最近、Shengshu Technologyは新世代の動画生成エースモデルのプレビュー版であるVidu Q4Previewを正式に発表しました。今回のアップデートでは、生成品質やマルチモーダルなリファレンス、および画面精度において大幅な向上が図られ、国内の動画大規模モデルが映画レベルの質感に向かって重要な一歩を踏み出したことを示しています。

コア機能において、Vidu Q4Previewは画像から動画を作成する「画像→動画」モードと、リファレンス画像から動画を作成する「リファレンス→動画」モードの両方を完全にサポートしています。「画像→動画」モードでは、ユーザーが提供する画像とテキストの説明に基づいて自然に高品質な画面を拡張できます。一方、「リファレンス→動画」モードでは、複数枚のリファレンス画像と音声を組み合わせて動画を作成でき、クリエイターの制御手段を大きく豊かにします。

image.png

今回のアップデートでは、マルチモーダルなリファレンス容量と細部の扱いにおいて大きな進歩を遂げました。モデルは最大で3つのリファレンス音声を入力できるようになり、正確な音声リファレンスにより、キャラクターの声色が動画全体を通して高い一貫性を持ちます。また、最大で15枚のリファレンス画像をサポートし、人物の顔の特徴、複雑なシーン、小物などの創造的要素に対してより十分な視覚的な根拠を提供し、長時間のカットや連続的な物語の中で要素の一貫性を保証します。

画質とカメラワークの表現において、Vidu Q4Previewは動的なカメラ移動、カットの切り替え、複雑なカメラワークのつながりをさらに最適化し、画面の滑らかさとドラマティックな緊張感が大幅に向上しました。仕様面では、最高で2Kと4Kの解像度出力をサポートし、10ビットの色深さを持ち、一度に最大16秒の動画を生成可能です。これはAIショートドラマ、広告マーケティング、ソーシャルインタラクション、そしてプロフェッショナルな映画制作など、多様な応用シナリオに完璧に対応しています。

さらに、公式側はさまざまな創作段階のニーズに対応して柔軟な仕様と価格プランも導入しています。このモデルは540P、720P、1080P、2K、4Kの複数の仕様をサポートし、初期割引価格として0.09元/秒から提供されます。クリエイターは低解像度でコストを抑えてオープニング、脚本、カメラバージョンをテストし、アイデアが成熟した後には直接2Kまたは4Kの高解像度で、細かい質感と光の効果が印象的な最終的な作品を出力できます。