Нейросети от Vidu

Нейросеть Vidu делает короткие ролики из фото или текста. Её разрабатывает пекинская компания ShengShu Technology вместе с Университетом Цинхуа, первую версию показали в апреле 2024 года. На сайте шесть нейросетей Vidu: одна оживляет фото, другая снимает видео со звуком, третья собирает клип из снимков под вашу песню, а ещё три делают рекламу по фото товара и сцены по сценарию. Все работают на русском сайте без VPN, оплата в рублях.

Чтобы увидеть разницу, мы дали один кадр трём из них, а Vidu Q2 Pro запустили в обоих вариантах поля Модель. Пекаря в пекарне нарисовала Nano Banana 2, это выдуманный человек.

Один кадр с пекарем в трёх нейросетях

Условия у всех одинаковые: 5 секунд, 720p (540p годится для проб, 720p — для телефона, 1080p — для большого экрана) и один и тот же текст в поле Задание, куда пишут просьбу к нейросети (промпт). Амплитуда движения у Q2 Pro и Q3 — «Авто», у Q3 Ad такого поля нет.

Быстрее всех, примерно за минуту, справилась Q2 Pro в модели «Быстрая». Пекарь идёт к камере и широко улыбается, но к пятой секунде противень уезжает вниз из кадра. «Обычная» думала почти три минуты. Пара у неё больше, круассаны остаются в кадре до конца, зато справа вырос стеллаж, которого на фото не было.

Q3 на третьей секунде сама сменила план: второй ракурс у стола, на фоне кирпичной стены. Мы описывали одну сцену. Если нужен один непрерывный кадр без склейки, берите Q2 Pro. Q3 Ad сделала из того же кадра рекламу: камера опускается к выпечке, круассаны крупно, а в конце пекарь наклоняется к зрителю. Выпечку лучше всех показала именно она. Звук есть во всех четырёх роликах: у Q2 Pro это фоновая музыка, а Q3 и Q3 Ad озвучивают сцену сами (у Q3 была включена ещё и фоновая музыка).

Что умеет каждая нейросеть Vidu

Vidu Q2 Pro: оживить фото за небольшие деньги

По одному тексту Vidu Q2 Pro не снимает, ей нужна картинка. В поле Модель два варианта: «Быстрая» считает быстрее и стоит дешевле, но в ней нет 540p, «Обычная» дольше и дороже (разницу видно в сравнении выше). Цена от 3 ₽/сек., стоимость секунды зависит от модели и качества. Ролик длится от 1 до 10 секунд. Задание можно не заполнять, тогда нейросеть придумает движение сама.

Поле Амплитуда движения решает, насколько сильно всё двигается, от «Небольшой» до «Большой». Для портрета с моргающей героиней ниже мы ставили «Небольшую». Галочка Конечный кадр добавляет вторую картинку, к которой ролик должен прийти. Если загрузить одно и то же фото в начало и в конец, получится петля, которую можно крутить по кругу. Героиня здесь тоже выдуманная:

Идёт снег, женщина моргает, чуть поправляет шарф и снова улыбается в камеру, огни витрин мягко мерцают. Камера неподвижна.

Фоновая музыка включена по умолчанию. Если будете накладывать свой звук, выключите её перед запуском. Больше о переходах между двумя разными кадрами рассказано в разделе «Видео-переход между кадрами».

Vidu Q3: видео со звуком из текста или фото

Главную нейросеть линейки, Vidu Q3, выпустили в январе 2026 года. Она снимает ролик до 16 секунд и сразу озвучивает его: шум, музыка и реплики появляются в той же генерации. В поле Тип генерации выбирают «Видео из изображений» или «Видео из текста». Длительность по умолчанию 3 секунды, ползунок двигается до 16. Цена от 12 ₽/сек. — это 540p. 720p и 1080p дороже, но между собой стоят одинаково, поэтому для итогового ролика можно сразу ставить 1080p. Конечный кадр здесь тоже есть, в режиме из фото.

В режиме «из текста» соотношения сторон в форме нет. Наш ролик вышел 1104×816, почти 4:3. В режиме из фото ролик повторяет пропорции картинки (пекарь 16:9 остался 16:9), поэтому для вертикального видео начните с картинки 9:16. Сцены можно расписать прямо в задании, Q3 их выполнит по порядку:

Две сцены. Сцена 1: общий план, рассвет, над озером туман, пожилой рыбак в вязаной шапке и старой куртке сидит на краю деревянного пирса и закидывает удочку. Сцена 2: крупный план, рыбак поворачивается к камере, щурится и говорит по-английски спокойным хрипловатым голосом: "They only bite here till seven. After that, you might as well go home." Тихо плещет вода, вдалеке кричат чайки.

Ролик считался чуть больше трёх минут. Английскую фразу рыбак произнёс слово в слово, это подтвердило автоматическое распознавание речи. Сначала мы просили ту же реплику по-русски, и вместо неё вышел набор звуков, похожих на речь: распознавание не нашло в нём ни одного слова. Разработчик заявляет для Q3 английский, японский и китайский. Русскую речь лучше записать отдельно в «Озвучке текста», снять ролик с выключенным переключателем Со звуком и подогнать губы под запись в разделе «Липсинк».

