Shengshu Technology lanza Vidu Q4 Preview: 15 imágenes de referencia, salida 2K/4K, desde 0,09 yuanes por segundo
Según un reportaje de Jiqizhixin, Shengshu Technology presenta Vidu Q4 Preview, centrado en actuación de personajes, lenguaje cinematográfico y efectos visuales complejos, con soporte para hasta 15 imágenes de referencia, 3 clips de audio de referencia y salida en 2K/4K, con un precio de lanzamiento desde 0,09 yuanes por segundo; el reportaje afirma que la velocidad de imagen a vídeo es aproximadamente el doble que la de modelos similares. Las conclusiones sobre resultados provienen de pruebas propias de ese medio. Esta versión no figura en el catálogo en vivo de KimiSeek.
Qué ha cambiado
Según un reportaje de Jiqizhixin, Shengshu Technology ha lanzado Vidu Q4 Preview, posicionado como la primera versión preliminar de Vidu Q4 orientada a creadores. El reportaje señala que esta versión refuerza tres capacidades: actuación de personajes (transiciones emocionales continuas y estabilidad de identidad en planos largos de primer plano fijos), lenguaje cinematográfico (cambios entre múltiples escalas de plano y continuidad de movimientos de cámara) y efectos visuales complejos (deformación elástica de múltiples objetos e iluminación dinámica). En cuanto a especificaciones, admite hasta 15 imágenes de referencia y 3 clips de audio de referencia como entrada, así como salida con calidad 2K y 4K. En precio, el reportaje indica un precio de lanzamiento desde 0,09 yuanes por segundo y afirma que, con el mismo presupuesto, se puede generar hasta 5 veces más contenido. En eficiencia, el reportaje cita datos según los cuales la velocidad de imagen a vídeo es aproximadamente el doble que la de modelos similares, con un vídeo de 5 segundos completado en unos 110 segundos como mínimo, y atribuye esa eficiencia a la acumulación de Shengshu en direcciones como aceleración de atención (SageAttention, SLA), generación de pocos pasos y cuantización (TurboDiffusion), señalando que las tecnologías relacionadas ya se han productizado en la generación de vídeo en tiempo real de Vidu S1. El reportaje también indica que el modelo sigue en fase de vista previa y que la versión oficial aún no se ha lanzado. El reportaje ofrece el portal de experiencia oficial Vidu.cn y un código de invitación, sin aclarar si se ofrece API; las descripciones anteriores sobre capacidades, velocidad y resultados son conclusiones del reportaje y de sus pruebas propias, no verificadas de forma independiente por este artículo.
Impacto para desarrolladores
El impacto directo para los desarrolladores está en los espacios de control de materiales y las especificaciones de entrega, más que en una mera descripción de calidad de imagen. Que el límite de imágenes de referencia se eleve a hasta 15 y se admitan 3 clips de audio de referencia implica que el control de apariencia del personaje y timbre de voz podría completarse en una sola llamada, lo que cambiaría el diseño de la canalización de consistencia de personajes: el método habitual de primer fotograma más prompt con reintentos repetidos podría pasar a enviar de una vez materiales de referencia multiángulo. La salida 2K/4K toca la fase de entrega; antes era común generar en 1080P y luego ampliar por superresolución, y si la salida directa en 4K resulta estable en estabilidad, la cadena de posprocesamiento puede acortarse; sin embargo, el reportaje no aclara si el tiempo de cómputo y la facturación del nivel 4K son iguales que los del nivel de menor resolución, algo que debe verificarse por cuenta propia. En eficiencia, el reportaje afirma que la velocidad de imagen a vídeo es aproximadamente el doble que la de modelos similares y que un vídeo de 5 segundos tarda unos 110 segundos como mínimo; si se reproduce bajo carga propia, el rendimiento del procesamiento por lotes y la producción por unidad de cómputo mejorarían, algo especialmente relevante para equipos de miniseries, publicidad y comercio electrónico que necesitan rodar varias versiones en paralelo. En precio, los 0,09 yuanes por segundo son el criterio de lanzamiento de octubre de 2026 descrito por el reportaje; el coste real debe medirse junto con la tasa de tomas utilizables: si el precio unitario es bajo pero la tasa de deriva es alta, el coste de filtrado y retrabajo puede compensar la ventaja de precio, por lo que una bajada del precio unitario no basta para demostrar una reducción del coste total. Cabe señalar que en el catálogo en vivo actual de KimiSeek no hay ninguna entrada de Vidu Q4 Preview ni de la serie Vidu, por lo que este artículo no lo describe como un modelo disponible en el sitio; el reportaje solo ofrece el portal de experiencia oficial de Shengshu Technology y el precio de lanzamiento, y no aclara si esta versión ofrece API; si se necesitan capacidades de interfaz, debe verificarse con los canales oficiales de Shengshu Technology.
