Vidu Q4는 이미지-투-비디오 및 레퍼런스-투-비디오 모드를 지원하는 비디오 생성 모델입니다. 최대 15개의 참고 이미지를 활용하여 복잡한 개념을 단일 샷으로 구현할 수 있으며, 최대 4K 해상도와 16초 길이까지 공식적으로 지원합니다. 다만, 다중 주체나 객체의 물리적 연속성 유지에는 여전히 테스트가 필요하다는 지적이 있습니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 Qiita AI의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기Vidu Q4의 공식 참고 자료 비디오(reference-to-video)는 단일 인물만을 다루지 않습니다. 제품 페이지에는 “최대 15개의 참고 이미지와 3개의 음성 참고 자료”가 가능하다고 명시되어 있으며, 이 1개부터 15개까지의 이미지를 캐릭터, 장면, 스타일 등에 결합하여 “복잡한 개념(complex concepts)”을 “단 한 번에 전달(told in one take)”할 수 있다고 합니다. 공식적인 길이 및 해상도 범위는 최대 4K로 3초에서 16초 사이입니다. 여러 사람과 사물이 실제로 그 단일 샷 안에서도 일관성을 유지하는지는 여전히 테스트가 필요한 질문이며, 현재 공개된 답변들은 짧고 날짜가 명시되어 있으며 주어진 한계 내에서는 유용합니다.
⚠️ [IMG:N] 형식 토큰은 이미지 placeholder 입니다. 번역하지 말고 원래 위치에 그대로 유지하세요.
Vidu Q4 작업 공간은 이 기사가 연결하는 문서에서 이미지-투-비디오(image-to-video)와 레퍼런스-투-비디오(reference-to-video)를 다루며, 이는 공식 모드에 부합합니다. 이곳은 15개 주체를 증명하는 곳이 아니라 해당 경로들을 실행할 수 있는 공간입니다.
| 사양 (Specification) | 공식 발표 (Official statement) | 출처 (Source) |
|---|---|---|
| 상태 (Status) | Vidu Q4 프리뷰 (Vidu Q4 Preview) | 공식 제품 페이지; 이 창의 리뷰는 여전히 프리뷰로 표시됨 |
| 모드 (Modes) | 이미지-투-비디오 및 레퍼런스-투-비디오 | 공식 FAQ |
| 레퍼런스 이미지 (Reference images) | 1–15개 | 공식 페이지, “Vidu Q4 하이라이트” |
| 음성 레퍼런스 (Voice references) | 최대 3개까지 | 동일 |
| 지속 시간 (Duration) | 3–16초 | 동일; 이미지-투-비디오 행 |
| 해상도 (Resolution) | 최대 4K (2K 및 4K 명시됨) | 동일 |
| 텍스트-투-비디오, 엔드 프레임 (Text-to-video, end frame) | 공식 FAQ에 Q4 모드로 나열되지 않음 | 공식 FAQ; ZOOOP도 같은 부재를 보고함 |
| ZOOOP 다중 주체 패스 (ZOOOP multi-subject pass) | 한 샷에 네 명의 주체를 유지, 4개 이미지 사용; 2026년 10월 11일 | ZOOOP |
| ZOOOP 음성 확인 (ZOOOP voice check) | ~219 Hz 레퍼런스, ~225 Hz 출력 | ZOOOP |
oficial pack one published multi-subject pass
------------- -------------------------------
up to 15 stills ZOOOP, 11 Oct: 4 stills,
...
Vidu의 Q4 페이지는 세 가지 약속으로 구성되어 있습니다. 첫 번째는 개수입니다—캐릭터, 장면 및 스타일을 위한 1개부터 15개의 이미지입니다. 두 번째는 개수와 주장입니다—최대 3개의 음성 클립, “자연스러운 감정 표현과 입 모양 동기화된 전달(natural emotion and lip-synced delivery)”입니다. 세 번째는 길이와 해상도입니다—최대 16초, 다중 장면 스토리텔링, 2K 및 4K이며, 공급업체의 용어로 무술, 달리기, 전투에서의 더 부드러운 움직임을 의미합니다.
이러한 움직임에 대한 언급은 다른 공식 형용사와 동일한 레지스터를 유지해야 합니다. 한 달 후 Titanium Media는 같은 모델에서 물리적 오류(physics misses)를 보고했습니다. 둘 다 기록될 수 있습니다. 어느 것도 이 심층 분석의 주제인 15개 이미지라는 공식 개수를 취소하지는 않습니다.
