Twórz wideo z maksymalnie 15 obrazów i 3 klipów audio referencyjnych dzięki Vidu Q4. Do 4K z natywnym dźwiękiem. Płatność za generację, bez subskrypcji.
Twórz wideo z maksymalnie 15 obrazów i 3 klipów audio referencyjnych dzięki Vidu Q4. Do 4K z natywnym dźwiękiem. Płatność za generację, bez subskrypcji.
O tym modelu
Vidu Q4 referencje do wideo generuje klip trwający od 3 do 16 sekund w rozdzielczości do 4K na podstawie promptu tekstowego, maksymalnie 15 obrazów referencyjnych i maksymalnie 3 klipów audio referencyjnych. Obiekty i sceny z referencji pozostają spójne, a model dodaje zsynchronizowane dialogi i efekty dźwiękowe. W prompcie odwołuj się do danych wejściowych według kolejności, np. „osoba z obrazu referencyjnego 2 mówi ... z użyciem audio referencyjnego 1”. Dla pojedynczej klatki początkowej użyj Vidu Q4 obraz do wideo.
Analiza kosztów
| Dostawca | Koszt | Notatki |
|---|---|---|
| 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. |
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.
** Ceny konkurencji są szacowane na podstawie podobnych architektur modeli i poziomów użytkowania.
Schemat konfiguracji
| Parametr | Wpisz | Opis | Domyślne |
|---|---|---|---|
| podpowiedź | 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?" |
| Adresy URL obrazów referencyjnych | array | Reference image URLs (1 to 15). JPG, JPEG, PNG or WEBP. | undefined |
| Referencyjne adresy URL audio | array | Optional reference audio URLs (up to 3). MP3 only, each 3-12 seconds and up to 50 MB. | undefined |
| współczynnik proporcji | Wyliczenie (opcje 5) | współczynnik proporcji wyjściowej. | 16:9 |
| Rozdzielczość | Wyliczenie (opcje 5) | rozdzielczość wyjściowa. | 720p |
| Czas trwania (sekundy) | int | Video length in seconds (3-16). | 5 |
| Dźwięk | 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.
undefinedwspółczynnik proporcji wyjściowej.
16:9rozdzielczość wyjściowa.
720pVideo length in seconds (3-16).
5Generate synchronized audio (dialogue and sound effects). Set false for a silent video.
trueDokumentacja deweloperska
Zbierz referencje: podaj od 1 do 15 adresów URL obrazów w images_list oraz opcjonalnie do 3 klipów MP3 (po 3-12 sekund) w audios_list.
Napisz prompt: odwołuj się do danych wejściowych według kolejności, na przykład: In the scene of reference image 1, the person in reference image 2 turns and says: "What are you doing?"
Skonfiguruj wynik: ustaw aspect_ratio (16:9, 9:16, 1:1, 4:3, 3:4), resolution (od 540p do 4k), duration (3-16 s) i audio.
Wyślij i odbierz wynik: endpoint jest asynchroniczny — odpytuj /api/v1/predictions/{request_id}/result lub przekaż webhook_url.
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}'
Często zadawane pytania
Wyjście w 540p, 720p, 1080p, 2K i 4K, z czasem trwania od 3 do 16 sekund na klip.
Tak. Ustaw audio na true (domyślnie), aby uzyskać zsynchronizowane dialogi i efekty dźwiękowe, lub na false dla wideo bez dźwięku. Dźwięk nie zmienia ceny.
Za sekundę wygenerowanego wideo, zależnie od rozdzielczości: $0.045/s dla 540p, $0.095/s dla 720p, $0.12/s dla 1080p, $0.19/s dla 2K i $0.39/s dla 4K.
Endpoint jest asynchroniczny. Odpytuj /api/v1/predictions/{request_id}/result lub przekaż webhook_url, aby otrzymać powiadomienie, gdy wideo będzie gotowe.
Do 15 obrazów referencyjnych (images_list) i do 3 klipów audio referencyjnych (audios_list, MP3, po 3-12 sekund). Odwołuj się do nich w prompcie według kolejności, np. „obraz referencyjny 2” lub „audio referencyjne 1”.
16:9, 9:16, 1:1, 4:3 i 3:4, ustawiane za pomocą aspect_ratio.