Vidu Q4 Preview 預覽版
Vidu Q4：讓一張畫面動起來，或用參考素材拍一場新戲
Vidu Q4 是生數科技（ShengShu Technology）最新推出的影片模型，2026 年 10 月 7 日以公開預覽版 Vidu Q4 Preview 的形式上線。在 Kuca 上，你可以用兩種方式使用它：一是直接讓單張圖片動起來；二是交給它一整組參考圖和語音檔，讓同一批角色在新的場景裡重新上戲。每段影片長 3 到 16 秒，解析度從 540p 到 4K 都能選。
Vidu Q4 在 Kuca 的規格速覽
- 模式
- 圖生影片 · 參考生影片
- 影片長度
- 3–16 秒
- 解析度
- 540p · 720p · 1080p · 2K · 4K
- 參考素材
- 最多 12 張圖片、3 段語音檔
- 畫面比例（全能參考）
- 16:9 · 9:16 · 4:3 · 3:4 · 1:1
Vidu Q4 改進了哪些地方
Vidu Q4 這次的更新，重點幾乎都放在「演技」上。根據生數科技的說法，這一代讓臉部表情、肢體動作和聲音配合得比過去的 Vidu 版本更緊密：一個眼神、一次停頓、一聲大喊，看起來都像同一個人在演，而不是把一張臉硬貼到一段動作上。表情更細膩、情緒更到位，動作也更自然。它也更懂得依照角色的動作安排運鏡和剪接點；火花、煙霧、煙火、爆炸和粒子這類特效，放進畫面裡更有份量，光影更可信，整體美感也跟著提升。
輸出最高支援 4K 與 10 位元色彩，天空、膚色和夜景裡的漸層會更平順。這次發表的是掛著 Preview 標籤的預覽版，也是全新旗艦系列的第一個公開版本，目前只能從圖片和參考素材出發，還沒有純文字生成模式。換句話說，你在 Kuca 上做的每一支 Vidu Q4 影片，至少都得從一張圖片開始。
開始做影片的兩種方式
單張圖片
圖生影片：一個影格，一顆鏡頭
圖生影片會把你上傳的圖片當成開場的第一個影格。Vidu Q4 會保留原圖的構圖、光線與主體，再依照提示詞讓畫面往下發展。如果你手上已經有那張「就是它」的畫面，例如分鏡表裡的關鍵畫面、一張商品照、一張人像照，或是上一段影片的最後一個影格、想接著拍下去，就選這個模式。在上方的生成器裡，它就是「幀生成」分頁。
影片的畫面比例直接跟著圖片走，沒有另外的比例選項，所以上傳前請先把圖片裁切成需要的尺寸。寫提示詞時，重點放在接下來會發生什麼：角色的動作、鏡頭怎麼移動、整體氣氛如何。圖片裡已經有的內容不必再描述一次，模型自己看得到。
參考素材
參考生影片：一組參考素材，拍出全新場景
參考生影片不會鎖定開場畫面。你把一場戲需要的元素交給 Vidu Q4，像是角色、服裝、道具、商品和場景，它會用這些素材重新安排出新的鏡頭。拍短劇、經營固定出場的品牌吉祥物、做商品故事影片時，同一個人或同一樣東西要在好幾段各自生成的影片裡長得一樣，這時就該用這個模式。在生成器裡，它位在「全能參考」分頁。
這個模式可以自己選畫面比例，也能開啟音訊，讓模型在畫面之外加上對白和音效。另外還能選擇性上傳語音檔，告訴它每個角色該是什麼聲音。你上傳的所有素材都只是參考，不會被當成影格，所以鏡位、遠近和角色走位都由模型自行決定。
準備一組撐得住的參考素材
Kuca 上每次 Vidu Q4 生成最多可以放 12 張參考圖；Vidu 自家平台則列出最多 15 張。不過圖片多，效果不一定比較好。每一張都要提供模型自己猜不到的資訊：正臉與四分之三側臉、從頭到腳的完整穿搭、道具正確的拿法，還有這場戲發生的房間或街道。
盡量挑乾淨、光線平均、每張只有一個清楚主體的圖片。人擠人的團體照，等於逼模型自己猜誰才是重點。如果某個角色在之後的影片裡還要長得一模一樣，就照相同順序重複使用同一組圖片，並在提示詞裡用最白話的方式指出來，例如「穿紅色風衣的女生」「那個銀色保溫瓶」，讓文字和圖片指向同一樣東西。
- 正臉
- ¾ 側臉
- 全身穿搭
- 道具
- 場景
- 第二個角色
最多 12 張圖片
語音檔
- 主角
- 搭檔
- 旁白
語音檔與聲音
