跳到内容

Vidu ​

更新时间

Endpoint: POST https://vod.intl.tencentcloudapi.comAction: CreateAigcVideoTask

Vidu 是视频生成模型,支持文生视频、首帧 / 首尾帧生视频与多图参考生成(q3-ad 1~7 张,q3-drama 1~14 张,q4-preview 1~15 张图片 + 0~3 段音频)。q3-mix 支持多镜头组合,并提供数字人、唇形同步、特效模板,可同时生成音频。

基本信息 ​

项目取值
ModelNameVidu
ModelVersionq4-preview / q3-ad / q3-drama / q3-mix / q3-turbo / q3-pro / q3 / q2-pro / q2(q3-mix 仅供参照)
默认值ModelVersion=q3-pro / Resolution=1080P
是否支持解除安全护栏支持

各版本支持的规格 ​

版本分辨率比例时长
通用480P / 720P / 1080P / 2K / 4K——
q3-drama默认输出:1080P
超分输出:2K / 4K
9:16 / 16:98–12 秒;图片 1–14 张
q3-ad默认输出:720P / 1080P
超分输出:2K / 4K
1:1 / 9:16 / 16:9 / 3:4 / 4:33–16 秒;图片 1–7 张
q3-mix———
q4-preview540P / 720P / 1080P / 2K / 4K1:1 / 9:16 / 16:9 / 3:4 / 4:33–16 秒;参考图片 1–15 张、参考音频 0–3 段

输入条件 ​

版本条件
q3-mix图片参考 / FileInfos.Usage=Reference
多镜头组合 / 同时生成音频
q4-preview图生视频:仅 1 张图,Usage=FirstFrame 作为首帧
参考生视频:图片 1–15 张 + 音频 0–3 段,均为 Usage=Reference(不支持参考视频)
不支持文生视频与首尾帧生视频
支持音频直出(AudioGeneration=Enabled)

请求参数 ​

参数必填类型说明
ModelName必填String固定值 Vidu
ModelVersion可选Stringq4-preview / q3-ad / q3-drama / q3-mix / q3-turbo / q3-pro / q3 / q2-pro / q2。q3-mix 仅供参照
Prompt必填String生成提示词
FileInfos.N可选Array参考输入。Category 为 Image / Audio;Usage 为 FirstFrame(首帧)或 Reference(参考)。多参考场景下每个文件都要带 Usage
OutputConfig.Resolution可选String480P / 720P / 1080P / 2K / 4K(q4-preview 另支持 540P,不支持 480P)
OutputConfig.Duration可选Integer视频时长(秒)
OutputConfig.AspectRatio可选String16:9 / 9:16 / 1:1 等
OutputConfig.AudioGeneration可选StringEnabled 为音画同出,Disabled 为无声
OutputConfig.
InputComplianceCheck
可选String显式传入 Disabled 即解除输入审核。使用前请咨询销售负责人
OutputConfig.
OutputComplianceCheck
可选String显式传入 Disabled 即解除输出审核。使用前请咨询销售负责人

请求示例 ​

q4-preview / 首帧图生视频 ​

只传 1 张图片,并以 Usage=FirstFrame 声明为首帧。q4-preview 不支持纯文本生成,必须带图片。

json
{
  "SubAppId": 123456789,
  "ModelName": "Vidu",
  "ModelVersion": "q4-preview",
  "FileInfos": [
    {
      "Type": "Url",
      "Category": "Image",
      "Url": "https://<cos>/first-frame.png",
      "Usage": "FirstFrame"
    }
  ],
  "Prompt": "the girl turns around and smiles at the camera, soft wind moves her hair",
  "OutputConfig": {
    "StorageMode": "Temporary",
    "Duration": 5,
    "Resolution": "1080P",
    "AspectRatio": "16:9",
    "AudioGeneration": "Enabled"
  },
  "SessionContext": "vidu-q4-i2v-001"
}

q4-preview / 多图 + 音频参考生视频 ​

图片 1–15 张、音频 0–3 段,每个文件都带 Usage=Reference。不支持传入参考视频。

json
{
  "SubAppId": 123456789,
  "ModelName": "Vidu",
  "ModelVersion": "q4-preview",
  "FileInfos": [
    {
      "Type": "Url",
      "Category": "Image",
      "Url": "https://<cos>/character.png",
      "Usage": "Reference"
    },
    {
      "Type": "Url",
      "Category": "Image",
      "Url": "https://<cos>/scene.png",
      "Usage": "Reference"
    },
    {
      "Type": "Url",
      "Category": "Audio",
      "Url": "https://<cos>/voice.mp3",
      "Usage": "Reference"
    }
  ],
  "Prompt": "the character walks into the scene and speaks to the camera, lip movement follows the reference audio",
  "OutputConfig": {
    "StorageMode": "Temporary",
    "Duration": 8,
    "Resolution": "720P",
    "AspectRatio": "9:16",
    "AudioGeneration": "Enabled"
  },
  "SessionContext": "vidu-q4-ref-001"
}

