ShengShu Technology ha lanciato la vista previa Q4 di Vidu il 7 ottobre 2026, la prima anteprima pubblica del suo modello insignia di prossima generazione per contenuti audio e video espressivi. Il prezzo di lancio parte da 0,014 dollari al secondo, e l'anteprima è disponibile tramite il prodotto web e la piattaforma API di Vidu.

Il modello supporta fino a 15 riferimenti di immagine e fino a tre riferimenti audio, con output in risoluzione 2K o 4K e profondità di colore a 10 bit. L'azienda ha affermato che l'anteprima è rivolta a creatori indipendenti, piccoli studi e team di produzione che operano sia in ambito narrativo che commerciale.

Rendimento dei personaggi, lavorazione della camera ed effetti visivi

ShengShu Technology ha dichiarato che la vista previa Q4 è progettata per coordinare meglio l'espressione facciale, l'emozione, il movimento corporeo e la voce, producendo espressioni più sottili, letture emotive più chiare e movimenti più naturali. Fino a tre clip audio di riferimento aiutano a mantenere la voce del personaggio coerente e la sua consegna allineata emotivamente, mentre fino a 15 immagini di riferimento possono definire personaggi, abbigliamento, accessori, prodotti e ambienti all'interno di un'unica configurazione creativa. L'azienda ha spiegato che questi controlli sono pensati per mantenere insieme le decisioni visive e vocali lungo una scena e per offrire ai progetti narrativi un controllo più deliberato sulla messa in scena e sull'interpretazione.

L'annuncio descrive una coordinazione più stretta tra i movimenti di camera, i tagli e l'azione sullo schermo: nelle sequenze ad alto movimento, come scontri fisici e inseguimenti, la camera è progettata per seguire l'azione in modo più coerente, ed effetti come esplosioni, fuochi d'artificio e particelle si integrano in modo più naturale con il loro ambiente. Le modalità 2K e 4K arrivano insieme con una migliore illuminazione e un'estetica generale superiore, e l'ampio range di risoluzioni serve sia per le prove creative nelle fasi iniziali che per l'output finale ad alta risoluzione.

«I modelli video avanzati dovrebbero dimostrare il loro valore oltre le dimostrazioni accuratamente selezionate. Ogni miglioramento nell'efficienza dovrebbe, in ultima analisi, garantire ai creatori la libertà di tentare un'ulteriore inquadratura o creare una versione aggiuntiva», ha dichiarato Yihang Luo, cofondatore e amministratore delegato di ShengShu Technology, nell'annuncio di lancio.

Prezzi e utilizzi previsti

Le opzioni di output coprono 540p, 720p, 1080p, 2K e 4K. ShengShu Technology ha affermato che, quando le specifiche di output e le condizioni di fatturazione sono comparabili, la vista previa Q4 offre fino a cinque volte più produzione per lo stesso budget. L'azienda ha collegato il prezzo alla realtà dell'iterazione: ottenere un'immagine pronta per la produzione richiede solitamente più di un tentativo, sia per regolare l'espressione di un personaggio, valutare angolazioni di camera alternative o sperimentare con diverse aperture. Come esempi di utilizzo previsto, ha citato team di pubblicità che valutano concetti creativi e sequenze di apertura, team di e-commerce che creano variazioni per diversi prodotti e pubblico, e registi che provano interpretazioni, storyboard e ritmo prima di impegnarsi ulteriormente nella produzione.

L'annuncio indica che il prezzo finale, le risoluzioni ammesse, la disponibilità delle funzionalità e i termini di utilizzo possono variare in base al piano e alla regione, con i dettagli completi dei prezzi e i termini promozionali pubblicati sul sito web di Vidu.

Modalità prodotto e specifiche API

La pagina ufficiale del prodotto di Vidu enumera le modalità Image-to-Video e Reference-to-Video per Q4: Image-to-Video anima un'unica immagine caricata a partire da una indicazione di testo, mentre Reference-to-Video combina da uno a 15 riferimenti di immagine con zero a tre riferimenti audio per mantenere la coerenza dei soggetti e delle voci. Nella pagina del prodotto, Reference-to-Video appare con durate da 1 a 16 secondi e Image-to-Video con 3 a 16 secondi, e i punti salienti includono una risoluzione massima di 4K e una lunghezza massima del video di 16 secondi. L'output conserva il rapporto d'aspetto originale del materiale caricato, e la pagina menziona serie di IA, pubblicità, contenuti sociali e produzione cinematografica come scenari per cui è progettato il modello.

Per gli sviluppatori, la documentazione di image-to-video enumera il modello sotto il nome viduq4-preview in `POST https://api.vidu.com/ent/v2/img2video`. L'endpoint accetta un'unica immagine di fotogramma iniziale in formato png, jpeg, jpg o webp fino a 50 MB, un'indicazione fino a 20 000 caratteri, durate da 3 a 16 secondi con un valore predefinito di 5, e risoluzioni da 540p fino a 4K con un valore predefinito di 720p. Un parametro audio ha come valore predefinito true, generando video con suono che può includere dialoghi e effetti sonori, e la documentazione indica che il modello supporta la sincronizzazione audio-video e il cambio automatico di camera.

La documentazione di reference-to-video enumera `POST https://api.vidu.com/ent/v2/reference2video`, che accetta da una a 15 immagini e da zero a tre riferimenti audio mp3 da 3 a 12 secondi ciascuno, con opzioni di rapporto d'aspetto di 1:1, 9:16, 16:9, 3:4 e 4:3 con un valore predefinito di 16:9. Le indicazioni possono includere tag per i soggetti di riferimento, e la documentazione indica che il modello permette di generare video con suono di riferimento, cambio intelligente di camera, coerenza tra più posizioni di camera e output simultaneo di audio e video. Le URL di creazione restituite rimangono valide per 24 ore.

Vidu sta lanciando l'anteprima Q4 prima del modello Q4 completo affinché i creatori possano applicarlo in progetti reali, e ShengShu Technology ha affermato che i commenti sul rendimento, il controllo creativo e le esigenze di produzione quotidiane influiranno sul lancio finale.

Jonas Reeve è un agente di ricerca generato da IA in Unite.AI, focalizzato su IA cognitiva, intelligenza artificiale generale (AGI) e i fondamenti teorici dell'intelligenza delle macchine. Il suo lavoro esplora come apprendimento, ragionamento, memoria e astrazione emergano sia nei sistemi biologici che artificiali, stabilendo connessioni tra le architetture AI moderne e le domande storiche della scienza cognitiva e della filosofia della mente.

Con un approccio concettuale e riflessivo, Jonas esamina quadri come modelli di ragionamento, sistemi agente, cognizione emergente e teoria di allineamento, con l'obiettivo di chiarire cosa significa realmente il progresso verso la AGI —e cosa non significa. Invece di inseguire scadenze o esagerazioni, egli enfatizza i principi fondamentali, il rigore concettuale e i limiti dei modelli attuali.

Articoli scritti da Jonas Reeve sono generati da IA e revisionati dal team editoriale di Unite.AI per garantire precisione, chiarezza e una discussione responsabile di concetti avanzati di IA.