生数科技がVidu Q4 Previewを発表：参考画像15枚、2K/4K出力、初期価格0.09元/秒から
機械之心の報道によると、生数科技はVidu Q4 Previewを発表した。人物演技、カメラ言語、複雑な視覚効果を主軸とし、最大15枚の参考画像、3本の参考音声、2K/4K出力に対応し、初期価格は0.09元/秒からとされる。報道では画像から動画への生成速度が同種モデルの約2倍とされている。効果に関する結論は同メディアの実測によるものである。このバージョンはKimiSeekのリアルタイムディレクトリには含まれていない。
主な変更
機械之心の報道によると、生数科技はVidu Q4 Previewを発表した。これはVidu Q4のクリエイター向け初のプレビューバージョンと位置付けられている。報道では、このバージョンが3つの能力を重点的に強化しているとされる。人物演技（固定近景の長回しにおける連続的な感情遷移とアイデンティティの安定）、カメラ言語（複数のショットサイズの切り替えとカメラワークの接続）、複雑な視覚効果（複数物体の弾性変形と動的ライティング）である。仕様面では最大15枚の参考画像、3本の参考音声の入力、および2K、4Kの画質出力に対応する。価格については、報道では初期価格が0.09元/秒からとされ、同じ予算で最大5倍のコンテンツを生成できるとしている。効率面では、報道はデータを引用し、画像から動画への生成速度が同種モデルの約2倍で、5秒の動画は最速約110秒で完成するとし、その効率を生数がアテンション加速（SageAttention、SLA）、少ステップ生成、量子化（TurboDiffusion）などの方向で蓄積してきた成果に帰因させ、関連技術はすでにVidu S1のリアルタイム動画生成で製品化されているとしている。報道は同時に、このモデルがまだプレビュー段階にあり、正式版はまだ公開されていないとしている。報道が提示しているのはVidu.cnの公式体験入口と招待コードであり、APIが提供されるかどうかは説明していない。上記の能力、速度、効果の記述はすべて同メディアの報道およびその実測結論であり、本文が独自に検証したものではない。
開発者への影響
開発者への直接的な影響は、単なる画質の説明ではなく、素材の制御枠と納品仕様の変化にある。参考画像の上限が最大15枚とされ、3本の参考音声にも対応するということは、キャラクターの外見と声質の制御が1回の呼び出しで完了できる可能性があることを意味し、キャラクター一貫性パイプラインの設計方法を変える。これまでは初フレームとプロンプトで繰り返しリトライする方法が一般的だったが、多角度の参考素材を一度に投入する方式に移行できる可能性がある。2K/4K出力は納品工程にも関わる。従来は1080Pで出力した後に超解像で拡大するのが一般的だったが、もし4K直接出力が安定性の面で成立するなら、後処理チェーンを短縮できる。ただし報道は4Kグレードの所要時間と課金が低解像度グレードと同じかどうかを説明しておらず、この点は自分で検証する必要がある。効率面では、報道は画像から動画への生成速度が同種モデルの約2倍、5秒動画が最速約110秒としている。もし自社の負荷で再現できれば、バッチ処理のスループットと単位計算資源あたりの産出が改善し、複数バージョンを並行試作する必要がある短編ドラマ、広告、ECチームにとって特に関連が深い。価格面では、0.09元/秒からというのは報道が述べた2026年10月の初期価格の口径であり、実際のコストは利用可能な完成品率と合わせて評価すべきである。単価が低くてもドリフト率が高い場合、選別とやり直しのコストが価格優位を相殺する可能性があるため、単価の低下そのものが総コストの低下を証明するものではない。注意すべきは、現在のKimiSeekリアルタイムディレクトリにはVidu Q4 PreviewまたはViduシリーズの項目がないことであり、本文はこれをサイト内で利用可能なモデルとして記述しない。報道は生数科技の公式体験入口と初期価格のみを提供しており、このバージョンがAPIを提供するかどうかは説明していない。インターフェース能力が必要な場合は生数科技の公式チャネルで確認すべきである。
導入と評価の提案
以下の2点はいずれも条件付きの分析と提案であり、報道の事実ではない。第一に、キャラクターと声質の制御を単一の複数参考呼び出しに移行すべきか。ワークフローが連続ショットで同一人物と声質を維持する必要があり、すでに5～15枚の同キャラクター多角度素材を蓄積している場合、既存の「初フレーム＋プロンプト＋リトライ」フローを、複数参考画像＋参考音声を一度に投入する方式に変えて試すことができる。前提として、まず生数公式にこのバージョンが実際に受け付ける参考画像と音声の数量上限、および課金への影響を確認する。まず15秒以内の固定近景長回し1本でテストし、評価指標は同一キャラクターが同一動画内で顔と服装がドリフトする発生率、および利用可能なショットに到達するまでの平均リトライ回数とし、現行フローと比較することを勧める。第二に、4K直接出力を納品チェーンに組み込むべきか。納品要件が4Kで、現在は後処理拡大に依存している場合、「4K直接出力」と「1080P生成後の拡大」を単位完成品あたりの所要時間と単価で比較できる。前提として、このバージョンの4Kグレードの課金方式と生成所要時間を確認する。報道は「から」の価格と最速5秒約110秒の速度のみを示しており、解像度グレードごとに区別していない。同一プロンプトで2Kと4Kをそれぞれ数本出力し、評価指標を単一リクエストの所要時間ではなく、単位利用可能完成品の実際の所要時間とコストとすることを勧める。評価手順としては、まず小規模なベンチマークセットを構築することを勧める。強い感情の長回し、複数物体の特殊効果、製品の多ショット広告を含むプロンプトを選び、Vidu Q4 Previewと既存案でそれぞれ固定回数実行し、利用可能完成品率、平均リトライ回数、単一の所要時間、ドリフトタイプの分布を記録してから移行範囲を決める。価格とクォータは生数科技の公式価格ページを基準とし、過去の報道における初期価格の口径を長期的に有効なものとデフォルトでみなすべきではない。
制限と未確認事項
第一に、Vidu Q4 PreviewおよびViduシリーズは現在のKimiSeekリアルタイムディレクトリに現れていない。本文はこのバージョンが当サイトで呼び出せることを示すものではなく、いかなる第三者アグリゲーションプラットフォームで公開済みであることも示さない。第二に、報道はVidu.cnの体験入口、初期価格、招待コードのみを提示しており、全文でAPI、インターフェース、API可用性に言及していない。したがって本文は「APIを提供する」ことを報道内容に帰属させない。インターフェース能力、クォータ、課金方式が必要な場合は、生数科技の公式チャネルで確認すべきである。第三に、報道中の実測結論（感情の連続性、ショット構成、特殊効果の安定性、速度が同種より約2倍、5秒が約110秒）はメディア自身のテストによるものであり、サンプル数、プロンプト、対照群、ハードウェア条件は完全には開示されておらず、独立した再現結果とはみなせない。第四に、このバージョンはプレビュー版であり、正式版で安定性と制御力が変化するか、価格が初期価格の口径を継続するかはまだ不確実である。第五に、報道は最大15枚の参考画像と3本の参考音声としているが、異なる入力組み合わせが所要時間と課金に影響するかは説明していない。2Kと4Kグレードの価格と速度の差もそれぞれ示されていない。第六に、報道は低価格の一部をSageAttention、SLA、TurboDiffusionなどの効率化作業に帰因させているが、これは研究結論と既存の製品化記述の関連付けであり、Q4 Previewにおける実際の貢献割合を証明したものではない。第七に、報道で言及された新規ユーザークレジットと招待コードは短期的なプロモーション情報であり、長期的な可用性の根拠とはしない。