muapi Logomuapi Logo
muapi Logomuapi Logo

Vidu Q4 مرجع به ویدیو: تصویرویدیو

با Vidu Q4 از حداکثر ۱۵ تصویر مرجع و ۳ کلیپ صوتی ویدیو بسازید. تا 4K با صدای بومی. پرداخت به‌ازای هر تولید، بدون اشتراک. Vidu Q4 مرجع به ویدیو بر اساس یک پرامپت متنی به‌همراه حداکثر ۱۵ تصویر مرجع و حداکثر ۳ کلیپ صوتی مرجع، کلیپی ۳ تا ۱۶ ثانیه‌ای با وضوح تا 4K تولید می‌کند. سوژه‌ها و صحنه‌های مراجع شما یکدست می‌مانند و مدل دیالوگ و جلوه‌های صوتی هم‌گام اضافه می‌کند. در پرامپت به‌ترتیب به ورودی‌ها ارجاع دهید، مثلاً: «فرد در تصویر مرجع ۲ می‌گوید ... با صدای مرجع ۱». برای یک فریم شروع واحد از Vidu Q4 تصویر به ویدیو استفاده کنید.

کنترل‌های تعاملی مدل

با Vidu Q4 از حداکثر ۱۵ تصویر مرجع و ۳ کلیپ صوتی ویدیو بسازید. تا 4K با صدای بومی. پرداخت به‌ازای هر تولید، بدون اشتراک.

📝

نمای کلی

مدل‌ها

Vidu Q4 مرجع به ویدیو بر اساس یک پرامپت متنی به‌همراه حداکثر ۱۵ تصویر مرجع و حداکثر ۳ کلیپ صوتی مرجع، کلیپی ۳ تا ۱۶ ثانیه‌ای با وضوح تا 4K تولید می‌کند. سوژه‌ها و صحنه‌های مراجع شما یکدست می‌مانند و مدل دیالوگ و جلوه‌های صوتی هم‌گام اضافه می‌کند. در پرامپت به‌ترتیب به ورودی‌ها ارجاع دهید، مثلاً: «فرد در تصویر مرجع ۲ می‌گوید ... با صدای مرجع ۱». برای یک فریم شروع واحد از Vidu Q4 تصویر به ویدیو استفاده کنید.

1شخصیت‌ها: با تصاویر مرجع، یکدستی افراد را در صحنه‌های مختلف حفظ کنید.
2صدا: دیالوگ را با کلیپ‌های صوتی مرجع هدایت کنید تا صدایی منطبق بگیرید.
3تبلیغات: مراجع محصول، مدل و پس‌زمینه را در یک نما ترکیب کنید.
4داستان‌گویی: صحنه‌های چندسوژه‌ای را از تصاویر مرجع جداگانه بسازید.
💰

قیمت‌گذاری و ارزش

تحلیل هزینه

muapiapp$0.095 per second at 720p ($0.475 per 5s clip)

Per-second pricing: 540p $0.045/s, 720p $0.095/s, 1080p $0.12/s, 2K $0.19/s, 4K $0.39/s. Audio included.

** مدل‌ها。

⚙️

مشخصات فنی

طرح پیکربندی

پرامپت (دستور متنی)string

Text description of the video. Refer to inputs by order, e.g. "the man in reference image 2 says ... using صوت‌های مرجع 1".

مقدار پیش‌فرضIn the scene of reference image 1, the person in reference image 2 turns to the person in reference image 3 and says: "What are you doing?"
آدرس‌های تصاویر مرجعarray

Reference image URLs (1 to 15). JPG, JPEG, PNG or WEBP.

مقدار پیش‌فرضundefined
آدرس‌های فایل‌های صوتی مرجعarray

اختیاری صوت‌های مرجع URLs (up to 3). MP3 only, each 3-12 seconds and up to 50 MB.