Integración y evaluación
Los dos puntos siguientes son análisis y recomendaciones condicionales, no hechos del reportaje. Primero, si migrar el control de personaje y timbre a una única llamada con múltiples referencias: si el flujo de trabajo necesita mantener el mismo personaje y timbre en planos continuos, y ya se han acumulado de 5 a 15 materiales multiángulo del mismo personaje, puede intentarse cambiar el proceso actual de primer fotograma más prompt más reintentos por enviar de una vez múltiples imágenes de referencia más audio de referencia; la premisa es confirmar primero con Shengshu el límite real de imágenes y audios de referencia que acepta esta versión y si afecta a la facturación; se recomienda probar primero con un plano largo fijo de primer plano de no más de 15 segundos, midiendo la tasa de deriva facial y de vestuario del mismo personaje dentro del mismo vídeo, y el número medio de reintentos necesarios para obtener una toma utilizable, y compararlo con el proceso actual. Segundo, si incorporar la salida directa en 4K a la cadena de entrega: si la entrega exige 4K y actualmente se depende de ampliación por posprocesamiento, puede compararse la diferencia entre salida directa en 4K y generación en 1080P con ampliación posterior en tiempo por toma y precio unitario; la premisa es confirmar el modo de facturación y el tiempo de generación del nivel 4K de esta versión, ya que el reportaje solo da el precio desde y la velocidad máxima de unos 110 segundos para 5 segundos, sin distinguir por nivel de resolución; se recomienda generar con el mismo prompt varias tomas en 2K y en 4K, midiendo el tiempo y coste reales por toma utilizable, no la duración de una sola solicitud. En cuanto a los pasos de evaluación, se recomienda crear primero un pequeño conjunto de referencia: elegir prompts con planos largos de emoción intensa, efectos de múltiples objetos y anuncios de producto con múltiples escalas de plano, ejecutar un número fijo de veces tanto en Vidu Q4 Preview como en la solución actual, registrar la tasa de tomas utilizables, el número medio de reintentos, el tiempo por toma y la distribución de tipos de deriva, y luego decidir el alcance de la migración. Los precios y cuotas deben regirse por la página oficial de precios de Shengshu Technology; los criterios de lanzamiento en reportajes históricos no deben darse por válidos de forma predeterminada a largo plazo.
Límites y cuestiones pendientes
En primer lugar, Vidu Q4 Preview y su serie Vidu no aparecen actualmente en el catálogo en vivo de KimiSeek; este artículo no indica que esta versión pueda invocarse en este sitio, ni que se haya lanzado en ninguna plataforma agregadora de terceros. En segundo lugar, el reportaje solo ofrece el portal de experiencia Vidu.cn, el precio de lanzamiento y un código de invitación; en todo el texto no se menciona API, interfaz ni disponibilidad de API, por lo que este artículo no atribuye al reportaje que se ofrezca API; si se necesitan capacidades de interfaz, cuotas y modos de facturación, debe verificarse con los canales oficiales de Shengshu Technology. En tercer lugar, las conclusiones de las pruebas del reportaje (continuidad emocional, composición de planos, estabilidad de efectos, velocidad aproximadamente el doble que modelos similares, unos 110 segundos para 5 segundos) provienen de pruebas propias del medio, y el tamaño de muestra, los prompts, el grupo de control y las condiciones de hardware no se divulgan por completo, por lo que no pueden considerarse resultados reproducidos de forma independiente. En cuarto lugar, esta versión es una vista previa, y aún no está claro si la versión oficial cambiará en estabilidad y control, ni si el precio mantendrá el criterio de lanzamiento. En quinto lugar, el reportaje afirma hasta 15 imágenes de referencia y 3 clips de audio de referencia, pero no aclara si distintas combinaciones de entrada afectan al tiempo de cómputo y a la facturación; tampoco se detallan por separado las diferencias de precio y velocidad entre los niveles 2K y 4K. En sexto lugar, el reportaje atribuye parte del bajo precio a trabajos de eficiencia como SageAttention, SLA y TurboDiffusion, lo que constituye una asociación entre conclusiones de investigación y descripciones de productización existentes, sin demostrar su proporción de contribución real en Q4 Preview. En séptimo lugar, los créditos para nuevos usuarios y el código de invitación mencionados en el reportaje son información promocional de corto plazo y no deben tomarse como base de disponibilidad a largo plazo.