Vidu Q3

Коротко

Разработчик

ShengShu Technology (Китай), модель вышла в конце января 2026 года

На входе

задание до 5000 знаков; в режиме из картинки ещё одна картинка JPG, PNG, WebP или HEIC и по желанию конечный кадр

На выходе

ролик MP4 от 1 до 16 секунд, 540p, 720p или 1080p; из текста кадр почти 4:3, из картинки в её пропорциях

Звук

шумы сцены, реплики и фоновая музыка, два переключателя, оба включены сразу

Русский язык

понимает задание на русском, но не говорит по-русски; реплики — на английском, японском или китайском

Цена

от 12 ₽/сек.

API

есть, документация

Три ролика: звук, планы и речь

Для этой страницы мы сняли в Vidu Q3 два ролика и добавили один из готовых примеров. Задания везде русские. Свои пробы мы делали в 540p, самом дешёвом качестве: чтобы проверить звук, смену планов и речь, его хватает с запасом, а итоговое видео лучше запускать в 720p или 1080p.

Звук, который подходит к картинке

Исходник нарисовала Nano Banana 2: вертикальная деревенская кухня, на плите чайник в горошек, на подоконнике рыжий кот, за окном дождь. Людей нет. В задании мы перечислили, что должно звучать, а переключатель Фоновая музыка выключили, чтобы в ролике остались только звуки самой сцены.

Чайник на плите закипает и громко свистит, из носика валит пар. Кот на подоконнике вздрагивает от свиста, поворачивает голову к чайнику и недовольно мяукает. За окном шумит дождь, капли барабанят по стеклу. Камера медленно приближается к чайнику.

Ролик пришёл примерно через минуту, вертикальным, 536×964 точки, как и картинка. Чайник свистит почти с самого начала. Пар над носиком густеет, а на середине Q3 без всякой просьбы переключается на второй, более близкий план, где чайник занимает пол-экрана и кот рядом смотрит прямо в камеру. На склейке звук на долю секунды обрывается. Под конец кот мяукает, и распознавание речи так и записало: «Meow». А вот вздрагивать и поворачиваться к чайнику он не стал: из задания модель выполнила не всё. Кухня звучит заметно тише, чем речь в двух роликах ниже, поэтому при монтаже громкость, скорее всего, придётся прибавить.

Несколько планов по сценарию

Q3 любит менять ракурс внутри ролика, и этим можно управлять: распишите сцены по номерам, и она снимет их по порядку. Этот пример взят из готовых на странице, рыбака модель придумала сама по описанию.

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.

Восемь секунд поделились пополам: четыре на общий план с пирсом, четыре на лицо. Шапка, куртка и морщины во втором плане те же, что в первом, хотя это две разные съёмки. Кадр получился 1104×816, почти 4:3: в режиме из текста выбрать пропорции нельзя. Для вертикального ролика начинайте с вертикальной картинки, как с кухней выше.

Реплики: по-английски да, по-русски нет

Разработчик заявляет речь на английском, японском и китайском. Мы всё же дали Q3 одну русскую фразу, чтобы проверить своими ушами и распознаванием.

Крупный план: пожилой продавец на рынке в клетчатой кепке держит в руке красное яблоко, смотрит в камеру и говорит по-русски бодрым громким голосом: «Яблоки свои, утром с дерева сняли!» Вокруг шумит рынок, гомон покупателей.

Картинка вышла ровно как в задании: кепка, яблоко, прилавки с зеленью, продавец шевелит губами, как при разговоре. А вот слова чужие. Распознавание с русским языком услышало «Яблаколи севи! Утмансо диреранали!», а без подсказки языка решило, что это итальянский. Ритм и интонация фразы на месте, смысла нет. Так что русскую речь записывайте отдельно, об этом ниже в «Ограничениях».

Как это работает

Сначала выберите Тип генерации. «Видео из изображений» стоит по умолчанию: загрузите картинку в поле Изображение, и ролик начнётся с неё. «Видео из текста» снимает сцену только по описанию. В поле Задание напишите, что происходит, что делает камера и что должно звучать. Поле обязательное, от 3 знаков. В режиме из картинки можно отметить Конечный кадр и загрузить вторую картинку: ролик закончится на ней.

Останется выбрать качество и длительность, и на кнопке Отправить появится цена: её видно до запуска. Наши ролики в 540p приходили за одну-полторы минуты. Результат встанет в ленту под формой, а в разделе Мои результаты хранится 7 дней, так что удачный ролик скачайте или сохраните в библиотеку. Чтобы поправить задание, нажмите Изменить у ролика: текст и настройки вернутся в форму. Повторить без вопросов отправит то же задание снова и даст другой вариант. Новичкам на сайте пригодится инструкция по сайту.