مقدار پیش‌فرضundefined
نسبت ابعاد（5 ）

نسبت ابعاد تصویر خروجی (مانند 16:9 یا 1:1).

مقدار پیش‌فرض16:9
وضوح تصویر（5 ）

تنظیم پارامتر Output resolution. جهت هدایت دقیق فرآیند تولید مدل.

مقدار پیش‌فرض720p
مدت زمانint

Video length به ثانیه (3-16).

مقدار پیش‌فرض5
صوتboolean

Generate synchronized audio (dialogue and sound effects). Set false for a silent video.

مقدار پیش‌فرضtrue
📖

راهنمای پیاده‌سازی

مستندات توسعه‌دهندگان

نحوه استفاده از Vidu Q4 مرجع به ویدیو

  1. مراجع را جمع‌آوری کنید: ۱ تا ۱۵ URL تصویر در images_list و در صورت تمایل حداکثر ۳ کلیپ MP3 (هرکدام ۳ تا ۱۲ ثانیه) در audios_list ارائه دهید.

  2. پرامپت را بنویسید: به‌ترتیب به ورودی‌ها ارجاع دهید، برای مثال: In the scene of reference image 1, the person in reference image 2 turns and says: "What are you doing?"

  3. خروجی را پیکربندی کنید: aspect_ratio (16:9، 9:16، 1:1، 4:3، 3:4)، resolution (از 540p تا 4k)، duration (۳ تا ۱۶ ثانیه) و audio را تنظیم کنید.

  4. ارسال و دریافت نتیجه: این اندپوینت ناهمگام است — /api/v1/predictions/{request_id}/result را poll کنید یا یک webhook_url ارسال کنید.

curl -X POST https://api.muapi.ai/api/v1/vidu-q4-reference-to-video \
  -H "Content-Type: application/json" \
  -H "x-api-key: YOUR_API_KEY" \
  -d '{"prompt": "In the scene of reference image 1, the person in reference image 2 turns to the person in reference image 3 and says: What are you doing?", "images_list": ["https://example.com/scene.png", "https://example.com/person-a.png", "https://example.com/person-b.png"], "resolution": "1080p", "duration": 5, "aspect_ratio": "16:9", "audio": true}'
❓

پرسش‌های متداول

سوالات پرتکرار

Vidu Q4 از چه وضوح‌ها و مدت‌هایی پشتیبانی می‌کند؟

خروجی 540p، 720p، 1080p، 2K و 4K با مدت ۳ تا ۱۶ ثانیه برای هر کلیپ.

آیا Vidu Q4 صدا تولید می‌کند؟

بله. audio را روی true (پیش‌فرض) بگذارید تا دیالوگ و جلوه‌های صوتی هم‌گام تولید شود، یا روی false برای ویدیوی بی‌صدا. صدا بر قیمت اثری ندارد.

قیمت چگونه محاسبه می‌شود؟

به‌ازای هر ثانیه ویدیوی خروجی و بر اساس وضوح: $0.045 در ثانیه برای 540p، $0.095 برای 720p، $0.12 برای 1080p، $0.19 برای 2K و $0.39 برای 4K.

نتیجه را چگونه دریافت کنم؟

این اندپوینت ناهمگام است. /api/v1/predictions/{request_id}/result را poll کنید یا webhook_url ارسال کنید تا با آماده‌شدن ویدیو اطلاع بگیرید.

چند مرجع می‌توانم استفاده کنم؟

حداکثر ۱۵ تصویر مرجع (images_list) و حداکثر ۳ کلیپ صوتی مرجع (audios_list، MP3، هرکدام ۳ تا ۱۲ ثانیه). در پرامپت به‌ترتیب به آن‌ها ارجاع دهید، مثلاً «تصویر مرجع ۲» یا «صدای مرجع ۱».

چه نسبت تصویرهایی پشتیبانی می‌شود؟

16:9، 9:16، 1:1، 4:3 و 3:4 که با aspect_ratio تنظیم می‌شوند.