Vidu AI：生数科技的有声视频模型 — Q3 Pro、Turbo与Q4

Vidu AI是什么

Vidu是中国公司生数科技（ShengShu Technology）的视频模型系列。自2025年11月起，Vidu模型生成视频时就带上声音：角色对白、旁白、音效和音乐。

目前有两条产品线：

• Vidu Q3 — 主力，2026年1月底起。Pro于1月27日进入API，更快的Turbo于2月11日上线，参考图能力于4月13日上线。
• Vidu Q4 Preview — 下一代，2026年10月7日起预览：2K和4K，最多15个参考，以及声音参考。

Vidu可在vidu.com、应用里使用，也提供给开发者的API。除了视频，生数科技还有图像、配音、声音克隆和直播虚拟形象模型。

Vidu Q3能做什么

最长16秒，带声音。 对白、旁白、环境声和音乐与视频同一次生成。也可以关掉声音，得到无声视频。

自己切换镜头。 Q3会在一条视频里改变景别和角度，不用另做分镜。生数科技称之为“智能切镜”。镜头和节奏可以控制到单帧。

多个角色对白。 模型能维持几个角色的对话，让口型对齐台词，并把角色摆进画面。

动漫和漫剧是强项。 这是主要场景，生数科技为此单独发布了Q3 Drama：风格化动画、电影感镜头、系列剧和有情节的广告。

多张参考图。 最多7张：角色、场景、道具。生数科技的官方例子是“三个角色加一个场景”，合成一条动画。

非高峰模式。 在API里可以把任务放进off-peak队列：更便宜，但会在48小时内完成。如果没按时完成，任务取消并退回积分。

模型周围的工具。 把视频延长1–7秒；用于长场景的智能关键帧，最多9张图；把视频里的动作迁到角色上；让口型对齐文本或音频；放大到1080p、2K和4K。

Vidu Q3 Pro、Turbo、Mix、Drama和Ad的区别

	Q3 Pro	Q3 Turbo	Q3 Mix	Q3 Drama	Q3 Ad
适合	最高质量	速度和价格	均衡，通用任务	漫剧和电影感	5–8秒短广告
分辨率	540p、720p、1080p	540p、720p、1080p	540p、720p、1080p	720p、1080p	720p、1080p
时长	1–16秒	1–16秒	1–16秒	3–15秒	3–15秒
文生视频	有	有	—	—	—
图生视频	有	有	—	—	—
首尾帧	有	有	—	—	—
参考图	—	有	有	有	有

生数科技认为Q3 Drama在对白、角色站位、动态和电影感镜头上是这一代最好的。Q3 Ad用来做节奏合理的短广告，并保住商品细节。

Vidu Q4 Preview：目前已知的

Q4 Preview于2026年10月7日发布。按生数科技的说明：

• 2K和4K，不再只是Q3的1080p，时长仍是1–16秒；
• 最多15个参考，不再是7个；
• 声音参考 — 同一个角色在不同视频里用同一个声音；
• 动态 — 打斗、奔跑和碰撞不再一顿一顿；
• 特效 — 爆炸、烟花、粒子和能量效果更细；
• 模式 — 图生视频，以及按参考图生成。

价格和结束预览、正式发布的日期，生数科技还没有公布。

Vidu适合哪些任务

• 带多个角色和对白的动漫、漫剧 — Q3 Drama的强项。
• 短剧集，一集一集用同一批角色：用角色表当参考。
• 5–15秒的情节广告 — Q3 Ad。
• 先用Q3 Turbo出草稿，再用Pro做成片。
• 音乐视频： 生数科技另有工具，用一首曲子和1–7张图拼成视频。

Vidu和同类模型

	Vidu Q3	Kling 3.0	Seedance 2.5	海螺AI（Hailuo）
开发方	生数科技	快手	字节跳动Seed	MiniMax（H3）
单次时长	1–16秒	最长15秒	4–30秒	4–15秒
最高分辨率	1080p（Q4为4K）	4K	1080p	2K
声音	有	有	有	有
参考	最多7张图	最多7张图或元素	30张照片、10段视频、10段音频	9张照片、3段视频、3段音频
强项	动漫、漫剧	分镜、带声音的角色	长叙事	11种语言的语音、开放权重
AI2Face	有	有	有	有

选Vidu，是为了风格化动画和多个角色的对白。写实画面和逐步分镜更适合Kling 3.0；一整段长故事更适合Seedance 2.5；更多语言的语音，用海螺系列里的MiniMax H3。

怎么给Vidu写提示词

1. 先写风格和类型： “动漫，电影感镜头，柔和的黄昏光”。
2. 按顺序写动作。 Q3会自己拆成镜头，但事件顺序由你定。
3. 台词加引号，并写上角色名。 语音语言是英语、日语或中文。
4. 用参考图时写清谁是谁： “图1的持剑少年，图2的辫子女生，场景是图3”。
5. 先用Turbo试想法，成片用Pro或Drama。

Anime style, cinematic, warm dusk light. The swordsman from image 1 and the silver-braided girl
from image 2 enter the tea house from image 3, the fox spirit from image 1 trots behind them.
The girl sits down and pours tea, steam rises. The swordsman says: "We rest here tonight."
The fox curls up by the kettle and yawns. Sound: rain outside, a kettle whistling softly.

如何在AI2Face中使用Vidu AI

Vidu在AI2Face生成器里，和Kling 3.0、Seedance 2.5、Veo 3.1放在一起。

1. 注册账号，新用户会获得欢迎积分。
2. 打开生成器，切换到视频，选择Vidu。
3. 上传画面或参考图，写下提示词，设定时长和分辨率。
4. 积分费用在开始前显示。套餐积分不会过期，可以用银行卡或加密货币支付。

角色和场景的参考图也可以在这里做，例如用Nano Banana Pro：本页的图片都是这样生成的。

局限

• Q3最高1080p。 2K和4K只在Q4 Preview和单独的放大工具里。
• 不是每个版本都有全部模式。 文生视频、图生视频和首尾帧在Pro和Turbo里；Mix、Drama和Ad只能按参考图生成。
• 语音语言。 官方是英语、日语和中文。
• 视频当参考。 在参考图模式下，Q3只接收图片；视频输入由上一代Q2 Pro支持。
• Q4是预览版。 价格和正式发布时间尚未公布。

总结

要做动漫、漫剧和有情节的广告，而且需要多个角色对白、自动切镜，就选Vidu。Q3 Turbo适合草稿，Q3 Pro和Drama适合成片，Q4 Preview承诺4K和角色声音。写实场景和逐步分镜，拿结果和Kling 3.0比一比；30秒的连续故事，则和Seedance 2.5比，都在同一个AI2Face生成器里。