Vidu Q2 Pro

Коротко

Разработчик

ShengShu Technology (Китай), линейку Vidu Q2 показали в конце сентября 2025 года

На входе

одна картинка JPG, PNG, WebP или HEIC и задание до 5000 знаков; по желанию вторая картинка как конечный кадр

На выходе

ролик MP4 от 1 до 10 секунд, 540p, 720p или 1080p; пропорции берутся с картинки

Модели

«Обычная» и «Быстрая», в «Быстрой» нет 540p

Звук

только фоновая музыка, переключатель включён сразу; речи и звуков сцены нет

Русский язык

понимает задание на русском

Цена

от 3 ₽/сек.

Обычно готово

≈ 1,5 мин после отправки

API

есть, документация

Что умеет Vidu Q2 Pro

Видео по одному тексту эта нейросеть не снимает: ей всегда нужна картинка, от которой ролик начнётся. Для статьи мы нарисовали три исходника в Nano Banana 2 и сделали на них шесть роликов, а четвёртый пример взяли из готовых на этой странице. Все задания писали по-русски.

Эмоции на лице

Разработчики Vidu Q2 обещали прежде всего живую мимику, с неё и начали. Женщина на фото выдуманная, её нарисовала нейросеть. Вертикальный кадр 9:16, на нём она с серьёзным лицом читает письмо.

Женщина дочитывает письмо, удивлённо поднимает брови, потом расплывается в улыбке, прижимает письмо к груди и тихо смеётся, глаза блестят от слёз радости. Камера неподвижна, мягкий дневной свет.

Все шаги задания прошли по порядку: удивление, улыбка, смех, письмо у груди. Черты лица от кадра к кадру остаются теми же, очки и кардиган на месте, пальцы у нас не слиплись. Ролик пришёл через полторы минуты. Листок к концу немного сложился, в жизни бумага так себя и ведёт. Смеха в ролике нет: из звука эта модель делает только фоновую музыку.

Переход от наброска к цвету

Если отметить галочку Конечный кадр, появится второе поле для картинки, и ролик придёт к ней. Мы взяли карандашный набросок улицы с трамваем, а конечный кадр получили из него же: попросили Nano Banana 2 раскрасить рисунок акварелью, не двигая линий.

Карандашный набросок постепенно оживает и раскрашивается акварелью: сначала проступают цвета домов и неба, потом загораются фонари и окна кафе, трамвай медленно едет вперёд по рельсам. Камера неподвижна.

Цвет проступает слоями: сначала стены, потом небо, к последней секунде загораются окна и фонари. Вывески CAFE EUROPA и BÄCKEREI не поплыли. Трамвай почти не сдвинулся, и это честная цена совпадения со второй картинкой: там он стоит на том же месте. Ждали 3 минуты 16 секунд. Чем ближе две картинки по композиции, тем спокойнее переход, поэтому вторую картинку удобно делать правкой первой, а не отдельной генерацией. Другие нейросети, которые умеют такие переходы, собраны в разделе «Видео-переход между кадрами».

Что меняет амплитуда движения

Поле Амплитуда движения обещает управлять тем, насколько бурно всё двигается. Мы проверили это на шторме у маяка: одна картинка, одно задание, модель «Быстрая», меняли только амплитуду.

Разница оказалась меньше, чем мы ждали. С «Большой» над водой чаще пролетают чайки, одна проходит совсем близко к камере, а волны и тучи в обоих роликах почти одинаковые. До этого мы сделали такую же пару с другим заданием, где камера медленно приближается к маяку, и там «Небольшая» даже наехала на маяк сильнее, чем «Большая». Вывод из четырёх роликов: движение камеры и героев задаёт задание, а амплитуда лишь слегка его подкручивает. Ещё одно наблюдение: огромный всплеск с исходной картинки во всех четырёх роликах опадал, и к пятой секунде море успокаивалось, хотя в задании брызги взлетают высоко.

Реклама товара без людей

Этот ролик взят из готовых примеров на странице. На входе фото кроссовок в парке, в задании сказано, что их носит невидимка: видна только обувь.

Ультрареалистичная премиальная реклама обуви. Пара элегантной обуви надета на полностью невидимого человека — в кадре видна только обувь. Никакого тела, одежды, силуэта, кожи или аксессуаров. Обувь естественно идёт по красивому парку в тёплом солнечном свете. Каждый шаг выглядит реалистично: плавный перекат с пятки на носок, правильный перенос веса, лёгкая деформация кожи, естественные складки материала, идеальный контакт подошвы с поверхностью. Камера расположена очень низко и плавно сопровождает обувь кинематографическим трекингом. Малая глубина резкости, мягкий золотой час и солнечные лучи сквозь деревья создают атмосферу высококлассной коммерческой съёмки. Невидимый человек постепенно останавливается, обувь идеально центрируется в кадре. Камера медленно приближается и задерживается на обуви создавая эффектный финальный hero shot. Никаких слов, букв, логотипов, водяных знаков или вымышленных названий брендов в кадре. Эстетика рекламных кампаний Hermès, Prada, Bottega Veneta, ZEGNA и Loro Piana. Гиперреализм, кинематографическая цветокоррекция, премиальное коммерческое качество, HDR, 8K, безупречное освещение, без CGI, без мультяшности.

Кроссовки сами шагают к камере, останавливаются ровно по центру, и последние секунды кадр держится на них, как просили. Картинка была 3:4, и ролик пришёл таким же вертикальным, 832×1108 точек. Нажмите Повторить под роликом: откроется страница этого промпта, загрузите своё фото товара.

