Shengshu Technology lance Vidu Q4 Preview : 15 images de référence, sortie 2K/4K, à partir de 0,09 yuan/seconde au lancement
Selon Jiqizhixin, Shengshu Technology présente Vidu Q4 Preview, axé sur l'interprétation des personnages, le langage cinématographique et les effets visuels complexes. Le modèle accepte jusqu'à 15 images de référence, 3 pistes audio de référence et une sortie en 2K/4K, avec un prix de lancement à partir de 0,09 yuan/seconde ; l'article indique que sa vitesse en image-vers-vidéo serait environ 2 fois celle des modèles comparables. Les conclusions sur la qualité proviennent des tests menés par ce média. Cette version ne figure pas dans le catalogue temps réel de KimiSeek.
Ce qui change
Selon Jiqizhixin, Shengshu Technology a lancé Vidu Q4 Preview, positionné comme la première version préliminaire de Vidu Q4 destinée aux créateurs. L'article indique que cette version renforce principalement trois capacités : l'interprétation des personnages (transitions émotionnelles continues et stabilité de l'identité dans un plan-séquence rapproché fixe), le langage cinématographique (changements d'échelles de plan et enchaînement des mouvements de caméra) et les effets visuels complexes (déformations élastiques de plusieurs objets et éclairage dynamique). Côté spécifications, le modèle accepte jusqu'à 15 images de référence, 3 pistes audio de référence en entrée, ainsi qu'une sortie en qualité 2K et 4K. Côté tarifs, l'article indique un prix de lancement à partir de 0,09 yuan/seconde et affirme qu'à budget égal, il est possible de générer jusqu'à 5 fois plus de contenu. Côté efficacité, l'article cite des données selon lesquelles la vitesse en image-vers-vidéo serait environ 2 fois celle des modèles comparables, une vidéo de 5 secondes étant produite en environ 110 secondes au plus rapide ; cette efficacité est attribuée aux travaux accumulés par Shengshu en accélération de l'attention (SageAttention, SLA), en génération en peu d'étapes et en quantification (TurboDiffusion), des technologies qui auraient déjà été industrialisées dans la génération vidéo en temps réel de Vidu S1. L'article précise également que le modèle est encore au stade de préversion et que la version définitive n'est pas encore disponible. L'article fournit le point d'accès officiel d'essai sur Vidu.cn et un code d'invitation, sans indiquer si une API est proposée ; les capacités, vitesses et résultats décrits ci-dessus proviennent de l'article de ce média et de ses propres tests, et ne font pas l'objet d'une vérification indépendante de notre part.
Conséquences pour les développeurs
L'impact direct pour les développeurs porte sur les points de contrôle des éléments sources et sur les formats de livraison, et non sur une simple description de la qualité d'image. Une limite portée à 15 images de référence au maximum, avec la prise en charge de 3 pistes audio de référence, signifie que le contrôle de l'apparence du personnage et du timbre de voix pourrait s'effectuer en un seul appel, ce qui change la conception des chaînes de cohérence de personnage : l'approche courante qui consistait à repartir d'une première image accompagnée d'un prompt, avec des essais répétés, pourrait laisser place à une soumission unique d'éléments de référence multi-angles. La sortie 2K/4K touche l'étape de livraison : jusqu'ici, il était courant de produire en 1080P puis d'appliquer une super-résolution ; si le 4K en sortie directe s'avère stable, la chaîne de post-traitement peut être raccourcie. Mais l'article n'indique pas si la durée de traitement et la facturation du palier 4K sont identiques à celles des résolutions inférieures, un point à vérifier par soi-même. Côté efficacité, l'article annonce une vitesse en image-vers-vidéo environ 2 fois supérieure à celle des modèles comparables et une vidéo de 5 secondes en environ 110 secondes au plus rapide ; si ces chiffres se reproduisent sur ses propres charges de travail, le débit en traitement par lots et la production par unité de calcul s'amélioreraient tous deux, ce qui concerne particulièrement les équipes de séries courtes, de publicité et de e-commerce qui doivent tester plusieurs versions en parallèle. Sur les tarifs, le « à partir de 0,09 yuan/seconde » correspond au prix de lancement annoncé dans l'article pour octobre 2026 ; le coût réel doit être évalué au regard du taux de plans exploitables : lorsque le prix unitaire est bas mais le taux de dérive élevé, les coûts de tri et de reprise peuvent annuler l'avantage tarifaire, de sorte qu'une baisse du prix unitaire ne suffit pas à prouver une baisse du coût total. À noter : le catalogue temps réel de KimiSeek ne comporte actuellement ni entrée Vidu Q4 Preview ni entrée pour la série Vidu, et cet article ne le présente donc pas comme un modèle disponible sur le site ; l'article fournit uniquement le point d'accès officiel d'essai de Shengshu Technology et le prix de lancement, sans indiquer si cette version propose une API. Pour tout besoin d'accès par interface, il convient de vérifier auprès des canaux officiels de Shengshu Technology.