q3-mix / 用图片组合多个镜头 ​

json
{
  "SubAppId": 123456789,
  "ModelName": "Vidu",
  "ModelVersion": "q3-mix",
  "FileInfos": [
    {
      "Type": "Url",
      "Category": "Image",
      "Url": "https://example.com/princess.png",
      "Usage": "Reference"
    }
  ],
  "Prompt": "第一个镜头:城堡里的公主望着紧闭的门。第二个镜头:公主打开窗户,望向远方的风景并露出微笑。",
  "OutputConfig": {
    "StorageMode": "Permanent",
    "MediaName": "Princess scene",
    "Duration": 16,
    "Resolution": "1080P",
    "AspectRatio": "9:16",
    "AudioGeneration": "Enabled"
  },
  "SessionContext": "vidu-reference-001"
}

q3-pro / 通过文本生成视频 ​

json
{
  "SubAppId": 123456789,
  "ModelName": "Vidu",
  "ModelVersion": "q3-pro",
  "Prompt": "a calm sunset over the ocean, cinematic",
  "OutputConfig": {
    "Resolution": "1080P",
    "Duration": 5,
    "AspectRatio": "16:9",
    "StorageMode": "Temporary"
  },
  "SessionContext": "job-001"
}

响应示例 ​

json
{
  "AigcVideoTask": {
    "Status": "FINISH",
    "ErrCode": 0,
    "Progress": 100,
    "Output": {
      "FileInfos": [
        {
          "FileUrl": "http://<host>.vod2.myqcloud.com/.../aigcVideoGenFile.mp4",
          "ExpireTime": "2026-08-01T10:29:48Z",
          "MetaData": {
            "Width": 1920,
            "Height": 1080,
            "Duration": 5.07,
            "Container": "mov,mp4,m4a",
            "Bitrate": 9494850
          }
        }
      ]
    }
  }
}

特殊设置 ​

解除安全护栏 ​

输入审核与输出审核可分别设置。

如需使用护栏解除参数,须先联系销售负责人确认使用权限。即使在支持的引擎上,也只有显式传入相应参数时才会解除护栏。省略参数则不会解除。

参数解除值适用对象
OutputConfig.InputComplianceCheckDisabled解除输入审核
OutputConfig.OutputComplianceCheckDisabled解除输出审核

将以下设置合并到已有的生成请求中。若要同时解除输入与输出审核,请一并传入这两个字段。

json
{
  "OutputConfig": {
    "InputComplianceCheck": "Disabled",
    "OutputComplianceCheck": "Disabled"
  }
}

Avatar:人物视频(数字人) ​

用人像图片 1 张 与语音生成说话的人物视频。版本 avatar-q2-pro / avatar-q2-turbo。

TTS 模式:指定台词与音色 ​

json
{
  "SubAppId": 123456789,
  "ModelName": "Vidu",
  "ModelVersion": "avatar-q2-pro",
  "Prompt": "talking naturally",
  "FileInfos": [
    {
      "Type": "Url",
      "Category": "Image",
      "Url": "https://<cos>/person.png"
    }
  ],
  "ExtInfo": "{\"AdditionalParameters\":\"{\\\"text\\\":\\\"你好,很高兴认识你。\\\",\\\"voice_id\\\":\\\"male-qn-qingse\\\"}\"}",
  "OutputConfig": {
    "StorageMode": "Temporary"
  },
  "SessionContext": "job-001"
}

参考音频模式:输入音频文件 ​

json
{
  "SubAppId": 123456789,
  "ModelName": "Vidu",
  "ModelVersion": "avatar-q2-turbo",
  "Prompt": "talking naturally",
  "FileInfos": [
    {
      "Type": "Url",
      "Category": "Image",
      "Url": "https://<cos>/person.png"
    },
    {
      "Type": "Url",
      "Category": "Audio",
      "Url": "https://<cos>/voice.mp3"
    }
  ],
  "OutputConfig": {
    "StorageMode": "Temporary"
  },
  "SessionContext": "job-001"
}

