Vidu Q4 Preview
Vidu Q4: ein Bild in Bewegung setzen oder eine Szene aus Referenzen bauen
Vidu Q4 ist das neueste Videomodell von ShengShu Technology und seit dem 7. Oktober 2026 als öffentliche Vorschau verfügbar. Auf Kuca kannst du auf zwei Arten damit arbeiten: Entweder erweckst du ein einzelnes Bild zum Leben, oder du gibst dem Modell eine Sammlung aus Referenzbildern und Stimmproben, aus der es eine neue Szene mit denselben Figuren inszeniert. Die Clips dauern 3 bis 16 Sekunden und lassen sich in jeder Auflösung zwischen 540p und 4K rendern.
Vidu Q4 auf Kuca im Überblick
- Modi
- Bild zu Video · Referenz zu Video
- Cliplänge
- 3–16 Sekunden
- Auflösung
- 540p · 720p · 1080p · 2K · 4K
- Referenzen
- Bis zu 12 Bilder und 3 Stimmproben
- Seitenverhältnis (Omni-Referenz)
- 16:9 · 9:16 · 4:3 · 3:4 · 1:1
Was bei Vidu Q4 neu ist
Die meisten Neuerungen in Vidu Q4 drehen sich ums Schauspiel. Laut ShengShu stimmt das Modell Mimik, Körpersprache und Stimme enger aufeinander ab als frühere Vidu-Versionen: Gesichtsausdrücke werden feiner, Gefühle deutlicher, Bewegungen natürlicher. Ein Blick, ein kurzes Zögern oder ein lauter Ruf wirkt dadurch wie aus einem Guss und nicht wie ein Gesicht, das jemand auf eine fremde Bewegung montiert hat. Auch Kamerafahrten und Schnitte folgen jetzt genauer dem, was im Bild passiert. Und aufwendige Effekte wie Funkenflug, Rauch, Feuerwerk oder Explosionen haben mehr Gewicht, bekommen glaubwürdigeres Licht und fügen sich besser in die Szene ein.
Ausgegeben wird bis 4K mit 10-Bit-Farbtiefe. Das sieht man vor allem dort, wo weiche Verläufe gefragt sind: im Abendhimmel, bei Hauttönen, in Nachtszenen. Noch trägt das Release den Zusatz Preview. Es ist die erste öffentliche Version einer neuen Flaggschiff-Reihe und arbeitet vorerst ausschließlich mit Bildern und Referenzmaterial. Einen reinen Text-Modus gibt es bisher nicht. Jedes Video, das du auf Kuca mit Vidu Q4 erstellst, beginnt deshalb mit mindestens einem Bild.
Zwei Wege zum fertigen Video
Ein Bild
Bild zu Video: ein Startbild, eine Einstellung
Bei Bild zu Video ist dein Foto das erste Bild des Clips. Vidu Q4 übernimmt Bildaufbau, Licht und Motiv und erzählt von dort aus weiter, was dein Prompt vorgibt. Dieser Modus passt immer dann, wenn das gewünschte Bild schon existiert: ein Key Visual aus dem Storyboard, ein Produktfoto, ein Porträt oder das letzte Bild eines früheren Clips, an den du nahtlos anschließen willst. Im Generator oben auf der Seite findest du ihn unter dem Tab Generierung aus einem Einzelbild.
Das Format des Clips richtet sich nach deinem Bild, ein Seitenverhältnis wählst du hier nicht. Schneide das Foto also vor dem Hochladen auf die Form zu, die du am Ende brauchst, etwa hochkant fürs Handy oder im Querformat für den großen Bildschirm. Im Prompt beschreibst du dann, was als Nächstes passiert: die Handlung, die Kamerabewegung, die Stimmung. Das Bild selbst noch einmal zu beschreiben, bringt nichts, denn das Modell sieht es ja bereits.
Referenz-Board
Referenz zu Video: aus einem Board voller Referenzen wird eine neue Szene
Bei Referenz zu Video steht das erste Bild nicht fest. Stattdessen gibst du Vidu Q4 die Bausteine einer Szene in die Hand, also Figuren, Kostüme, Requisiten, Produkte und einen Drehort, und das Modell komponiert daraus neue Einstellungen. Das ist der Modus für Short Dramas und Kurzserien, für wiederkehrende Maskottchen und Produktgeschichten. Überall dort also, wo dieselbe Person oder derselbe Gegenstand über mehrere getrennte Clips hinweg stimmen muss. Im Generator liegt er unter dem Tab Omni-Referenz.