Intégration et évaluation
Les deux points suivants relèvent d'une analyse conditionnelle et de recommandations, et non de faits rapportés. Premièrement, faut-il migrer le contrôle du personnage et du timbre vocal vers un appel unique à références multiples ? Si le flux de travail exige de conserver le même personnage et le même timbre sur des plans consécutifs, et que l'on dispose déjà de 5 à 15 images multi-angles du même personnage, on peut tenter de remplacer le processus actuel « première image + prompt + essais répétés » par une soumission unique associant plusieurs images de référence et de l'audio de référence ; à condition de confirmer d'abord auprès des canaux officiels de Shengshu les limites réelles de cette version en nombre d'images et de pistes audio de référence, et leur éventuel effet sur la facturation. Il est conseillé de tester d'abord sur un plan-séquence rapproché fixe en 15 secondes ou moins, avec comme indicateurs le taux d'apparition de dérives du visage et des vêtements pour un même personnage au sein d'une même vidéo, ainsi que le nombre moyen d'essais nécessaires pour obtenir un plan exploitable, en comparaison avec le processus actuel. Deuxièmement, faut-il intégrer la sortie 4K directe à la chaîne de livraison ? Si la livraison exige du 4K et dépend aujourd'hui d'un agrandissement en post-traitement, on peut comparer le « 4K en sortie directe » et la « génération en 1080P puis agrandissement » en termes de durée et de prix unitaire par plan livré ; à condition de vérifier le mode de facturation et la durée de génération du palier 4K de cette version, l'article ne donnant qu'un prix « à partir de » et une vitesse de 5 secondes en environ 110 secondes au plus rapide, sans distinction par palier de résolution. Il est conseillé de produire plusieurs rendus en 2K et en 4K à partir du même prompt, avec comme indicateurs la durée et le coût réels par plan exploitable, et non la durée d'une requête isolée. Côté méthode d'évaluation, il est recommandé de constituer d'abord un petit jeu de référence : sélectionner des prompts comportant un plan-séquence à forte charge émotionnelle, des effets spéciaux multi-objets et une publicité produit avec plusieurs échelles de plan, puis exécuter un nombre fixe de passages sur Vidu Q4 Preview et sur la solution existante, en relevant le taux de plans exploitables, le nombre moyen d'essais, la durée par rendu et la répartition des types de dérive, avant de décider du périmètre de migration. Pour les tarifs et les quotas, se référer à la page de tarification officielle de Shengshu Technology : les prix de lancement mentionnés dans des articles passés ne doivent pas être présumés valables à long terme.
Limites et points à confirmer
Premièrement, Vidu Q4 Preview et la série Vidu ne figurent actuellement pas dans le catalogue temps réel de KimiSeek ; cet article n'affirme donc pas que cette version est appelable sur ce site, ni qu'elle est disponible sur une quelconque plateforme d'agrégation tierce. Deuxièmement, l'article ne fournit que le point d'accès d'essai sur Vidu.cn, le prix de lancement et un code d'invitation, et ne mentionne nulle part d'API, d'interface ou de disponibilité d'API ; cet article n'attribue donc pas à l'article source l'affirmation d'une « API disponible ». Pour les capacités d'interface, les quotas et les modalités de facturation, il convient de vérifier auprès des canaux officiels de Shengshu Technology. Troisièmement, les conclusions issues des tests mentionnées dans l'article (continuité émotionnelle, composition des plans, stabilité des effets spéciaux, vitesse environ 2 fois supérieure à celle des modèles comparables, environ 110 secondes pour 5 secondes de vidéo) proviennent de tests réalisés par le média lui-même ; la taille de l'échantillon, les prompts, le groupe de comparaison et les conditions matérielles ne sont pas intégralement divulgués, et ces résultats ne peuvent être considérés comme une reproduction indépendante. Quatrièmement, il s'agit d'une préversion : on ne sait pas encore si la version définitive évoluera en matière de stabilité et de contrôlabilité, ni si les prix resteront alignés sur ceux du lancement. Cinquièmement, l'article mentionne jusqu'à 15 images de référence et 3 pistes audio de référence, sans préciser si les différentes combinaisons d'entrées influent sur la durée de traitement et la facturation ; les écarts de prix et de vitesse entre les paliers 2K et 4K ne sont pas non plus détaillés séparément. Sixièmement, l'article attribue en partie le prix bas aux travaux d'efficacité tels que SageAttention, SLA et TurboDiffusion, ce qui relève d'un rapprochement entre des conclusions de recherche et une industrialisation déjà décrite, sans démontrer leur part de contribution réelle dans Q4 Preview. Septièmement, les crédits pour nouveaux utilisateurs et le code d'invitation évoqués dans l'article relèvent d'une promotion de courte durée et ne constituent pas une garantie de disponibilité à long terme.