Shengshu Technology veröffentlicht Vidu Q4 Preview: 15 Referenzbilder, 2K/4K-Ausgabe, Startpreis ab 0,09 Yuan pro Sekunde
Laut Machine Heart (机器之心) hat Shengshu Technology Vidu Q4 Preview vorgestellt: Schwerpunkt auf Figurendarstellung, Kamerasparche und komplexe visuelle Effekte, Unterstützung für bis zu 15 Referenzbilder, 3 Referenzaudios und 2K/4K-Ausgabe, Startpreis ab 0,09 Yuan pro Sekunde; die Bild-zu-Video-Geschwindigkeit wird als etwa doppelt so hoch wie bei vergleichbaren Modellen beschrieben. Die Effektaussagen stammen aus dem eigenen Test des Mediums. Die Version ist nicht im Echtzeitkatalog von KimiSeek.
Was sich geändert hat
Laut einem Bericht von Machine Heart (机器之心) hat Shengshu Technology Vidu Q4 Preview veröffentlicht, positioniert als erste Vorschauversion von Vidu Q4 für Kreative. Der Bericht nennt drei Schwerpunkte: Figurendarstellung (durchgehende Emotionsübergänge und Identitätsstabilität bei festen Nahaufnahmen in langen Einstellungen), Kamerasparche (Wechsel zwischen mehreren Einstellungsgrößen und Fortführung von Kamerabewegungen) sowie komplexe visuelle Effekte (elastische Verformung mehrerer Objekte und dynamische Beleuchtung). Zu den Spezifikationen gehören bis zu 15 Referenzbilder, 3 Referenzaudios und Ausgabe in 2K und 4K. Beim Preis nennt der Bericht einen Startpreis ab 0,09 Yuan pro Sekunde und behauptet, mit demselben Budget sei bis zu fünffach mehr Inhalt möglich. Zur Effizienz beruft sich der Bericht auf Daten, wonach die Bild-zu-Video-Geschwindigkeit etwa doppelt so hoch wie bei vergleichbaren Modellen sei und ein 5-Sekunden-Video schnellstens in etwa 110 Sekunden fertiggestellt werde; die Effizienz wird auf Shengshus Arbeiten an Attention-Beschleunigung (SageAttention, SLA), Generierung mit wenigen Schritten und Quantisierung (TurboDiffusion) zurückgeführt, die laut Bericht bereits in der Echtzeit-Videogenerierung von Vidu S1 produktisiert wurden. Der Bericht nennt das Modell weiterhin als Vorschauphase, die offizielle Version sei noch nicht online. Angegeben werden ein offizieller Erfahrungszugang auf Vidu.cn und ein Einladungscode; ob eine API angeboten wird, wird nicht erwähnt. Die genannten Fähigkeiten, Geschwindigkeiten und Effektbeschreibungen sind Bericht und eigener Test des Mediums, nicht unabhängig von diesem Artikel verifiziert.
Auswirkungen für Entwickler
Die unmittelbare Auswirkung auf Entwickler liegt in den Änderungen bei Materialsteuerung und Ausgabespezifikation, nicht in einer reinen Beschreibung der Bildqualität. Das Maximum von bis zu 15 Referenzbildern und 3 Referenzaudios bedeutet, dass Figurenimage und Stimmklang möglicherweise in einem einzigen Aufruf gesteuert werden können; das verändert die Gestaltung von Pipelines zur Figurenkonsistenz: Statt wie bisher mit erstem Frame plus Prompt wiederholt zu würfeln, könnten mehrere Referenzansichten in einem Durchgang übergeben werden. Die 2K/4K-Ausgabe berührt die Auslieferung; bisher war 1080P-Erzeugung mit anschließendem Upscaling üblich, doch wenn 4K-Direktausgabe stabil funktioniert, kann die Nachbearbeitungskette kürzer werden. Der Bericht sagt jedoch nicht, ob Dauer und Abrechnung der 4K-Stufe mit denen niedrigerer Auflösungen identisch sind; das muss selbst geprüft werden. Zur Effizienz: Wenn sich die im Bericht genannte etwa doppelte Bild-zu-Video-Geschwindigkeit und die schnellsten rund 110 Sekunden für 5 Sekunden unter eigener Last reproduzieren lassen, verbessern sich Batch-Durchsatz und Ertrag pro Recheneinheit; das ist besonders für Teams aus Kurzserien, Werbung und E-Commerce relevant, die mehrere Versionen parallel testen. Beim Preis ist 0,09 Yuan pro Sekunde der im Bericht genannte Startpreis-Stand von Oktober 2026; die tatsächlichen Kosten sollten an der verwertbaren Ausgabequote gemessen werden: Ein niedriger Einzelpreis kann durch hohe Driftraten sowie Sichtungs- und Nacharbeitskosten aufgezehrt werden, ein sinkender Stückpreis allein belegt also keine sinkenden Gesamtkosten. Zu beachten ist, dass der aktuelle Echtzeitkatalog von KimiSeek weder Vidu Q4 Preview noch Einträge der Vidu-Reihe enthält; dieser Artikel beschreibt es nicht als hier verfügbares Modell. Der Bericht nennt nur den offiziellen Erfahrungszugang von Shengshu Technology und den Startpreis und sagt nicht, ob diese Version eine API bietet; für Schnittstellenfähigkeiten sollte man die offiziellen Kanäle von Shengshu Technology prüfen.