各版本特点 ​

ModelVersion特点
q4-preview价格更省;表演传神、音画同出、镜头张力与特效表现强。支持首帧图生与多图 + 音频参考生,不支持文生与首尾帧
q3-ad广告专用。自动镜头切换,适合 5~8 秒 短视频广告
q3-drama剧集专用。视频与音频同时生成,台词、人物走位与镜头调度表现突出
q3-mix多镜头组合 / 同时生成音频
q3-turbo支持自动镜头切换与同时生成音频。生成速度最快
q3-pro生成含音频的高质量视频
q3支持自动镜头切换与同时生成音频。多机位场景构成
q2-pro支持参考视频输入、视频编辑与视频替换
q2动态表现好,细节丰富
2.0生成速度优先(未发布)
q1画面清晰,转场与镜头运动稳定(未发布)

各模式支持的版本 ​

模式支持版本备注
文本生成视频q3-turbo / q3-pro / q2 / q1提示词最多 5000 字
图片生成视频q4-preview / q3-turbo / q3-pro / q2-pro-fast / q2-pro / q2-turbo / q1 / q1-classic / 2.0仅图片 1 张
首/尾帧q3-turbo / q3-pro / q2-pro-fast / q2-pro / q2-turbo / q1 / q1-classic / 2.0图片 2 张
图片参考生成q4-preview / q3-ad / q3-drama / q3-mix / q3-turbo / q3 / q2-pro / q2 / q1 / 2.0多张图片。q4-preview 可再加 0–3 段参考音频
已注册人物 / 物品参考生成q3-turbo / q3 / q2-pro / q2 / q1 / 2.0视频参考对象仅限 q2-pro

仅供参照的版本

q3-mix 基于参考图片中的人物、物品与场景生成视频。若在提示词中写明各镜头的动作与镜头切换,可连贯组合多个镜头,并同时生成音频。参考图片通过 FileInfos 以 Category=Image / Usage=Reference 传入。

已注册的参考对象(SubjectInfos) ​

用于在多个任务中复用同一人物或物品。Vidu 同时支持已注册参考对象与临时参考对象。

角色注册(CreateAigcSubject) ​

预先注册参考对象并复用签发的 ID。采用异步方式,需先创建任务再用 DescribeTaskDetail 查询。查询响应中的 CreateAigcSubjectTask.Output.SubjectId 即参考对象 ID。

json
{
  "SubAppId": 1500044236,
  "SubjectName": "Vidu-Obj-Princess",
  "SubjectImages": [
    "https://<cos>/princess.png"
  ],
  "VoiceId": "male-qn-qingse"
}
参数必填说明
SubjectName必填参考对象名称
SubjectImages.N条件必填参考图片。最多 3 张。png / jpeg / jpg / webp,比例 1:4 ~ 4:1,50MB 以下
SubjectVideos.N条件必填参考视频。最多 1 个,5 秒。mp4 / avi / mov,128×128 以上,比例 1:4 ~ 4:1,100MB 以下。仅可使用 q2-pro
VoiceId可选参考对象音色 ID。用于同时生成音频的任务。留空则系统自动推荐

请保存响应中的 SubjectId

参考对象 ID 不在生成响应中,而来自 DescribeTaskDetail 的查询结果。当 Status 为 FINISH 且 ErrCode 为 0 天 时,需读取并保存 CreateAigcSubjectTask.Output.SubjectId,之后才能复用。

使用已注册的参考对象 ​

在 SubjectInfos.N.Id 中指定参考对象 ID,在 Name 中指定提示词中要使用的名称。提示词中以 @Name 的形式指名。

json
{
  "SubAppId": 123456789,
  "ModelName": "Vidu",
  "ModelVersion": "q2-pro",
  "SubjectInfos": [
    {
      "Id": "940599910921682944",
      "Name": "Princess"
    },
    {
      "Id": "940599790679379968",
      "Name": "Prince"
    }
  ],
  "Prompt": "@Princess holds hands with @Prince and runs out into the meadow",
  "OutputConfig": {
    "Duration": 10,
    "Resolution": "720P",
    "AspectRatio": "9:16",
    "AudioGeneration": "Enabled",
    "StorageMode": "Permanent"
  },
  "SessionContext": "job-001"
}

SubjectInfos 中也可一并放入临时参考对象。此时使用 ImageUrls(最多 3 张)或 VideoUrls(最多 1 个,5 秒),并用 VoiceId 指定音色。

json
{
  "SubAppId": 123456789,
  "ModelName": "Vidu",
  "ModelVersion": "q3-turbo",
  "SubjectInfos": [
    {
      "Name": "Narrator",
      "VoiceId": "male-qn-badao",
      "ImageUrls": [
        "https://<cos>/narrator.png"
      ]
    }
  ],
  "Prompt": "@Narrator walks into the frame and starts speaking",
  "OutputConfig": {
    "Duration": 8,
    "Resolution": "1080P",
    "AudioGeneration": "Enabled",
    "StorageMode": "Temporary"
  },
  "SessionContext": "job-001"
}