參考模式最多可以上傳 3 段 MP3 格式的語音檔，每段長度 3 到 12 秒。它們能讓角色的音色和講話方式在鏡頭之間保持一致；短劇常常是把好幾次分開生成的片段剪在一起，這點就特別重要。效果最好的是清楚的人聲，底下不要墊音樂，而且一個檔案只放一個人講話，角色的聲音才不會混在一起。
語音檔只影響「怎麼講」，不決定「講什麼」。要讓角色開口，必須打開「生成音訊」，並在提示詞裡寫出台詞，同時交代是誰講、用什麼狀態講：壓低聲音、喘著氣、半笑著說。開啟音訊後，Vidu Q4 也會配上符合畫面的環境音與音效。如果之後打算自己配樂、配音或混音，就把它關掉。
片長、解析度與積分
每支 Vidu Q4 影片的長度可以設定在 3 到 16 秒之間，預設是 720p、5 秒。短片比較好導：一個動作、一次運鏡、一個情緒轉折。較長的片長就留給需要鋪陳和收尾的戲，或是在提示詞裡要求片中換鏡頭的場景；另外也要記得，片子越長，要等的時間也越久。
影響費用最大的是解析度。540p 就足以確認節奏、構圖，以及參考圖有沒有被正確解讀。要發社群貼文可以拉到 720p 或 1080p，2K 和 4K 則留給最後交件或還要調色的版本。積分按秒計算，解析度越高越貴；在積分真正扣掉之前，「生成影片」按鈕就會顯示目前片長與解析度所需的確切積分，而開啟音訊並不會改變價格。
用提示詞導一場戲
提示詞要寫得像一段簡短的分鏡說明：畫面裡有誰、在做什麼、心情如何、鏡頭怎麼動。例如「她讀完手機訊息，整個人愣住，接著慢慢抬頭望向門口；鏡頭緩緩推近，檯燈透出暖黃色的光」，模型就有一個能演的節拍。如果只是堆上一串「電影感、很有情緒、超唯美」這類形容詞，它反而無從演起。
一段影片只處理一件事。如果同時需要角色的反應鏡頭和一個遠景，就用同一組參考分兩次生成，之後再剪在一起。結果不理想時，一次只改一個地方，不論是動作的寫法、其中一張參考圖還是片長，這樣才分得出究竟是哪個修改發揮了作用。
前兩張圖裡的警探坐在桌子一側，對面是穿紅色風衣的女子。他把一張照片推到她面前。她瞄了一眼，別開視線，小聲地說：「我從來沒見過他。」鏡頭緩緩推近她的臉，兩人身後的窗戶上雨水不斷滑落。
Vidu Q4 常見問題
如何在 Kuca 上用 Vidu Q4 做影片？
打開本頁最上方的生成器，先選擇模式。在「幀生成」上傳一張圖片並描述動作；在「全能參考」加入 1 到 12 張參考圖，需要的話再加最多 3 段 MP3 語音檔，然後描述這場戲。選好片長和解析度，確認按鈕上顯示的積分，再按下「生成影片」。完成的影片會出現在你的生成紀錄裡。
該選圖生影片還是參考生影片？
如果你已經有確定的第一個畫面，只想讓它動起來，就用圖生影片，原圖的構圖和光線都會保留。如果同一個角色、同一套服裝或同一件商品要出現在你重新描述的鏡頭裡，或是希望對白一直是同一個聲音，就用參考生影片，鏡位和走位交給模型處理。
Vidu Q4 可以只靠文字提示詞生成影片嗎？
目前的預覽版還不行，兩種模式都至少需要一張 JPG、PNG 或 WebP 圖片。如果你只有一個點子，可以先用圖片模型做出一張關鍵畫面，再用 Vidu Q4 讓它動起來，或把它當成參考圖放進全能參考。這張關鍵畫面最好主體清楚、光線平均，之後不管用哪種模式都比較容易成功。
怎麼讓同一個角色在多支影片裡保持一致？
每支影片都用參考模式生成，照相同順序放進同一組圖片，每次都用一樣的詞描述這個角色，並重複使用同一個語音檔。參考圖本身的光線和服裝也要一致，因為模型會照著它看到的東西來生成。
什麼樣的語音檔效果最好？
一段 3 到 12 秒的 MP3，只有一個人清楚講話，沒有背景音樂，空間回音也越少越好；一個檔案只錄一個人，最多可以放 3 段。用你想要的語氣錄，平靜的錄音就會得到平靜的聲音。接著打開「生成音訊」，把真正要講的台詞用引號寫進提示詞。
影片最長多久？要花多少積分？
長度 3 到 16 秒，解析度可選 540p、720p、1080p、2K 或 4K。費用按秒計算，解析度越高越貴；開始之前，「生成影片」按鈕會顯示目前設定所需的確切積分。開啟音訊不會額外加價。想省積分的話，可以先用 540p 確認節奏和構圖，沒問題再拉高解析度出成品。