Vidu Q4 · 参考生视频
Vidu Q4 参考生视频生成器
给 Vidu Q4 提供最多 12 张参考图（角色、物体和场景）和可选语音参考，生成身份稳定的新镜头。5 种画面比例、3-16 秒、最高 4K 并支持原生音频。
参考生视频为什么改变工作流
多图条件生成是 Vidu Q4 的招牌能力：先定义好谁和什么会出现，再用提示词指挥新镜头。
最多 12 张参考图
混合角色设定、道具与场景图，在提示词中用 @image-1 式标签引用。
语音参考
最多附加 3 段音频/语音参考，让生成的台词保持同一音色。
五种画面比例
按投放平台选择 16:9、9:16、1:1、4:3 或 3:4，而不是继承源图比例。
原生音频 + 4K
同一遍生成同步音效与对口型台词，最高 4K 交付。
使用流程
从参考素材到一致镜头只需三步。
上传参考素材
添加 1-12 张角色、产品或场景图；可选附加语音或音频参考。
在提示词中标记引用
写出镜头内容，用 @image-1、@image-2 等标记引用；设置画面比例、时长（3-16 秒）和最高 4K 分辨率。
生成与迭代
提交后在工作台查看结果，再调整参考图或提示词生成下一个镜头。
参考生视频 vs 图生视频
两种 Vidu Q4 模式都从图像出发，参考模式增加了多素材一致性控制。
| 参考生视频 | 图生视频 | ||
|---|---|---|---|
| 输入 | 1-12 张图 + 最多 3 段音频参考 | 1 张起始图 | |
| 画面比例 | 可选 16:9、9:16、1:1、4:3、3:4 | 跟随源图 | |
| 一致性目标 | 同一角色/产品跨新镜头保持一致 | 让画面内元素动起来 | |
| 适合场景 | 系列内容、广告、固定角色 | 单次快速动画 |
两种模式都可生成 3-16 秒、最高 4K、可选原生音频的短片。
创作者用它做什么
固定角色
让吉祥物或主角在一集内容或一组营销中保持完全一致。
产品广告
用参考图锁定产品外观，再用提示词把它放进新场景。
分镜变镜头
把角色设定图与场景参考直接变成动态镜头，无需重拍。
语音驱动场景
附加语音参考，让生成的对白保持同一说话人音色。
需要了解的限制
来自 Vidu Q4 Preview 公开规格的真实约束。
12 张图、3 段音频
本站目前每次生成最多支持 12 张参考图与 3 段音频参考。
提示词标签很重要
请显式引用每张参考图（@image-1、@image-2），未标记的参考可能被忽略。
时长 3-16 秒
单镜头设计为 3-16 秒；长片可在剪辑软件中拼接。
积分计费
费用随时长与分辨率变化，工作台在提交前显示准确积分成本。套餐与积分包见定价页。
参考生视频常见问题
最多能上传几张参考图？
本站每次生成最多 12 张参考图，可混合角色、物体与场景素材。
怎么告诉 Vidu Q4 哪张图是谁？
在提示词中按上传顺序用 @image-1、@image-2 等标签引用，显式标记可避免指代歧义。
可以附加语音或音乐参考吗？
可以，最多支持 3 段音频参考，适合让角色声音保持一致。
有哪些画面比例可选？
参考生视频可选 16:9、9:16、1:1、4:3、3:4；图生视频则跟随源图比例。
这是 Vidu 官网吗？
不是。vidu-q4.com 是面向 Vidu Q4 Preview 的独立第三方工作台，与 Vidu 或生数科技无隶属关系。