Vidu Q4 Preview
Vidu Q4: anima un fotograma o monta una escena con referencias
Vidu Q4 es el modelo de vídeo más reciente de ShengShu Technology, que lo abrió al público como versión preliminar el 7 de octubre de 2026. En Kuca puedes usarlo de dos maneras: dar vida a una sola imagen o entregarle un tablero de fotos de referencia y clips de voz para que construya una escena nueva con los mismos personajes. Los clips duran entre 3 y 16 segundos y se generan en cualquier resolución desde 540p hasta 4K.
Vidu Q4 en Kuca, de un vistazo
- Modos
- Imagen a vídeo · Referencia a vídeo
- Duración
- 3–16 segundos
- Resolución
- 540p · 720p · 1080p · 2K · 4K
- Referencias
- Hasta 12 imágenes y 3 clips de voz
- Relación de aspecto (Omni Reference)
- 16:9 · 9:16 · 4:3 · 3:4 · 1:1
Qué cambia con Vidu Q4
Casi todas las novedades de Vidu Q4 tienen que ver con la interpretación. Según ShengShu, el modelo coordina la expresión facial, el movimiento del cuerpo y la voz mejor que las versiones anteriores de Vidu, de modo que una mirada, un silencio o un grito se leen como una sola actuación y no como una cara pegada encima de un movimiento. También cuida más cómo se mueve la cámara y dónde corta en relación con lo que pasa en el plano. Y los efectos más cargados, como chispas, humo, fuegos artificiales o explosiones, ganan peso dentro de la escena y una luz más creíble.
La salida llega hasta 4K con color de 10 bits, algo que se nota en los degradados suaves de un cielo, en los tonos de piel y en las escenas nocturnas. Eso sí, el lanzamiento lleva la etiqueta Preview: es la primera versión pública de una nueva línea insignia y, por ahora, solo trabaja a partir de imágenes y material de referencia. Todavía no existe un modo de solo texto, así que cualquier vídeo de Vidu Q4 que hagas en Kuca parte de al menos una imagen.
Dos formas de empezar un vídeo
Una imagen
Imagen a vídeo: un fotograma, un plano
En este modo tu imagen es el primer fotograma. Vidu Q4 respeta su composición, su luz y su sujeto, y a partir de ahí avanza según lo que pidas en el prompt. Te conviene cuando ya tienes exactamente el encuadre que buscas: una viñeta clave del storyboard, la foto de un producto, un retrato o el último fotograma de un clip anterior que quieres continuar. En el generador de arriba corresponde a la pestaña Generación por fotogramas.
El clip hereda el encuadre de la imagen, así que recórtala con la forma que necesitas antes de subirla; aquí no hay que elegir relación de aspecto. En el prompt no vuelvas a describir la foto, porque el modelo ya la está viendo. Cuéntale lo que ocurre a continuación: la acción, el movimiento de cámara y el ambiente.
Tablero de referencias
Referencia a vídeo: un tablero de referencias, una escena nueva
Aquí el primer fotograma no queda fijado. Le das a Vidu Q4 las piezas de la escena (personajes, vestuario, objetos, productos y un lugar) y el modelo compone planos nuevos con ellas. Es el modo pensado para series cortas, mascotas de marca que vuelven en cada entrega e historias de producto, donde la misma persona o el mismo objeto tiene que verse bien en varios clips distintos. En el generador lo encuentras en la pestaña Omni Reference.
En este modo eliges tú la relación de aspecto y puedes activar el audio para que el modelo añada diálogos y efectos de sonido a la imagen. Si quieres, sumas clips de voz que le indican cómo debe sonar cada personaje. Las imágenes y voces que subes funcionan como referencia y no como fotograma, de modo que el modelo decide con libertad los ángulos, la distancia y dónde se colocan y se mueven los actores.
Cómo armar un tablero de referencias que funcione
Kuca admite hasta 12 imágenes de referencia por cada generación con Vidu Q4; en su propia plataforma, Vidu habla de hasta 15. Pero más fotos no garantizan un mejor resultado. Cada imagen tiene que ganarse su sitio mostrando algo que el modelo no puede adivinar: la cara de frente y de tres cuartos, el vestuario completo, un objeto sostenido como corresponde, la habitación o la calle donde transcurre la escena.
Usa fotos limpias, con luz pareja y un único sujeto claro en cada una. Una foto de grupo abarrotada obliga al modelo a deducir quién importa. Si un personaje tiene que verse igual en un clip posterior, repite las mismas imágenes en el mismo orden y nómbralas de forma sencilla en el prompt, por ejemplo la mujer del abrigo rojo o la cafetera de aluminio, para que el texto y las imágenes señalen lo mismo.
- Cara, de frente
- Cara, de ¾
- Vestuario completo
- Objeto
- Lugar
- Segundo personaje
Hasta 12 imágenes
Clips de voz
- Protagonista
- Coprotagonista
- Narrador
Clips de voz y sonido
El modo de referencia acepta hasta tres clips de voz en MP3, de entre 3 y 12 segundos cada uno. Sirven para que la voz de un personaje y su forma de decir las cosas se mantengan estables de un plano a otro, algo clave cuando una serie se monta a partir de generaciones separadas. Lo que mejor funciona es un clip con habla clara y sin música de fondo, y un solo hablante por archivo evita que las voces se mezclen.
