Vidu Q4 AI 视频生成器

在线用 Vidu Q4：生数科技的新 Preview 模型，把一张照片或最多 8 张参考图变成带声音的视频，5–16 seconds。

示例视频

Vidu Q4 是生数科技的下一代旗舰视频模型，目前开放的是 2026 年 10 月 7 日发布的 Preview 版。它可以让一张首帧图动起来（保持照片的画幅），也可以用最多 8 张参考图加最多三段 MP3 人声或音效搭出一个场景，同时生成同步的声音和口型。在 Vidlark 上支持 540p, 720p, 1080p，5–16 seconds，每秒 20 积分起，需要available on any plan or credit pack。

更新于 2026年10月12日

一眼看懂

开发方: Shengshu
价格: 每秒 20 积分起
清晰度: 540p、720p、1080p
时长: 5 秒、8 秒、10 秒、16 秒
输入: 图片、参考图
比例: 16:9、9:16、1:1、4:3、3:4
参考图: 最多 8 张
参考音频: 最多 3 段（MP3）
声音: 有，和画面一起生成
每次生成: 1 条视频
可用账户: 任一套餐或积分包
账号: 需要免费账号，注册送 100 积分，不用绑卡
无限套餐: 6 折

Vidlark 是独立平台，与 Shengshu 没有隶属关系。

Vidu Q4 AI 视频生成器使用教程

1
描述镜头
写清楚人物、动作和镜头怎么动。也可以上传一张图从它开始。
2
选参数
选比例、清晰度和时长，生成前就显示积分。
3
生成并下载
每次生成一条视频，直接下载（付费套餐无水印）；失败自动退积分。

擅长什么

会演戏的人脸

生数针对表情、情绪和肢体动作做了调优，一个微笑、一个眼神、一次耸肩都清清楚楚，不会糊成一片。适合特写和以人物为中心的短场景。

多张参考图，一套角色

上传最多 8 张人物、场景和风格图，在提示词里按顺序指代（「图 2 里的男人」），整段视频里都认得出来。

人声和口型同步

加最多三段简短的 MP3 人声，写明谁在说话，台词就用这个声音说出来，口型对得上。不加人声时，声音按提示词生成，也可以关掉。

规格和价格

视频按输出秒数计费；点生成前，按钮上会先显示准确总数。

规格	价格	示例	无限套餐
540p	每秒 20 积分	5 秒一条 = 100 积分	扣积分
720p	每秒 40 积分	5 秒一条 = 200 积分	扣积分
1080p	每秒 50 积分	5 秒一条 = 250 积分	扣积分

写好视频提示词的技巧

给参考图编号
模型按顺序读参考图，提示词里也这样写：「图 1 的女人把图 3 的杯子递给图 2 的男人」。
先用 540p 打草稿
用每秒 20 积分把动作定下来，满意的那条再用 1080p（每秒 50 积分）出成片。
人声用 MP3
Vidu Q4 的参考音频只收 MP3，每段 3 到 12 秒。剪一段干净的人声，底下不要垫音乐。

示例提示词

雨夜霓虹街头，一个骑自行车的人穿过积水，水花四溅。侧面跟拍，35mm，湿漉漉的路面映着灯光。声音：雨声、轮胎压过积水、远处车流。

用这个提示词

大家用它做什么

短剧片段

用角色照片和一句台词，做出两人对话加反应镜头的场景，最长 16 秒。

带出镜人的产品短片

把产品图、出镜人照片和场景一起作为参考，做一条从头到尾同一张脸、同一个包装的短广告。

让人像照片动起来

从一张照片开始，加一个小动作和一句话，视频保留照片原来的构图和质感。

和同类比较

和本站同类视频模型放在一起比，都用同一份积分。

模型	适合	最高清晰度	时长	声音	起价
Vidu Q4	用照片和参考图做带人声的角色场景。	1080p	5–16s	有	20 积分/秒
Kling 3.0	真实动作和运镜，需要时加声音。	1080p	5–15s	有	35 积分/秒
Seedance 2.0	角色稳定的多镜头短片，最高 1080p。	1080p	5–15s	有	25 积分/秒