Настройки: качество, длина и звук

• В поле Качество по умолчанию выбрано 720p. Для проб берите 540p, оно заметно дешевле. 720p и 1080p стоят одинаково, поэтому итоговый ролик сразу запускайте в 1080p.
• Ползунок Длительность двигается от 1 до 16 секунд и стоит на 3. Оплата за каждую секунду. Одной сцене хватает 4–5 секунд, двум планам с репликой нужно около 8.
• У поля Амплитуда движения четыре варианта: «Авто», «Небольшая», «Средняя» и «Большая». Мы оставляли «Авто». В Q3 это поле не сравнивали, а в соседней Vidu Q2 Pro оно почти не меняло результат: движение там задавало задание.
• Переключатель Со звуком включён сразу. Выключайте его, если ролик пойдёт под вашу музыку или озвучку: цена от этого не меняется.
• Переключатель Фоновая музыка виден, только когда включён звук, и тоже включён сразу. Для роликов с репликами и шумами мы её выключали, чтобы музыка не забивала слова.
• Галочка Конечный кадр есть только в режиме из картинки. Она пригодится для перехода «было и стало» и для петли, когда в начале и в конце стоит одна и та же картинка.

Как описать сцену и звук в задании

Опишите задание как короткий сценарий: кто в кадре, что делает, что делает камера и что слышно. Звук стоит прописывать прямо: «чайник свистит», «кричат чайки». Без этого Q3 подберёт звуки сама, и не всегда те, что вы ждали. Если нужна смена планов, пронумеруйте сцены и для каждой укажите план: общий, средний, крупный.

Заготовка для ролика из одной сцены:

Заготовка для сцены с репликой:

Частые ошибки:

• Писать реплику по-русски. Получится набор похожих на речь звуков, как у продавца яблок выше. Саму реплику пишите по-английски, а задание вокруг неё на любом удобном языке.
• Втиснуть в короткий ролик много действий. В пяти секундах с кухней кот так и не повернулся к чайнику. На каждое действие закладывайте пару секунд.
• Ждать одного непрерывного кадра. Q3 сама переключает планы даже там, где сцена одна. Если склейка мешает, возьмите Vidu Q2 Pro (сравнение ниже).

Если не знаете, с чего начать, у поля Задание есть Генератор промпта: он развернёт пару слов в подробное описание, это отдельный платный запуск. Ещё приёмы для камеры собраны в инструкции про промпты для видео.

Сколько стоит секунда ролика

Платите за каждую секунду ролика, а цена секунды зависит только от качества. Тип генерации, звук, музыка и конечный кадр на неё не влияют.

Задание удобно отлаживать в 540p на 3–4 секундах: звук и смена планов там уже видны. Когда результат устроит, запускайте в 1080p нужной длины. Запуск, который отклонила модерация или который не дошёл до ролика, не оплачивается: сумма возвращается на баланс.

Q3 или Q2 Pro: что выбрать

Обе нейросети сделала ShengShu, и формы у них похожи: качество 540p–1080p, амплитуда движения, конечный кадр. Различий четыре.

• Vidu Q2 Pro работает только от картинки, Q3 снимает и по одному описанию.
• У Q2 Pro из звука есть только фоновая музыка. Q3 добавляет шумы сцены и реплики, а музыку по желанию.
• Q2 Pro даёт до 10 секунд, Q3 до 16.
• В наших пробах Q2 Pro держала один непрерывный кадр, а Q3 сама вставляла второй план.

Ещё у Q2 Pro есть поле Модель с вариантом «Быстрая» для дешёвых проб, у Q3 такого выбора нет. Поэтому немое оживление фото одним планом мы бы делали в Q2 Pro, а в Q3 шли за звуком, за сценой с разными ракурсами или за роликом без исходной картинки.

Для чего подойдёт Q3

• Короткая атмосферная сцена со звуком для сторис или заставки: кухня, улица под дождём, костёр, как чайник выше.
• Мини-сцена с репликой героя на английском, например для урока языка или рекламы на зарубежную аудиторию.
• Набросок будущего ролика: проверить, как лягут общий и крупный планы и какие звуки нужны, до съёмки или монтажа.
• Вертикальный ролик из иллюстрации или фото товара: картинка 9:16 даёт вертикальное видео.
• Переход «до и после» с галочкой Конечный кадр, если к нему нужен звук.
• Видео под русскую озвучку: снимите ролик с выключенным звуком, а голос запишите отдельно.

Чего Q3 не умеет

• По-русски герои не говорят. Запишите голос в нейросетях из раздела «Озвучка текста» и наложите при монтаже, а губы подгоните в «Липсинке». Сразу с русской речью снимают другие модели из таблицы ниже.
• В режиме из текста нет выбора пропорций, кадр выходит почти 4:3. Для вертикали и квадрата начинайте с картинки нужной формы.
• Склейки модель ставит сама. Где именно сменится план, заранее не угадать: у нас это случалось ровно на середине ролика.
• Из нескольких действий в коротком ролике модель может пропустить одно. Сократите список или прибавьте секунды.
• Роликов длиннее 16 секунд нет. Длинную историю собирайте из частей: финальный кадр одного ролика вытащите в «Извлечь кадр» и начните с него следующий.

Другие Vidu и замены

Всю линейку на одном кадре мы сравнили в обзоре нейросетей Vidu. Для рекламы по фото товара и сцен по сценарию с постоянными героями у ShengShu есть отдельные нейросети Q3 Ad, Q3 Drama и Q3 Drama Clip. Ниже соседи Q3 по задаче «ролик со звуком», три из них в наших пробах для статьи «Видео из текста» говорили по-русски.

Частые вопросы