Vidu Q4 Preview muscle le contrôle du son et de l’image

ShengShu Technology a lancé le 7 octobre 2026 Vidu Q4 Preview, une préversion publique de son modèle vidéo phare orienté image et son. Accessible via le produit web et l’API Vidu, l’outil vise les créateurs indépendants, les petits studios et les équipes de production. Son intérêt tient surtout à un point très concret : mieux garder ensemble la voix, l’expression et le mouvement dans des scènes qui demandent plusieurs itérations.

Un modèle pensé pour tenir une scène entière

Vidu Q4 Preview, modèle de génération vidéo expressive, accepte jusqu’à 15 images de référence et trois références audio pour stabiliser les personnages, les voix, les costumes, les accessoires ou les décors. ShengShu Technology dit vouloir mieux coordonner l’expression du visage, l’émotion, les mouvements du corps et la voix, afin d’obtenir des réactions plus fines et des déplacements plus naturels. Les sorties vont de 540p à 4K, avec une profondeur couleur 10 bits, ce qui couvre à la fois les essais rapides et des rendus plus propres pour une diffusion finale.

Le constructeur ajoute que la caméra, les coupes et l’action à l’écran sont mieux alignées, notamment dans les séquences rapides comme les poursuites ou les combats. Les effets visuels — explosions, feux d’artifice, particules — sont aussi censés s’intégrer plus proprement au décor. Dans ce genre d’outil, le diable se niche souvent dans les sourcils et les raccords de caméra.

Tarification, formats et usages visés

Le prix de lancement démarre à 0,014 dollar par seconde, selon l’annonce du 7 octobre 2026. ShengShu Technology indique aussi que, à spécifications et conditions de facturation comparables, Q4 Preview peut délivrer jusqu’à cinq fois plus de rendu pour le même budget. La société relie cette tarification à la réalité de la production : une scène prête pour la diffusion demande rarement un seul essai, qu’il s’agisse d’ajuster une expression, de tester un angle ou de comparer plusieurs débuts de séquence.

Les formats pris en charge couvrent Image-to-Video et Reference-to-Video. Le premier anime une image à partir d’un prompt texte ; le second combine une à 15 images et zéro à trois références audio pour conserver la cohérence des sujets et des voix. La documentation API cite des durées de 3 à 16 secondes pour l’image vers vidéo, avec un défaut à 5 secondes, et des résolutions de 540p à 4K. Les scénarios mis en avant vont de la publicité au contenu social, en passant par la fiction et le e-commerce.

Ce que l’API permet déjà aux développeurs

La documentation développeurs mentionne l’endpoint POST https://api.vidu.com/ent/v2/img2video pour l’image vers vidéo, avec des fichiers png, jpeg, jpg ou webp jusqu’à 50 Mo et un prompt pouvant atteindre 20 000 caractères. Un paramètre audio activé par défaut produit une vidéo avec son, dialogue et effets compris, tandis que le modèle gère la synchronisation audio-vidéo et le basculement automatique de caméra.

Pour le mode de référence, l’endpoint POST https://api.vidu.com/ent/v2/reference2video accepte une à 15 images et zéro à trois fichiers audio mp3 de 3 à 12 secondes. Les formats d’image pris en charge incluent 1:1, 9:16, 16:9, 3:4 et 4:3, avec un défaut en 16:9. Les URL de création restent valides 24 heures. À ce stade, ShengShu Technology présente donc Q4 Preview comme un terrain de test avant la version finale de Q4, dont les paramètres restent susceptibles d’évoluer selon les retours des créateurs et des équipes de production.