Vidu Q4 Preview 上手：15 张参考图、3 段参考音频与 4K 输出怎么用

这是一次什么更新

2026 年 10 月 8 日前后，生数科技发布了新一代视频生成旗舰模型的首个预览版 Vidu Q4 Preview（海外新闻稿日期为 10 月 7 日）。官方把它定位为“预览版”：先开放给创作者在真实项目里试用，收集反馈再完善正式版。

这次宣传的重点有三个：

• 人物演绎：表情、情绪和动作的完整性；
• 镜头语言：动态运镜、切镜，以及复杂镜头之间的衔接；
• 复杂视效：爆炸、烟火、粒子等效果，以及人物、空间与叙事之间的关系。

如果你之前用过 Vidu Q1 / Q2 的“参考生视频”，Q4 Preview 可以理解为把参考素材的上限、画质和价格都往前推了一大步。

核心参数一览

以下数字来自发布当天的多家媒体报道：

几点需要注意：

• 参考图数量有出入：官方与中文媒体写的是 15 张，但有第三方 API 平台的文档写的是 12 张，以你实际使用的入口为准；
• 0.09 元/秒是“起”价，对应的是最低档规格，2K / 4K 的价格会更高，优惠的截止时间报道里也没有写；
• 预览版功能可能随时调整，套餐、地区不同，可用功能也可能不同。

先搞懂“参考生视频”

Vidu 的参考生视频是它最有特色的一条线，演进大致如下：

• Q1 参考生（2025 年 7 月）：上传多个主体（最多 7 个）的参考图，直接生成同框视频，省去先做分镜首帧的步骤；
• Q2 参考生 Pro（2026 年 1 月）：可同时输入 2 段视频和 4 张图片作参考，按特效、表情、纹理、动作、人物、场景六类复刻，还配了可以增删改元素的“视频魔术刷”；
• Q4 Preview（2026 年 10 月）：参考图上限提升到 15 张，并新增最多 3 段参考音频。

和“图生视频”的区别在于：图生视频是把一张图当作第一帧往下动；参考生视频是把多张图当作素材库，让模型自己构图、自己安排它们出现在画面里。前者构图可控，后者组合灵活。

15 张参考图怎么分配

参考图多不等于越多越好。建议按“角色—场景—道具”分组整理，每一张都有明确用途：

1. 角色：每个角色 1～3 张，正面清晰、光线均匀，服装与成片一致。同一个角色的几张图之间不要换衣服、换发型；
2. 场景：1～2 张交代空间，最好是没有人物的空镜，避免模型把场景图里的人也当成角色；
3. 道具：只放剧情里真正要出现、且外观需要固定的物件，比如一个产品、一把伞。

提示词里用和参考图一致的称呼指代它们，例如“穿灰色卫衣的男生”“红色雨伞”，不要一会儿叫“男主”、一会儿叫“他”。

穿灰色卫衣的男生撑着红色雨伞走进便利店，抖落伞上的雨水，
抬头看见收银台后的短发女店员，两人对视一秒后他笑了一下。
镜头从门外跟随进入店内，缓慢推近到两人中景。夜晚，暖色室内灯光，写实风格。

参考音频：让角色“声音不变”

参考音频是 Q4 Preview 最值得尝试的新能力，报道里给它的用途是保持角色音色一致。对做短剧、漫剧的人来说，以前同一个角色每个镜头声音都不一样，后期只能统一重新配音；现在可以给每个角色挂一段固定的声音参考。

使用时注意：

• 一个角色一段音频，干声、无背景音乐、无混响，时长不必长，但要能听清音色；
• 只用你有权使用的声音：自己的声音、获得书面授权的配音演员，或配音平台里允许商用的音色。用他人声音（尤其是公众人物）做参考，涉及肖像权、声音权益和平台规则，红线见《AI 配音与声音复刻：国产工具和授权红线》；
• 预览版对台词口型、语种的支持程度报道里没有细说，正式用于项目前先拿一个短镜头测试。

推荐工作流：低清试错，高清定稿

Q4 Preview 同时提供 540P 到 4K 五档，计费随分辨率变化。发布报道里给出的建议也很实用：先用低分辨率测试多个开场、脚本和镜头版本，再用 2K 或 4K 做最终版本。

1. 540P / 720P：同一镜头跑 2～3 个版本，只看构图、动作和表演是否成立
2. 1080P：选中的版本复跑，检查人物一致性和声音
3. 2K / 4K：最终输出，用于需要展示材质、光影的产品镜头或成片

需要注意：换分辨率重新生成，结果不保证和低清版完全一样，所以“定稿”指的是锁定提示词和参考素材，而不是锁定某一条视频。

这套流程尤其适合官方提到的几类场景：广告团队同时测试多个创意开场，电商为不同产品和人群批量出素材，短剧和漫剧团队提前验证人物关系和镜头节奏，影视团队做分镜预演。

提示词：把篇幅花在“表演”和“镜头”上

既然这一代强调人物演绎和镜头语言，提示词也应该把描述重心放在这两处：

• 写可见的表演：不写“他很难过”，写“他低头沉默两秒，手指攥紧杯子，眼眶发红”。有试用者提到，即使在没有台词的停顿里，角色的眼神和表情也能传达情绪，这种“停顿”值得写进提示词；
• 写清镜头顺序：16 秒可以容纳多个镜头，用“先……然后……最后……”交代景别和运镜的变化，每段只安排一个主要动作；
• 视效要给因果：写“玻璃窗在爆炸冲击下向内碎裂，碎片落在他脚边”，比单写“爆炸特效”更容易得到和人物、空间有关联的画面。

通用的提示词结构和运镜词汇，可以参考《Seedance 提示词写法》和《可灵 4.0 上手要点》，思路大体相通。

发布前的提醒

• 预览版不等于正式版：效果、价格和参数都可能变动；有报道也提醒，单价低不代表总成本低，如果废片率高，返工成本反而更高，先用小项目测出自己的“可用率”；
• 标注 AI 生成：按照《人工智能生成合成内容标识办法》，发布到抖音、视频号、B 站、小红书等平台时，要主动声明内容由 AI 生成，不要删除平台添加的标识；
• 参考素材要有权利：参考图里的人脸、参考音频里的声音、画面里的品牌和角色，都要确认你有权使用。不要用真实明星或知名影视、动漫角色做参考素材。

参考来源

• 生数科技发布视频生成模型 Vidu Q4 Preview 预览版本，支持 2K、4K 输出（IT之家 / 新浪科技，2026-10-10）
• 生数科技发布 Vidu Q4 Preview 高表现力旗舰模型（投资界，2026-10-08）
• Vidu Q2 参考生 Pro 全球上线，首创“万物可参考”视频模型（品玩，2026-01-28）
• Vidu Q1 参考生视频全球上线（科技日报，2025-07-10）
• 《人工智能生成合成内容标识办法》（国家网信办，2025-03-14）

AI 生成内容信息整理截至 2026-11-01。本文由 AI 辅助生成，内容依据公开资料整理，仅供学习交流；平台功能与价格变化较快，请以官方最新信息为准。