Hier legst du das Seitenverhältnis selbst fest: 16:9, 9:16, 4:3, 3:4 oder 1:1. Außerdem kannst du Audio einschalten, damit das Modell Dialoge und Geräusche passend zum Bild ergänzt. Optionale Stimmproben bestimmen, wie sich die einzelnen Figuren anhören. Alles, was du hochlädst, dient als Referenz und nicht als Frame. Das Modell entscheidet also frei über Blickwinkel, Abstand zur Kamera und die Anordnung der Figuren im Raum.
Ein Referenz-Board, auf das Verlass ist
Kuca nimmt pro Generierung mit Vidu Q4 bis zu 12 Referenzbilder an, auf der eigenen Plattform von Vidu sind bis zu 15 möglich. Mehr Bilder bedeuten aber nicht automatisch ein besseres Ergebnis. Jedes Bild sollte seinen Platz verdienen, indem es etwas zeigt, das sich das Modell nicht selbst zusammenreimen kann: ein Gesicht frontal und im Dreiviertelprofil, das komplette Outfit, eine Requisite so, wie sie gehalten wird, den Raum oder die Straße, in der die Szene spielt.
Am besten funktionieren saubere, gleichmäßig ausgeleuchtete Aufnahmen mit jeweils einem klaren Motiv. Auf einem vollen Gruppenfoto muss das Modell erst herausfinden, um wen es eigentlich geht. Soll eine Figur in einem späteren Clip genauso aussehen, verwende dieselben Bilder in derselben Reihenfolge und benenne sie im Prompt ganz schlicht, zum Beispiel die Frau im roten Mantel oder die Thermoskanne aus Edelstahl. So meinen Text und Bilder dieselben Dinge, und das Modell muss nicht raten.
- Gesicht, frontal
- Gesicht, ¾-Ansicht
- Komplettes Outfit
- Requisite
- Drehort
- Zweite Figur
Bis zu 12 Bilder
Stimmproben
- Hauptrolle
- Gegenüber
- Erzählstimme
Stimmproben und Ton
Im Referenzmodus kannst du bis zu drei Stimmproben im MP3-Format hochladen, jede zwischen 3 und 12 Sekunden lang. Sie sorgen dafür, dass Stimme und Sprechweise einer Figur von Einstellung zu Einstellung gleich bleiben. Das wird wichtig, sobald du eine Folge aus einzeln generierten Clips zusammenschneidest. Ideal ist klar gesprochener Text ohne Musik im Hintergrund, und wenn pro Datei nur eine Person spricht, vermischen sich die Stimmen nicht.
Stimmproben legen nur fest, wie gesprochen wird. Damit überhaupt jemand spricht, schaltest du Audio generieren ein und schreibst den Satz in den Prompt, zusammen mit der Angabe, wer ihn sagt und wie: geflüstert, außer Atem, halb lachend. Mit eingeschaltetem Audio ergänzt Vidu Q4 außerdem Atmo und Soundeffekte, die zum Bild passen. Lass den Schalter aus, wenn du den Clip später ohnehin selbst vertonen, synchronisieren oder abmischen willst.
Länge, Auflösung und Credits
Jeder Clip mit Vidu Q4 darf zwischen 3 und 16 Sekunden lang sein, voreingestellt sind 5 Sekunden in 720p. Kurze Clips lassen sich leichter inszenieren: eine Handlung, eine Kamerabewegung, ein emotionaler Moment. Die längeren Laufzeiten lohnen sich für Szenen, die einen Aufbau und eine Pointe brauchen, oder für Prompts, die einen Schnitt innerhalb des Clips verlangen. Denk aber daran, dass du auf einen längeren Clip auch länger wartest.
Den größten Einfluss auf die Kosten hat die Auflösung. 540p reicht völlig, um Timing und Bildausschnitt zu prüfen und zu sehen, ob das Modell deine Referenzen richtig liest. Für Social-Media-Posts gehst du auf 720p oder 1080p, 2K und 4K hebst du dir für die Fassung auf, die du tatsächlich auslieferst oder ins Color Grading gibst. Abgerechnet wird pro Sekunde. Der Button Video generieren zeigt dir die genauen Credits für deine Länge und Auflösung an, bevor etwas abgebucht wird, und das Einschalten von Audio ändert daran nichts.