또한 두 가지 부재(absence)가 범위(envelope)의 일부입니다. 공식 FAQ에는 image-to-video와 reference-to-video가 나열되어 있을 뿐, 해당 페이지에서는 text-only Q4 경로를 제공하지 않습니다. ZOOOP은 독립적으로 end-frame 모드의 부족함을 지적했습니다. 문장 하나만으로 시작하거나 지정된 마지막 정지 이미지(still)로 끝나야 하는 작업은 이 모델의 문서화된 범위를 벗어납니다. 10월 30일 WaveSpeed와의 공동 노트에서는 더 빠른 생성과 업그레이드된 recaptioning 파이프라인을 설명했습니다. 이는 15-and-3 패키지를 변경하지 않으며, 다중 주체(multi-subject) 테스트도 아닙니다.
ZOOOP은 10월 11일 독일어로 작성한 리뷰로, 여러 고정된 주체를 하나의 샷에 담아낸 희귀한 사례이며 그 결과를 설명했습니다. 두 사람, 스쿠터, 그리고 거리: 네 가지 요소가 모두 존재하며, 신원 변경(identity swap)이나 차량의 색상 변화는 없습니다. 음성 참조 클립은 단순히 들리는 것을 넘어 측정되었으며, 원본 피치에서 3퍼센트 이내에 머물렀습니다. 한계점들은 극적이지 않게 나열되었습니다: text-only 모드 없음, end frame 없음, 느린 reference-mode 반환, 그리고 Preview 라벨이 붙었습니다. 또한 작성자들은 참조 이미지의 상한선을 12로 언급했는데, 이는 공식적인 15와 불일치합니다. 이 기사는 공식적인 15를 사용하며, ZOOOP을 실제로 실행된 네 개의 이미지 패스(four-image pass)로 간주합니다. 4는 15가 아닙니다. 하나의 샷은 시리즈가 아닙니다. ZOOOP 자체가 언급했듯이 Preview 동작은 변경될 수 있습니다.
Titanium Media의 11월 12일 편집 기사는 Vidu Q4를 Seedance 2.5, Kling 4.0, 그리고 Wan 3.0 옆에 배치했습니다. 에디터들은 이 모델의 연기력과 감정적 디테일을 높이 평가했습니다. 또한 그들은 16초 클립이 9단계 액션을 흡수했지만, 난해한 “AI Boss” 간판으로 끝났다는 점, 파스타를 휘젓는 동작이 다음 샷에서 이미 말려 나온 것처럼 보였다는 점, 그리고 공(ball) 프롬프트가 5초 후에 잘못되었다는 점을 기록했습니다. 이러한 관찰들은 액팅, 레터링, 물리적 현상에 관한 것이지, 15개 이미지 패키지에 대한 것은 아닙니다. 이는 “원테이크(one take)”가 여전히 16초의 Preview 클립이며, 공식적인 동작 설명과 시점의 편집 기사가 서로 다를 수 있음을 상기시켜 줍니다.
만약 작업 내용이 짧은 장면 속 여러 명의 알려진 인물이나 제품을 포함한다면, Vidu Q4의 공식 패키지가 이를 위해 구축되었으며, ZOOOP의 4주체(four-subject) 패스는 이를 시도해 볼 만한 이유를 제공합니다. 이는 15개에 가깝기보다는 4개에 가까운 수로 시작하여 결과물에서 신원 확인을 하는 방식입니다. 16초라는 최대 길이는 해당 시도의 공식적인 길이입니다. 30초 분량의 작업이나 시작 이미지가 없는 작업은 다른 모델의 적용 범위(envelope)에 속합니다. 연결된 워크스페이스는 공식적인 두 가지 모드 지도를 따릅니다. 본 기사는 Preview 모델을 최종 결과물로 취급하지 않으며, 4주체 패스를 15주체와 동일하게 취급하지 않습니다.
출처: Vidu, “Vidu Q4”, 제품 페이지, “최대 15개 레퍼런스 이미지 및 3가지 음성 레퍼런스”와 하이라이트 행 (4K, 16초, 15이미지, 3오디오). 2026년 11월 13일, 아시아/상하이. 잘린 부분은 해당 사양 라인입니다.