Vidu One-Click V2 MV: клип из фото под вашу песню

Для клипа Vidu One-Click V2 MV берёт от одного до трёх снимков и одну запись до 20 МБ. Клип длится ровно столько, сколько запись, а сцены идут в порядке фото. Оплата за каждую секунду записи. В форме можно выбрать соотношение сторон (16:9, 9:16, 1:1, 4:3 или 3:4) и включить Субтитры. Когда мы готовили статью о говорящем фото, русские строки субтитров рвались посреди слов, поэтому для песни на русском мы бы их не включали. Сцены можно расписать по отрезкам записи, как в этом примере со страницы нейросети (героиня нарисована нейросетью). В задании написано 30 секунд, но клип длится по записи, поэтому вышло 35:

Cinematic Russian drum and bass music video, 30 seconds, three-act structure synchronized to audio dynamics.

Act 1 (vocal intro, 0-10s): hold on the misty portrait, slow subtle push-in on the face, gentle parallax on background fog, hair moves slowly in wind. Intimate, meditative, almost still. Cool melancholic atmosphere.

Act 2 (vocals plus sparse drums, 10-20s): hard cut on first drum hit to the rooftop scene, slow orbital camera movement around the figure, neon flickers synced to drum hits, light rain falling, energy building. Mid-tempo cinematic motion.

Act 3 (full drum and bass drop, 20-30s): explosive hard cut to the underground rave scene, rapid handheld camera energy, strobe flashes synced to bass hits, laser beams pulse with the rhythm, fast push-ins and whip pans, particles flying, dance motion intensifies. High-energy beat-matched editing.

Beat-synced transitions, cinematic anamorphic look, 35mm film grain, deep contrast, post-Soviet cyberpunk aesthetic.

Нажмите Повторить: задание встанет в форму, а песню и фото загрузите свои. Сравнение с другой нейросетью для клипов есть в разделе «Видео из аудио».

Q3 Ad, Q3 Drama и Drama Clip: реклама и сцены по сценарию

Рекламный ролик по фото товара снимает Vidu Q3 Ad. В поле Изображения помещается от 1 до 7 снимков, длительность от 3 до 16 секунд, звук включён по умолчанию и выключается переключателем Создать звук.

Vidu Q3 Drama собирает сцену по сценарию до 5000 знаков. Сначала задачу называют в поле Название задачи (до 20 знаков). Героев, места и предметы задают ассетами: у каждого номер от 01 до 14, название, тип («Персонаж», «Сцена» или «Предмет») и картинка-образец в поле Референс. Длительность от 2 до 30 секунд, кадр 9:16 или 16:9, в поле Стиль пишут пару слов без знаков препинания. Цена 14 ₽/сек. при любом качестве и разрешении.

Мы продолжили историю пекаря. Три ассета нарисовала Nano Banana 2: того же пекаря, выдуманную покупательницу и пустую пекарню. Реплики в сценарии написали по-английски.

Кадр 1: утро, пекарня (03). Пекарь (01) выкладывает горячие круассаны на прилавок с витриной. Над дверью звенит колокольчик.

Кадр 2: входит покупательница (02), стряхивает снег с пальто, улыбается и говорит по-английски: "Two croissants, please. The warmest ones."

Кадр 3: крупный план пекаря, он подмигивает и отвечает: "Straight from the oven, just for you." Он протягивает ей бумажный пакет.

Лица, зелёное пальто и пекарня остались как на ассетах, обе реплики прозвучали слово в слово, а планы сменились по сценарию. Заказывали 8 секунд, ролик вышел на 9. Считался он около 11 минут, дольше всех в этой статье.

Сценарий и ассеты так же принимает Vidu Q3 Drama Clip, но длительность у неё только 8, 9, 10, 11 или 12 секунд, поля «Качество» нет, а платите вы за ролик целиком. Её мы для статьи не запускали. Другие нейросети, которые снимают видео по картинкам-образцам, — в разделе «Видео по референсам».

Шесть нейросетей в одной таблице

Какую нейросеть Vidu выбрать

• Оживить фото или проверить идею подешевле: Vidu Q2 Pro в модели «Быстрая». «Обычная» дольше и дороже, но в нашем сравнении круассаны у неё остались в кадре до конца.
• Сделать петлю или переход к нужному кадру: тоже Q2 Pro, с галочкой Конечный кадр (она есть и в Q3, но там дороже). Подробно о переходах рассказано в инструкции «Как сделать видео с переходом между двумя фотографиями».
• Получить ролик со звуком или снять видео по одному описанию, без картинки: Vidu Q3.
• Собрать клип под свою песню из снимков артиста или именинника: One-Click V2 MV. Как придумать сцены под песню, мы разбирали в инструкции «Как создать видео клип для аудиотрека».
• Рекламный ролик по фото товара: Q3 Ad, до 7 снимков, звук сразу в ролике.
• Короткая сцена с постоянными героями и диалогом: Q3 Drama, а если нужна цена за ролик целиком, Drama Clip.

Если ни одна из них не подошла, посмотрите другие нейросети для оживления фото в разделе «Видео из изображений».

Ответы на частые вопросы