Prompts wie Regieanweisungen
Schreib den Prompt wie eine kurze Einstellungsbeschreibung: Wer ist im Bild, was tut die Person, was fühlt sie, und was macht die Kamera? Ein Satz wie „Sie liest den Brief, erstarrt und blickt dann langsam zur Tür, die Kamera fährt langsam heran, warmes Licht einer Stehlampe“ gibt dem Modell einen Moment, den es spielen kann. Eine Aneinanderreihung von Adjektiven wie cineastisch, emotional und wunderschön liefert dagegen nichts, woran es sich halten könnte.
Bleib bei einer Idee pro Clip. Brauchst du eine Reaktion in der Großaufnahme und eine Totale, dann generiere beide getrennt mit denselben Referenzen und schneide sie hinterher zusammen. Wenn etwas schiefgeht, ändere immer nur eine Sache, sei es die Formulierung der Handlung, ein einzelnes Referenzbild oder die Länge. Nur so erkennst du, welche Änderung das Problem tatsächlich gelöst hat.
The detective from the first two images sits across the table from the woman in the red coat. He slides a photo toward her. She glances at it, looks away and says quietly, "I've never seen him before." Slow push-in on her face, rain running down the window behind them.Häufige Fragen zu Vidu Q4
Wie erstelle ich auf Kuca ein Video mit Vidu Q4?
Öffne den Generator oben auf dieser Seite und wähle einen Modus. Unter Generierung aus einem Einzelbild lädst du ein Bild hoch und beschreibst die Bewegung. Unter Omni-Referenz fügst du 1 bis 12 Referenzbilder hinzu, auf Wunsch bis zu 3 MP3-Stimmproben, und beschreibst die Szene. Wähle Länge und Auflösung, prüfe die Credits auf dem Button und klicke auf Video generieren. Der fertige Clip erscheint in deinem Verlauf.
Bild zu Video oder Referenz zu Video: Was passt besser?
Nimm Bild zu Video, wenn du das erste Bild schon genau so hast, wie du es willst, und es nur in Bewegung bringen möchtest. Referenz zu Video ist die bessere Wahl, wenn dieselbe Figur, dasselbe Outfit oder dasselbe Produkt in neuen Einstellungen auftauchen soll, die du selbst beschreibst, oder wenn du Dialoge mit einer gleichbleibenden Stimme brauchst.
Kann Vidu Q4 ein Video allein aus einem Text-Prompt erstellen?
In der aktuellen Vorschau nicht. Beide Modi brauchen mindestens ein Bild im Format JPG, PNG oder WebP. Wenn du bisher nur eine Idee hast, erstelle zuerst mit einem Bildmodell ein passendes Key Visual. Das kannst du anschließend mit Vidu Q4 animieren oder als Referenz für eine neue Szene verwenden.
Wie bleibt eine Figur über mehrere Clips hinweg gleich?
Generiere jeden Clip im Referenzmodus mit denselben Bildern in derselben Reihenfolge, beschreibe die Figur jedes Mal mit denselben Worten und verwende dieselbe Stimmprobe. Achte schon in den Referenzbildern auf einheitliches Licht und gleiche Kleidung, denn das Modell orientiert sich an dem, was es sieht, nicht an dem, was du gemeint hast.
Welche Stimmprobe funktioniert am besten?
Eine MP3-Datei von 3 bis 12 Sekunden, in der eine einzige Person deutlich spricht, ohne Musik und mit wenig Raumhall. Nimm sie in dem Ton auf, den du am Ende hören willst, denn eine ruhige Aufnahme ergibt eine ruhige Stimme. Schalte dann Audio generieren ein und setze den eigentlichen Satz in Anführungszeichen in deinen Prompt.
Wie lang darf ein Clip sein und was kostet er?
Zwischen 3 und 16 Sekunden, in 540p, 720p, 1080p, 2K oder 4K. Abgerechnet wird pro Sekunde, und je höher die Auflösung, desto mehr Credits fallen an. Der Button Video generieren zeigt dir die genauen Credits für deine Einstellungen, bevor du startest. Mit eingeschaltetem Audio wird es nicht teurer.
Passende Tools
Vidu Q4 ausprobierenBild zu Video
Animiere ein Foto mit dem Modell, das am besten zur Einstellung passt, auch mit schnelleren und günstigeren Optionen.
MiniMax H3 Max
Ein weiteres referenzbasiertes Modell, das auch Videoclips als Referenz annimmt und vordefinierte Kamerabewegungen bietet.
Produktvideos für Anzeigen
Mach aus Produktfotos kurze Werbeclips und Showcase-Videos für Onlineshops und Social-Media-Feeds.