Vidu Q4 で最大15枚の参照画像と3つの音声から動画を作成。最大4K、ネイティブ音声対応。生成ごとの従量課金、サブスク不要。 Vidu Q4 リファレンスから動画は、テキストプロンプトに加えて最大15枚の参照画像と最大3つの参照音声から、3〜16秒、最大4Kのクリップを生成します。参照した被写体やシーンの一貫性が保たれ、同期したセリフと効果音も追加されます。プロンプトでは入力を順番で参照してください（例：「参照画像2の人物が…と話す、参照音声1を使用」）。 単一の開始フレームから作る場合は Vidu Q4 画像から動画 をご利用ください。
Vidu Q4 で最大15枚の参照画像と3つの音声から動画を作成。最大4K、ネイティブ音声対応。生成ごとの従量課金、サブスク不要。
このモデルについて
Vidu Q4 リファレンスから動画は、テキストプロンプトに加えて最大15枚の参照画像と最大3つの参照音声から、3〜16秒、最大4Kのクリップを生成します。参照した被写体やシーンの一貫性が保たれ、同期したセリフと効果音も追加されます。プロンプトでは入力を順番で参照してください（例：「参照画像2の人物が…と話す、参照音声1を使用」）。 単一の開始フレームから作る場合は Vidu Q4 画像から動画 をご利用ください。
コスト分析
| プロバイダー | 費用 | 備考 |
|---|---|---|
| muapiapp | $0.095 1秒あたり at 720p ($0.475 5秒クリップあたり) | Per-second 料金: 540p $0.045/s, 720p $0.095/s, 1080p $0.12/s, 2K $0.19/s, 4K $0.39/s. Audio included. |
Per-second 料金: 540p $0.045/s, 720p $0.095/s, 1080p $0.12/s, 2K $0.19/s, 4K $0.39/s. Audio included.
** 競合サービスの料金は類似のモデル構成および利用ティアに基づいて算出された推定値です。
設定スキーマ
| パラメータ | 型 | 説明 | デフォルト |
|---|---|---|---|
| プロンプト | string | Text description of the video. Refer to inputs by order, e.g. "the man in reference image 2 says ... using reference audio 1". | 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?" |
| Reference 画像 URLs | array | Reference image URLs (1 to 15). JPG, JPEG, PNG or WEBP. | undefined |
| Reference 音声 URLs | array | Optional reference audio URLs (up to 3). MP3 only, each 3-12 seconds and up to 50 MB. | undefined |
| アスペクト比 | Enum（5個の選択肢） | 生成メディアのアスペクト比（例：16:9、9:16、1:1など）。 | 16:9 |
| 解像度 | Enum（5個の選択肢） | 出力メディアの解像度（720p、1080p、4Kなど）。 | 720p |
| 長さ（秒） | int | Video length in seconds (3-16). | 5 |
| 音声 | boolean | Generate synchronized audio (dialogue and sound effects). Set false for a silent video. | true |
Text description of the video. Refer to inputs by order, e.g. "the man in reference image 2 says ... using reference audio 1".
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?"Reference image URLs (1 to 15). JPG, JPEG, PNG or WEBP.
undefinedOptional reference audio URLs (up to 3). MP3 only, each 3-12 seconds and up to 50 MB.
undefined生成メディアのアスペクト比（例：16:9、9:16、1:1など）。
16:9出力メディアの解像度（720p、1080p、4Kなど）。
720pVideo length in seconds (3-16).
5Generate synchronized audio (dialogue and sound effects). Set false for a silent video.
true開発者ドキュメント
参照素材を用意：images_list に1〜15個の画像URL、必要に応じて audios_list に最大3つのMP3（各3〜12秒）を指定します。
プロンプトを書く：入力を順番で参照します。例： In the scene of reference image 1, the person in reference image 2 turns and says: "What are you doing?"
出力を設定：aspect_ratio（16:9、9:16、1:1、4:3、3:4）、resolution（540p〜4k）、duration（3〜16秒）、audio を設定します。
送信して結果を取得：エンドポイントは非同期です。/api/v1/predictions/{request_id}/result をポーリングするか、webhook_url を指定します。
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}'
FAQ
540p、720p、1080p、2K、4Kの出力に対応し、1クリップあたり3〜16秒です。
はい。audio を true（デフォルト）にすると同期したセリフと効果音が生成され、false にすると無音動画になります。音声による料金の変動はありません。
出力動画の秒数と解像度で計算されます：540p $0.045/秒、720p $0.095/秒、1080p $0.12/秒、2K $0.19/秒、4K $0.39/秒。
エンドポイントは非同期です。/api/v1/predictions/{request_id}/result をポーリングするか、webhook_url を指定して動画の完成通知を受け取ります。
参照画像は最大15枚（images_list）、参照音声は最大3つ（audios_list、MP3、各3〜12秒）です。プロンプトでは「参照画像2」「参照音声1」のように順番で参照します。
aspect_ratio で 16:9、9:16、1:1、4:3、3:4 を指定できます。