Как это работает

Загрузите картинку в поле Изображение: с неё начнётся ролик. В поле Задание опишите, что должно двигаться и как ведёт себя камера. Поле не помечено обязательным, но без задания ролик у нас не запустился ни разу, так что пишите хотя бы одну фразу. Если ролик должен прийти к определённой картинке, отметьте галочку Конечный кадр и загрузите вторую. Один и тот же снимок в начале и в конце даёт петлю: ролик заканчивается тем же кадром, с которого начался, и его удобно крутить по кругу.

Дальше выберите модель, качество и длительность, и цена появится на кнопке Отправить ещё до запуска. Модель «Быстрая» в наших пробах отдавала ролик примерно за минуту, «Обычная» — от полутора до трёх с небольшим минут. Готовое видео появится в ленте под формой и пролежит 7 дней в разделе Мои результаты, удачное скачайте или сохраните в библиотеку. Кнопка Изменить вернёт задание и настройки в форму, а Повторить сразу запустит то же задание ещё раз. Если сайт для вас новый, начните с инструкции по сайту.

Настройки: что ставить

• В поле Модель «Быстрая» дешевле и заметно быстрее, её хватает для проб и для пейзажей вроде маяка выше. «Обычную» берите для лиц и переходов: портрет и трамвай сделаны в ней. Как две модели справляются с одним кадром, видно в сравнении в обзоре нейросетей Vidu.
• В поле Качество 540p есть только в «Обычной» и годится для черновика, 720p хватает для телефона, 1080p нужен для большого экрана и монтажа.
• Ползунок Длительность двигается от 1 до 10 секунд, оплата за каждую. Для пробы хватит 2–3 секунд, для сцены с одним-двумя действиями — 5.
• Амплитуда движения по умолчанию стоит на «Авто». В наших пробах это поле почти не влияло на результат. Для портрета мы ставили «Среднюю», и лицо не поплыло.
• Переключатель Фоновая музыка включён сразу и на цену не влияет. Выключите её, если поверх ролика ляжет ваша музыка или голос.
• Галочка Конечный кадр тоже не меняет цену, она только добавляет второе поле для картинки.

Как писать промпт

Задание здесь описывает не картинку, а то, что с ней происходит: кто двигается, в каком порядке, что делает камера. Всё, что уже есть на фото, модель видит сама. Удобный порядок такой: действие героя или предмета, потом что меняется вокруг, затем камера и в конце свет или настроение. За пять секунд успевает два-три действия; наша женщина с письмом выполнила четыре, но они шли одно из другого.

Заготовка для оживления фото:

Заготовка для перехода между двумя картинками:

Частые ошибки:

• Пересказать картинку («пожилая женщина в очках сидит у окна») и не написать ни одного действия. Ролик получится, но двигаться в нём почти ничего не будет.
• Ждать, что движение с фото станет сильнее само. Волна, застывшая в прыжке, у нас опадала; если нужен разгул стихии, опишите его подробно и не рассчитывайте только на амплитуду.
• Брать для перехода две картинки с разной композицией. Нейросеть тогда перетекает из одной картинки в другую, и середина ролика выходит кашей. Сделайте вторую картинку правкой первой, как мы с трамваем.

Готовые задания других пользователей собраны на странице промптов этой нейросети, ещё приёмы для камеры есть в инструкции про промпты для видео.

Сколько стоит

Оплата за каждую секунду ролика. Цена секунды зависит от модели и качества, а музыка и вторая картинка её не меняют. Несколько типичных запусков:

У «Быстрой» в 720p секунда стоит даже меньше, чем у «Обычной» в 540p, поэтому пробы удобнее делать в ней. Удачное задание потом запустите в «Обычной» в нужном качестве. Если модерация отклонит запрос или нейросеть вернёт ошибку, деньги вернутся на баланс сами.

Для чего подойдёт

• Оживить портрет или семейное фото так, чтобы человек улыбнулся, моргнул, повернул голову, как в примере с письмом выше.
• Короткая заставка из иллюстрации: рисунок, который раскрашивается или оживает, для сторис, презентации или школьного проекта.
• Петля для фона сайта или экрана в кафе: одна и та же картинка в начале и в конце.
• Рекламный ролик по одному фото товара, без съёмок, как с кроссовками.
• «До и после»: пустая комната и та же комната с мебелью, эскиз и готовый интерьер. Как подобрать два кадра, мы разбирали в инструкции про видео с переходом между двумя фотографиями.
• Быстрые черновики движения для будущего монтажа: модель «Быстрая», 2–3 секунды, без музыки.

Ограничения

• Без картинки не работает. Ролик по одному описанию снимет Vidu Q3, а другие нейросети для оживления картинок собраны в разделе «Видео из изображений».
• Голосов и звуков сцены нет, только фоновая музыка. Если нужен плеск волн или реплика героя, берите Vidu Q3 со звуком, а русскую речь лучше записать отдельно и подложить в монтаже.
• Ролик не длиннее 10 секунд. Длинную историю собирайте из нескольких роликов: последний кадр одного достаньте нейросетью «Извлечь кадр» и загрузите первым в следующий.
• Амплитуда движения работает слабо, и сильное движение с фото модель может «успокоить», как шторм у маяка. Всё, что должно случиться, пишите в задании.
• Соотношения сторон в форме нет, ролик повторяет пропорции картинки. Для вертикального ролика в сторис загружайте вертикальную картинку.

Версии и альтернативы

На сайте шесть нейросетей Vidu, все они сравниваются на одном кадре в обзоре линейки. Ближайший сосед Q2 Pro — Vidu Q3: она снимает и по тексту, и по картинке, озвучивает сцену и даёт до 16 секунд, а Q2 Pro проще и работает только от картинки, зато в ней есть модель «Быстрая», которая у нас отдавала ролик примерно за минуту. Ниже ещё три нейросети других разработчиков, которые тоже ведут ролик к конечному кадру.

Вопросы и ответы