Vidu Q3

音声付き動画スタンダード / ターボ最大16秒

APIXO上のVidu Q3は、StandardとTurboのテキストから動画および画像から動画ワークフローを提供し、ネイティブなオーディオビジュアル生成が可能です。540p、720p、または1080pで1〜16秒のクリップを作成したり、1枚の画像をアニメーション化したり、順序付けられた開始フレームと終了フレーム間でトランジションさせたりできます。また、生成されるサウンド、BGM、モーションの振幅も制御できます。

ワークフロー

テキスト・画像から動画へ

APIXO価格

$0.04～$0.16 / 秒

解像度

540p / 720p / 1080p

再生時間

1～16秒

画像入力

1～2つの順序付きフレーム

ワークスペースを読み込み中...

APIXOのVidu Q3

映像と音声を組み合わせて、より長いショートストーリーを生成

Vidu Q3は、動画、セリフ、ナレーション、効果音、音楽を1つの生成プロセスで統合します。APIXOでは、StandardとTurboの4つのワークフローenumとしてパッケージ化しており、プロンプトによるシーン生成、単一画像の動画化、開始フレームから終了フレームへのトランジションを秒単位の課金でサポートしています。

機能

動きと音声を統合した短編ストーリーテリング

ネイティブの音声・映像出力

Vidu Q3は、視覚と音響を同時に生成します。別々の音声アップロードや生成後の同期作業を必要とせず、セリフ、ナレーション、効果音、音楽をサポートします。

最大16秒

APIXOは1秒から16秒までの任意の整数値の再生時間に対応しており、1回の生成内で物語の展開、カメラの切り替え、セリフ、トランジションのためのより広い余地を提供します。

多言語でのストーリーテリング

Viduの公式資料には、複数人での会話を含む、英語、日本語、中国語の出力について記載されています。ただし、正確な言葉遣い、発音、話者の割り当て、リップシンクについては、依然として確認が必要です。

順序指定されたフレーム遷移

画像モードは、アニメーション用に1枚のフレーム、またはトランジション用に2枚の連続した画像を受け付けます。最初のURLが開始フレームを定義し、2番目のURLが終了フレームを定義します。

生成オーディオ制御

APIXOは`sound`と`bgm`のブール値を個別に公開しています。`sound`はモデルが生成する音声を広範に制御し、`bgm`は別途バックグラウンドミュージックをリクエストします。公開ドキュメントには、デフォルト値や2つの制御間の依存関係は明記されていません。

モーションの振幅

全体の動きの強度に影響を与えるため、「auto」、「small」、「medium」、「large」のいずれかの動きを選択します。これは正確なカメラパス、キーフレーム、レンズ、FPSの制御ではありません。

APIXOモードグループ

StandardまたはTurboルーティングで生成コストのバランスを調整

標準的なテキストと画像のワークフロー

APIXOのテキストから動画および画像から動画のenumは、Standard課金グループを使用します。このルートグループの出力プロファイルがTurboよりも望ましい場合に選択し、各タスクに必要な解像度と再生時間を選択してください。

スタンダード

低コストのTurboワークフロー

turbo-text-to-videoとturbo-image-to-videoは、ドキュメントに記載されているすべての解像度で、より低い秒単位のレートを使用します。APIXOは、いずれのワークフローグループの背後にある正確なアップストリームのチェックポイントIDを公開していません。

Turbo

API詳細

Vidu Q3 ルート仕様

APIXOを通じて公開される、検証済みの制御機能と配信動作。

1～5,000文字

プロンプト

4種類のモード

ワークフロー

5つのテキスト比率

フレーミング

一般 / アニメ

テキストスタイル

MP4のURL 1件

出力

ポーリング / コールバック

出力形式

ユースケース

Vidu Q3に適した制作ワークフロー

ナラティブメディア

多言語での会話シーン

生成された音声、環境音、エフェクトを使用して、英語、日本語、または中国語での短い会話やストーリーのプロトタイプを作成します。公開前に、発音、セリフの割り当て、音声の一貫性、音声と映像の整合性を確認してください。