使用临时参考对象 ​

通过 FileInfos 的 ObjectId 声明参考对象名称,并在提示词中以 @ObjectId 指名。单个参考对象的图片最多 1 张。

json
{
  "SubAppId": 123456789,
  "ModelName": "Vidu",
  "ModelVersion": "q3-turbo",
  "FileInfos": [
    {
      "Type": "Url",
      "Category": "Image",
      "Url": "https://<cos>/princess.png",
      "ObjectId": "Princess"
    },
    {
      "Type": "Url",
      "Category": "Image",
      "Url": "https://<cos>/prince.jpg",
      "ObjectId": "Prince"
    }
  ],
  "Prompt": "@Princess holds hands with @Prince and runs out into the meadow",
  "OutputConfig": {
    "Duration": 10,
    "Resolution": "720P",
    "AspectRatio": "9:16",
    "AudioGeneration": "Enabled",
    "StorageMode": "Permanent"
  },
  "SessionContext": "job-001"
}

@Name 标记与 <<<image_N>>> 标记不同

Vidu 的提示词用 @Name 指定参考对象。请按照各引擎的参考标记方式编写提示词。

唇形同步(lip-sync) ​

通过 ModelVersion=lip-sync 指定。将人物脸部图片、视频与语音组合,使口型匹配。

输入Category说明
目标视频Video需要匹配口型的源视频
脸部图片Image目标人物的脸部
参考音频Audio作为口型依据的语音

语音有两种指定方式:直接放入音频文件,或在 Prompt 中填写台词并用 ExtInfo 指定音色、语速与音量。

指定台词与音色 ​

json
{
  "SubAppId": 123456789,
  "ModelName": "Vidu",
  "ModelVersion": "lip-sync",
  "FileInfos": [
    {
      "Type": "Url",
      "Category": "Video",
      "Url": "https://<cos>/source.mp4"
    },
    {
      "Type": "Url",
      "Category": "Image",
      "Url": "https://<cos>/face.png"
    }
  ],
  "Prompt": "lets dance and sing with me",
  "ExtInfo": "{\"AdditionalParameters\": \"{\\\"voice_id\\\": \\\"male-qn-qingse\\\", \\\"volume\\\": 5, \\\"speed\\\": 1}\"}",
  "OutputConfig": {
    "StorageMode": "Temporary"
  },
  "SessionContext": "job-001"
}

ExtInfo.AdditionalParameters 字段:

字段类型默认值说明
voice_idString自动推荐音色 ID
speedFloat1.0说话速度。范围 [0.5, 2]。值越大越快
volumeInteger0音量。范围 [0, 10]。0 为默认音量

输入参考音频 ​

json
{
  "SubAppId": 123456789,
  "ModelName": "Vidu",
  "ModelVersion": "lip-sync",
  "FileInfos": [
    {
      "Type": "Url",
      "Category": "Video",
      "Url": "https://<cos>/source.mp4"
    },
    {
      "Type": "Url",
      "Category": "Audio",
      "Url": "https://<cos>/voice.mp3"
    },
    {
      "Type": "Url",
      "Category": "Image",
      "Url": "https://<cos>/face.png"
    }
  ]
}

特效模板(template_effect) ​

通过 SceneType=template_effect 指定。ModelVersion 可填任意值,实际使用的模板由 ExtInfo 的 template 选择。

json
{
  "SubAppId": 123456789,
  "ModelName": "Vidu",
  "ModelVersion": "q2-turbo",
  "FileInfos": [
    {
      "Type": "Url",
      "Category": "Image",
      "Url": "https://<cos>/subject.png"
    }
  ],
  "Prompt": "the subject suddenly explodes into fine particles",
  "SceneType": "template_effect",
  "ExtInfo": "{\"AdditionalParameters\": \"{\\\"template\\\": \\\"morphlab\\\"}\"}",
  "OutputConfig": {
    "StorageMode": "Temporary"
  },
  "SessionContext": "job-001"
}

每个模板要求的提示词不同

各模板的调用参数与推荐提示词可在 Vidu 官方模板示例中心查看。template_effect 仅在 ModelName=Vidu 中生效。

基于 VitePress 构建 · 部署于腾讯云 EdgeOne Pages