知坑。 目前只开放图生视频和参考生视频，输入必须是一张静帧或一组参考资产，文生视频榜上查不到这个模型。
Q3：免费额度有多少？
A3：很少，且各渠道说法不一致。 有渠道称新用户可获 3 次免费渲染，1080p、720p、更低分辨率各一条；也有 500 积分的说法，建议按最少规划。
Q4：每秒 1.4 美分是真的吗？
A4：是 540p 档的限时折扣价，不是通用价格。 公开积分表显示 540p 每秒 9 积分，按 0.005 美元每积分折算约 4.5 美分一秒，4K 档 78 积分约 39 美分一秒。
Q5：单条最长能生成多长？
A5：上限是 16 秒。 图生视频支持 3 到 16 秒，参考生视频支持 1 到 16 秒，默认分辨率 720p、默认时长 5 秒、音频参数默认开启。
Q6：能达到角色跨镜头一致吗？
A6：可以，但依赖你把参考图分工做好。 最多挂 15 张参考图，人物、服装、道具、环境各派一张锁定，只丢一张图效果会明显打折，写清职责是关键。
Q7：生成的视频能商用吗？
A7：官方未在预览公告中给出统一条款。 公告说明使用条款可能因套餐和地区而异，商用授权要按所选套餐的条款确认，别默认所有档位都带商用权利。
Q8：需要本地安装吗？
A8：不需要，全部在云端完成。 官网注册即可使用，也提供 API 供程序化调用，图生视频端点模型名为 viduq4-preview，参考生视频走独立的端点。
值不值得买
Vidu Q4 Preview 是一个取舍非常清楚的模型。它放弃了文生视频，把资源压在参考资产和表演可控性上，换来的是图生视频榜第三的位置和一条不到一美元的 16 秒成片。对需要角色一致、反复试镜头的团队来说，这套组合很难找到更划算的替代品。
但它不适合所有人。想靠一句话出片的人会被它没有文生视频挡在门外，要做 30 秒以上连续叙事的人会被 16 秒上限拖住，追求写实人脸的人会在恐怖谷里反复失望，这更像是它主动划掉的边界，不是没做好的部分。
还有件事值得记着，这是预览版。生数把话说明白了，完整版 Q4 还在做，反馈会进最终版本，意味着现在这套定价、这些能力上限、甚至有没有文生视频都还不是定论，试错窗口就是现在。