キャンペーンクリエイティブ

製品・広告コンセプト

再生時間、解像度、フレーミング、サウンドを選択して、短い製品紹介、ローンチシーン、物語性のある広告を構築します。製品の比率、ロゴ、埋め込みテキスト、手、オブジェクトの接触などを注意深く確認してください。

フレームアニメーション

開始から終了へのトランジション

計画された2つの視覚状態間の遷移を指示するために2つの順序付けられた画像を使用するか、1つの静止画を動くシーンにアニメーション化します。大幅な変更は、参照フレームの忠実度を低下させたり、ジオメトリのずれを引き起こしたりする可能性があります。

様式化されたストーリー

アニメ・コミックのコンセプト

APIXOのテキストモードのアニメプリセットを使用して、コミックドラマのシーン、短編シリーズのアイデア、スタイリッシュなソーシャルクリップなどを探求しましょう。生成結果全体を通して、キャラクターの配置、アイデンティティの連続性、セリフのタイミング、複数のキャラクター間のインタラクションを確認してください。

注記 & FAQ

Vidu Q3ルートのインテグレーションガイダンス

インテグレーションに関する注意点

APIXOは4つのワークフローenumを公開していますが、それらの正確なアップストリームQ3チェックポイントを特定していないため、Standardを確定したviduq3-proとして提示してはなりません。

開始・終了フレームからの生成は、両方の画像から動画モード内で2つの順序付けられたURLを使用して実装されています。これは5番目のAPIXOモードではありません。

APIXOの詳細ドキュメントでは、アスペクト比はテキストモードにのみ適用されますが、ライブフォームスキーマではグローバルに必須項目として表示される場合があります。

APIXOは`style`をテキストから動画モードでのみ公開しています。`movement`、`sound`、`bgm`、`seed`はルートレベルの制御ですが、公開ドキュメントでは音声関連のブール値のデフォルト値は公開されていません。

標準的な処理時間は、短いTurboジョブで60～120秒、Standardタスクで60～180秒です。より長い動画や1080pの生成には2～4分以上かかる場合があります。

結果のURLは一時的なものであり、APIXOは固定の保持期間を公開していません。重要なMP4出力は、完了後速やかにダウンロードして保存してください。

よくある質問

このルートは、テキストから動画、画像から動画、turbo-テキストから動画、およびturbo-画像から動画を受け付けます。Q3 Mix、Drama、Ad、参照から動画、拡張、編集、ビデオ転送、アクション同期、または被写体ライブラリのワークフローは公開していません。

総コストは、再生時間に選択したレートを乗じて計算されます。Standardモードのコストは、540p、720p、1080pでそれぞれ1秒あたり$0.07、$0.15、$0.16です。Turboモードのコストは、1秒あたり$0.04、$0.06、$0.08です。テキストモードと画像モードは、それぞれのグループのレートを共有します。

APIXOは`sound`と`bgm`を別々のオプションのブール値として公開しています。無音の結果をリクエストする場合は両方を無効にしてください。公開ドキュメントには、それらのデフォルト値や、BGMが生成された音声に依存するかどうかは記載されていません。アップロードされた音声、ソース音声、ボイス、話者、言語、発音、またはリップシンクのフィールドは文書化されていません。

APIXOは、直接アクセス可能な公開画像URLを1つまたは2つ要求し、アクセス不能または処理不能なファイルは拒否します。詳細なルートドキュメントには、正確なフォーマットリスト、ファイルサイズの上限、または画像サイズの範囲は公開されていないため、WebPのサポートは想定すべきではありません。

いいえ。APIXOはシード値を制御した反復生成のために-1から2147483647までの整数を受け付けますが、同じシード値を使用しても決定論的な出力が保証されるわけではありません。このルートでは、ネガティブプロンプト、CFGスケール、カメラキーフレーム、FPS、セーフティレベル、または出力数の制御は公開されていません。