Vidu Q4 image to video:让一张图动起来，带声音和台词

大多数图生视频模型只给你一段无声片段，声音留给你自己处理。Vidu Q4 Preview image to video 不一样：它接收一张图和一段提示词，默认会在生成动作的同时写出音频。在它页面上的一个示例里，一位网球选手赛后看着镜头说了一句话，嘴型和台词对得上。这正是选它的理由。如果你只需要几秒钟风景上的流云，模型页面上更便宜的同类模型也能做到。

你需要给它什么

• 一张图片（必填）。它会成为第一帧，所以构图、光线和人脸都在这里决定。
• 提示词（必填）。描述接下来发生什么，而不是图里已经有的东西。
• 分辨率。 从轻量的试样尺寸到大的成片尺寸，默认是适中的一档。
• 时长。 以整秒为单位的滑块。默认偏短；拉到最长足够说完一整句话再加一个反应。
• Generate audio。 默认开启。片段要配你自己的音乐时就关掉。
• Advanced: 提示词扩写（默认关闭）和种子。

它最擅长的地方

会说话的肖像，以及画面里有声源的小场景。说一句台词的角色、开始鸣叫的水壶、听得见的窗上雨声。声音和画面出自同一次生成，所以时间点往往一致：门在你听到关门声时关上。给它一张干净、光线好、主体占画面较大的起始帧，它就能让脸和衣服贴近你的原图，而不是跑偏。

三条起步提示词

用词和任何图生视频模型一样：一个镜头运动，一个主体动作，一种氛围。运动提示词词汇表整理了站得住的词和会让画面融化的词。这里新增的是声音这一栏：写明你想要的声音，而且只写一次。

实用技巧

• 提示词写得仔细时，别开提示词扩写。 它会把短提示词改写成长的，对一句话的点子有帮助，对精确的提示词有害，尤其是你想要逐字说出的台词。
• 调整期间固定种子。 改提示词前先设一个自己的种子数，这样每次改动都是唯一的变化。种子详解说明了为什么这能省下生成次数。
• 时长要配合动作。 眨眼或喝一口用短片段，说一句话用长一点的。长片段配一个很小的动作，剩下的时间会被你没要求的运动填满。

坦白的局限

这是预览版模型，在说话上看得出来。清晰的短句效果好；长独白、人名和念出来的数字，是嘴型和台词开始错开的地方。每个片段的台词控制在一句，长的话拆成几个片段，每段从上一段的最后一帧开始。起始帧依然说了算：图里的手和小字不会因为动起来就变好，所以先修好它们（照片转视频分步指南讲了如何准备起始帧）。