使用 Vidu Q4，从最多 15 张参考图像和 3 段音频生成视频。最高 4K，原生音频。按次生成付费，无需订阅。 Vidu Q4 参考生视频可根据文本提示词，加上最多 15 张参考图像和最多 3 段参考音频，生成 3-16 秒、最高 4K 的片段。参考中的主体和场景保持一致，模型还会添加同步的对白和音效。请在提示词中按顺序引用输入，例如“参考图像 2 中的人物说……使用参考音频 1”。 如只需单个起始帧，请使用 Vidu Q4 图生视频。
使用 Vidu Q4，从最多 15 张参考图像和 3 段音频生成视频。最高 4K，原生音频。按次生成付费，无需订阅。
关于此模型
Vidu Q4 参考生视频可根据文本提示词，加上最多 15 张参考图像和最多 3 段参考音频，生成 3-16 秒、最高 4K 的片段。参考中的主体和场景保持一致，模型还会添加同步的对白和音效。请在提示词中按顺序引用输入，例如“参考图像 2 中的人物说……使用参考音频 1”。 如只需单个起始帧，请使用 Vidu Q4 图生视频。
成本分析
| 提供商 | 费用 | 备注 |
|---|---|---|
| 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.
** 竞品价格根据相似模型架构和使用层级估算。
配置参数
| 参数 | 类型 | 描述 | 默认值 |
|---|---|---|---|
| 提示词 | string | Text description of the video. Refer to inputs by order, e.g. "the man in reference image 2 says ... using 参考音频 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?" |
| 参考图像 URL | array | Reference image URLs (1 to 15). JPG, JPEG, PNG or WEBP. | undefined |
| 参考音频 URL | array | 可选的 参考音频 URLs (up to 3). MP3 only, each 3-12 seconds and up to 50 MB. | undefined |
| 画面比例 | 枚举（5 个选项） | 输出画面比例。 | 16:9 |
| 分辨率 | 枚举（5 个选项） | 输出分辨率。 | 720p |
| 时长 | int | Video length （秒） (3-16). | 5 |
| 音频 | 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 参考音频 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.
undefined可选的 参考音频 URLs (up to 3). MP3 only, each 3-12 seconds and up to 50 MB.
undefined输出画面比例。
16:9输出分辨率。
720pVideo length （秒） (3-16).
5Generate synchronized audio (dialogue and sound effects). Set false for a silent video.
true开发者文档
收集参考素材：在 images_list 中提供 1-15 个图像 URL，并可在 audios_list 中提供最多 3 段 MP3（每段 3-12 秒）。
编写提示词：按顺序引用输入，例如： In the scene of reference image 1, the person in reference image 2 turns and says: "What are you doing?"
配置输出：设置 aspect_ratio（16:9、9:16、1:1、4:3、3:4）、resolution（540p 至 4k）、duration（3-16 秒）和 audio。
提交并获取结果：端点为异步模式——轮询 /api/v1/predictions/{request_id}/result，或传入 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}'
常见问答
支持 540p、720p、1080p、2K 和 4K 输出，每段时长 3 到 16 秒。
会。将 audio 设为 true（默认）可生成同步的对白和音效，设为 false 则为无声视频。音频不影响价格。
按输出视频的秒数和分辨率计费：540p $0.045/秒，720p $0.095/秒，1080p $0.12/秒，2K $0.19/秒，4K $0.39/秒。
该端点为异步模式。轮询 /api/v1/predictions/{request_id}/result，或传入 webhook_url，在视频就绪时收到通知。
最多 15 张参考图像（images_list）和最多 3 段参考音频（audios_list，MP3，每段 3-12 秒）。在提示词中按顺序引用，例如“参考图像 2”或“参考音频 1”。
通过 aspect_ratio 设置，支持 16:9、9:16、1:1、4:3 和 3:4。