Vidu Q4 AI 影片生成器

線上用 Vidu Q4：生數科技的新 Preview 模型，把一張照片或最多 8 張參考圖變成含聲音的影片，5–16 seconds。

示例影片

Vidu Q4 是生數科技的下一代旗艦影片模型，目前開放的是 2026 年 10 月 7 日發布的 Preview 版。它可以讓一張首幀圖動起來（保持照片的畫幅），也可以用最多 8 張參考圖加最多三段 MP3 人聲或音效搭出一個場景，同時生成同步的聲音和口型。在 Vidlark 上支援 540p, 720p, 1080p，5–16 seconds，每秒 20 點數起，需要available on any plan or credit pack。

更新於 2026年10月12日

一眼看懂

開發商: Shengshu
價格: 每秒 20 點數起
畫質: 540p、720p、1080p
時長: 5 秒、8 秒、10 秒、16 秒
輸入: 圖片、參考圖
比例: 16:9、9:16、1:1、4:3、3:4
參考圖: 最多 8 張
參考音訊: 最多 3 段（MP3）
聲音: 有，和畫面一起生成
每次生成: 1 支影片
可用帳戶: 任一方案或點數包
帳號: 需要免費帳號，註冊送 100 點數，不用綁信用卡
無限方案: 6 折

Vidlark 是獨立平台，與 Shengshu 沒有隸屬關係。

Vidu Q4 AI 影片生成器教學

1
描述鏡頭
寫清楚人物、動作和鏡頭怎麼動。也可以上傳一張圖從它開始。
2
選設定
選比例、畫質和時長，生成前就顯示點數。
3
生成並下載
每次生成一支影片，直接下載（付費方案無浮水印）；失敗自動退點數。

擅長什麼

會演戲的人臉

生數針對表情、情緒和肢體動作做了調校，一個微笑、一個眼神、一次聳肩都清清楚楚，不會糊成一片。適合特寫和以人物為中心的短場景。

多張參考圖，一套角色

上傳最多 8 張人物、場景和風格圖，在提示詞裡按順序指稱（「圖 2 裡的男人」），整段影片裡都認得出來。

人聲和口型同步

加最多三段簡短的 MP3 人聲，寫明誰在說話，台詞就用這個聲音說出來，口型對得上。不加人聲時，聲音依提示詞生成，也可以關掉。

規格和價格

影片按輸出秒數計費；按下生成前，按鈕上會先顯示準確總數。

規格	價格	範例	無限方案
540p	每秒 20 點數	5 秒一支 = 100 點數	扣點數
720p	每秒 40 點數	5 秒一支 = 200 點數	扣點數
1080p	每秒 50 點數	5 秒一支 = 250 點數	扣點數

寫好影片提示詞的技巧

幫參考圖編號
模型按順序讀參考圖，提示詞裡也這樣寫：「圖 1 的女人把圖 3 的杯子遞給圖 2 的男人」。
先用 540p 打草稿
用每秒 20 點數把動作定下來，滿意的那支再用 1080p（每秒 50 點數）出成片。
人聲用 MP3
Vidu Q4 的參考音訊只收 MP3，每段 3 到 12 秒。剪一段乾淨的人聲，底下不要墊音樂。

範例提示詞

雨夜霓虹街頭，一個騎腳踏車的人穿過積水，水花四濺。側面跟拍，35mm，濕漉漉的路面映著燈光。聲音：雨聲、輪胎壓過積水、遠處車流。

用這個提示詞

大家用它做什麼

短劇片段

用角色照片和一句台詞，做出兩人對話加反應鏡頭的場景，最長 16 秒。

有出鏡人的產品短片

把產品圖、出鏡人照片和場景一起當作參考，做一支從頭到尾同一張臉、同一個包裝的短廣告。

讓人像照片動起來

從一張照片開始，加一個小動作和一句話，影片保留照片原本的構圖和質感。

和同類比較

和本站同類影片模型放在一起比，都用同一份點數。

模型	適合	最高畫質	時長	聲音	起價
Vidu Q4	用照片和參考圖做含人聲的角色場景。	1080p	5–16s	有	20 點數/秒
Kling 3.0	真實動作和運鏡，需要時加聲音。	1080p	5–15s	有	35 點數/秒
Seedance 2.0	角色穩定的多鏡頭短片，最高 1080p。	1080p	5–15s	有	25 點數/秒