Integration und Bewertung
Die folgenden zwei Punkte sind bedingte Analysen und Empfehlungen, keine berichteten Fakten. Erstens, ob Figuren- und Stimmsteuerung auf einen einzigen Aufruf mit mehreren Referenzen umgestellt werden sollte: Wenn der Workflow dieselbe Person und Stimme über aufeinanderfolgende Einstellungen halten muss und bereits 5 bis 15 Mehrwinkel-Materialien derselben Figur vorliegen, kann man versuchen, den bestehenden Ablauf aus erstem Frame, Prompt und Wiederholungen durch eine einmalige Übergabe mehrerer Referenzbilder plus Referenzaudio zu ersetzen. Voraussetzung ist, dass man bei Shengshu offiziell klärt, wie viele Referenzbilder und Audios die Version tatsächlich akzeptiert und ob das die Abrechnung beeinflusst; empfohlen wird ein Test mit einer festen Nahaufnahme von höchstens 15 Sekunden. Messgrößen sind die Häufigkeit von Gesichts- und Kleidungsdrift derselben Figur innerhalb desselben Videos sowie die durchschnittlichen Wiederholungen bis zu einer brauchbaren Einstellung, verglichen mit dem bestehenden Ablauf. Zweitens, ob 4K-Direktausgabe in die Auslieferungskette aufgenommen werden sollte: Wenn 4K gefordert ist und derzeit auf Nachbearbeitungs-Upscaling gesetzt wird, kann man „4K direkt“ mit „1080P erzeugen und hochskalieren“ bei Zeit und Preis pro fertigem Video vergleichen. Voraussetzung ist die Klärung von Abrechnung und Erzeugungsdauer der 4K-Stufe; der Bericht nennt nur einen Startpreis ab und die schnellsten rund 110 Sekunden für 5 Sekunden, ohne nach Auflösungsstufen zu unterscheiden. Empfohlen wird, mit demselben Prompt mehrere 2K- und 4K-Ausgaben zu erzeugen und als Messgröße die tatsächliche Zeit und die Kosten pro brauchbarem fertigem Video zu nehmen, nicht die Dauer einer einzelnen Anfrage. Als Testschritt empfiehlt es sich, zuerst ein kleines Benchmark-Set anzulegen: Prompts mit emotionalen langen Einstellungen, Multi-Objekt-Effekten und Produktwerbung mit mehreren Einstellungsgrößen, jeweils feste Anzahl an Durchläufen auf Vidu Q4 Preview und der bestehenden Lösung, dann nutzbare Ausgabequote, durchschnittliche Wiederholungen, Dauer pro Clip und Verteilung der Driftarten erfassen und erst danach den Umfang der Migration entscheiden. Preise und Kontingente bitte anhand der offiziellen Preisseite von Shengshu Technology prüfen; der Startpreis-Stand aus historischen Berichten sollte nicht als dauerhaft gültig angenommen werden.
Grenzen und offene Fragen
Erstens: Vidu Q4 Preview und die Vidu-Reihe erscheinen derzeit nicht im Echtzeitkatalog von KimiSeek; dieser Artikel sagt nicht, dass die Version hier aufrufbar ist, noch dass sie auf einer Dritt-Aggregationsplattform online ist. Zweitens nennt der Bericht nur den Erfahrungszugang auf Vidu.cn, den Startpreis und einen Einladungscode; API, Schnittstellen oder API-Verfügbarkeit werden im gesamten Text nicht erwähnt, daher wird „API wird angeboten“ hier nicht als Berichtsinhalt geführt. Für Schnittstellenfähigkeiten, Kontingente und Abrechnung sollte man die offiziellen Kanäle von Shengshu Technology prüfen. Drittens stammen die Testergebnisse im Bericht (Emotionskontinuität, Kameraregie, Effektstabilität, etwa doppelt so schnell wie Vergleichsmodelle, rund 110 Sekunden für 5 Sekunden) aus dem eigenen Test des Mediums; Stichprobengröße, Prompts, Vergleichsgruppe und Hardwarebedingungen werden nicht vollständig offengelegt und gelten nicht als unabhängig reproduzierte Ergebnisse. Viertens ist die Version eine Vorschau; ob sich Stabilität und Kontrollfähigkeit der offiziellen Version ändern und ob der Startpreis fortgeführt wird, ist ungewiss. Fünftens nennt der Bericht bis zu 15 Referenzbilder und 3 Referenzaudios, sagt aber nicht, ob verschiedene Eingabekombinationen Dauer und Abrechnung beeinflussen; auch Preis- und Geschwindigkeitsunterschiede zwischen 2K- und 4K-Stufe werden nicht getrennt angegeben. Sechstens führt der Bericht den niedrigen Preis teils auf Effizienzarbeiten wie SageAttention, SLA und TurboDiffusion zurück; das ist eine Verknüpfung von Forschungsergebnissen mit bestehenden Produktisierungsbeschreibungen und belegt nicht deren tatsächlichen Beitragsanteil in Q4 Preview. Siebtens sind die erwähnten Neukunden-Punkte und Einladungscodes kurzfristige Werbeinformationen und keine Grundlage für langfristige Verfügbarkeit.