Ojo: los clips de voz solo definen cómo suena el habla. Para que alguien hable, activa Generar audio y escribe la frase en el prompt, junto con quién la dice y cómo: en susurros, sin aliento, medio riéndose. Con el audio activado, Vidu Q4 añade además ambiente y efectos que encajan con la imagen. Déjalo apagado si piensas poner música, doblar o mezclar el clip por tu cuenta más adelante.
Duración, resolución y créditos
Cada clip de Vidu Q4 puede durar entre 3 y 16 segundos. Los clips cortos son más fáciles de dirigir: una acción, un movimiento de cámara, un momento emocional. Reserva las duraciones largas para escenas que necesitan un planteamiento y un remate, o para prompts que piden un corte dentro del clip, y ten en cuenta que un clip más largo también supone más espera.
La resolución es lo que más pesa en el coste. Con 540p basta para revisar el ritmo, el encuadre y si el modelo está leyendo bien tus referencias. Sube a 720p o 1080p para publicaciones en redes y guarda 2K y 4K para la versión que de verdad vas a entregar o etalonar. El botón Generar vídeo muestra el coste exacto en créditos para tu duración y resolución antes de que gastes nada, y activar el audio no lo cambia.
Prompts que dirigen una actuación
Escribe el prompt como si describieras un plano: quién sale en cuadro, qué hace, qué siente y qué hace la cámara. Algo como “Lucía lee el mensaje, se queda inmóvil y luego levanta despacio la mirada hacia la puerta; la cámara se acerca lentamente, luz cálida de lámpara” le da al modelo un momento que interpretar. Una ristra de adjetivos como cinematográfico, emotivo o precioso no le da nada con lo que actuar.
Una idea por clip. Si necesitas un plano de reacción y un plano general, genéralos por separado con las mismas referencias y móntalos después. Cuando algo sale mal, cambia una sola cosa cada vez, ya sea la forma de describir la acción, una imagen de referencia o la duración, para saber qué cambio lo arregló.
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.Preguntas frecuentes sobre Vidu Q4
¿Cómo hago un vídeo con Vidu Q4 en Kuca?
Abre el generador en la parte superior de esta página y elige un modo. En Generación por fotogramas, sube una imagen y describe el movimiento. En Omni Reference, añade de 1 a 12 imágenes de referencia, hasta 3 clips de voz en MP3 si los necesitas, y describe la escena. Elige duración y resolución, comprueba el coste en el botón Generar vídeo y genera. El clip terminado aparece en tu historial.
¿Me conviene imagen a vídeo o referencia a vídeo?
Imagen a vídeo, cuando ya tienes el primer fotograma exacto y solo quieres que cobre movimiento. Referencia a vídeo, cuando el mismo personaje, vestuario o producto tiene que aparecer en planos nuevos que tú describes, o cuando quieres diálogos con una voz que no cambie entre clips. En los dos modos las imágenes pueden ser JPG, PNG o WebP.
¿Puede Vidu Q4 crear un vídeo solo a partir de texto?
No en la versión preliminar actual: los dos modos necesitan al menos una imagen. Si solo tienes una idea, crea primero un fotograma clave con un modelo de imagen y después anímalo con Vidu Q4 en Generación por fotogramas o úsalo como referencia en Omni Reference.
¿Cómo mantengo el mismo personaje en varios clips?
Genera cada clip en modo de referencia con el mismo conjunto de imágenes y en el mismo orden, describe al personaje con las mismas palabras cada vez y reutiliza el mismo clip de voz. Mantén coherentes la iluminación y el vestuario en las propias imágenes de referencia, porque el modelo sigue lo que ve.
¿Qué tipo de clip de voz funciona mejor?
Un MP3 de entre 3 y 12 segundos con una sola persona hablando con claridad, sin música y con poco eco de la sala. Grábalo con el tono que buscas, porque un clip tranquilo produce una voz tranquila. Después activa Generar audio y escribe la frase exacta entre comillas en el prompt.
¿Cuánto puede durar un clip y cuánto cuesta?
Entre 3 y 16 segundos, en 540p, 720p, 1080p, 2K o 4K. El coste se calcula por segundo y aumenta con la resolución; el botón Generar vídeo te muestra los créditos exactos para tus ajustes antes de empezar. Activar el audio no encarece la generación.
Herramientas relacionadas
Prueba Vidu Q4Imagen a vídeo
Anima una foto con el modelo que mejor encaje con cada plano, incluidas opciones más rápidas y económicas.
MiniMax H3 Max
Otro modelo basado en referencias que además acepta clips de vídeo como referencia y ofrece movimientos de cámara predefinidos.
Anuncios de vídeo de producto
Convierte fotos de producto en anuncios cortos y clips de presentación para tiendas online y redes sociales.