本文へスキップ

動画

Vidu Q3

動画

Ofrai で利用可能 — チャット・画像・動画を同じスタジオで、共有クレジット。

196 クレジットモデル詳細

動画スタジオ

プレビュー

まだクリップがありません

生成後、最新クリップがここに表示されます。

スタジオを開く

プロンプト例

例を選ぶと、プロンプトと推奨設定が上のVidu Q3クリエイターに読み込まれます。

使い方

Vidu Q3を3ステップで使う

  1. 01

    入力を用意

    Vidu Q3を選択したまま、プロンプトと対応する参照素材を追加します。

  2. 02

    出力を設定

    生成前にアスペクト比、解像度、利用可能な動画オプションを選びます。

  3. 03

    生成して調整

    結果を確認し、プロンプトや設定を調整して、同じスタジオで別バージョンを生成します。

Vidu Q3 は、3つのモデルを備えたエンドポイントのベースモデルです。そのため、3つの中で最も性能が低いと思われがちですが、ドキュメントではかなり具体的に、そうではないことが示されています。Q3 モデルの中で、マルチカメラの一貫性、インテリジェントなショット切り替え、複数の参照画像を使った生成に最も優れています。そのほかの特徴も、すべてこの位置づけに沿っています。

参照画像は任意ではなく必須で、最大7枚まで指定できるため、テキストのみから動画を生成する用途には使えません。動画の長さも1秒からではなく、3秒からです。また、Q3 シリーズ全体で音声がデフォルトで有効になっているため、別途指定しない限り、ベースモデルで生成したクリップには音声が付きます。これは、無音がデフォルトの Kling の標準ティアとは大きく異なります。

料金の関係も明快で、高品質モデルの料金は turbo モデルの約2倍です。

ベースの Q3 は、安さではなく一貫性を担うモデル

このエンドポイントには3つのモデルがあり、それぞれ最適化の対象が異なります。turbo モデルは、インテリジェントなシーン切り替えを備え、最も高速で費用対効果に優れるとされています。pro モデルは、映像と音声の同期やストーリーボード動画の生成を備えた高品質モデルです。

そして、ここで扱うベースモデルは、マルチカメラの一貫性が最も高く、インテリジェントなショット切り替えと複数の参照画像を使った生成に対応しています。これら3つの説明を合わせて読むと、単なる販売上の3段階ではなく、実質的なトレードオフがあることが分かります。ベースモデルは価格では中間に位置し、構造的な一貫性ではシリーズの最上位に位置します。

実務上は、1つのクリップ内で同じ被写体を複数の角度から正しく見せる必要があるときに、ベースの Q3 を選ぶということです。高速で安価でも一貫性の低いモデルでは、この要件を満たせないことがあり、しかもその問題はクリップが完成するまで分かりにくいものです。

問題が表面化する場面と、その理由

最初に理解すべきなのは、参照画像リストが必須であることです。これは機能の品質が下がるという話ではなく、ある機能自体が使えないことを意味します。pro モデルと turbo モデルでは、画像を渡さないリクエストも、テキストから動画を生成する有効なリクエストとして扱われます。一方、ベースの Q3 では画像リストが必須で、最大7件まで指定できます。

必要に応じてテキストだけの生成に切り替えられると想定していたワークフローは、送信前に処理を分岐させる必要があります。次に、ほかの2モデルが1秒から対応するのに対し、最短の長さは3秒なので、極めて短い挿入カットには使えません。3つ目に、インテリジェントなショット切り替えには利点と注意点の両方があります。

これは、一貫性を重視したモデルを長めのクリップで活用できるようにする機能である一方、自分で指定しておらず、時間配分にも織り込んでいなかったカットを追加する可能性もあります。そのため、モデルが独自のカットを追加できることを前提に、カット位置を決める必要があります。4つ目に、シリーズ全体で音声のデフォルト値は true です。

無音の納品物にするには明示的な指定が必要であり、音声付きで生成されたクリップには、編集時に考慮すべきリズムが生まれます。

このモデルに適したプロンプト構成

プロンプトは必須で、ドキュメント上の上限は、このグループで最も多い5000文字です。そのため、被写体を一度定義し、その後は全体を通して参照するための余裕があります。ドキュメントでは、被写体、動作、シーン、カメラ、スタイルを記述するよう案内されており、掲載例も正確にその順序に従っています。プロンプトの扱いでベースの Q3 がほかの2モデルと異なるのは、被写体の仕組みです。

被写体を宣言すると、プロンプト内では毎回説明し直すのではなく、@name トークンを使って名前で参照します。これが特に重要になるのは、まさにこのモデルの主用途である機能を使うときです。複数の参照画像を使う場合、名前を付けた被写体を一貫してその名前で指定すれば、モデルは角度が変わっても維持すべき安定した対象を得られます。

一方、節ごとに同じキャラクターを説明し直すと、わずかに異なる4人のキャラクターを平均化させることになります。各参照対象に名前を付け、その名前で指定し、スタイルを表す語句は最後にまとめてください。

パラメーターと、実際に費用がかかる部分

解像度は 540p、720p、1080p から選択でき、デフォルトは 720p です。540p のドラフト用ティアがあることは、計画に織り込む価値があります。一貫性を重視するモデルでは通常、複数回の試行を行いますが、ドラフトに納品用の解像度は必要ないためです。Q3 シリーズは、固定の3種類ではなく任意のアスペクト比に対応しています。

また、参照画像を渡した場合、比率は通常その画像自体によって決まるため、元の素材を選ぶことがフレーミングの決定にもなります。長さは、ベースの Q3 が3〜16秒であるのに対し、ほかの2モデルは1〜16秒です。費用については、ドキュメント上、pro モデルの料金は turbo のおよそ2倍とされており、ベースの Q3 はその中間に位置します。

また、シリーズ全体で音声のデフォルト値が true であるため、ここでは基本料金に音声も含まれます。無音がデフォルトで、音声付きは別ティアとなる Kling の標準ティアとは異なります。これは補足ではなく、比較における実質的な違いです。

代わりに同系列の別モデルを選ぶ場面

同系列のほかのモデルは、このモデルの機能を薄めたものではありません。それぞれ異なる制作要件に適した選択肢です。納期と価格を最優先する場合、参照画像をまったく用意できない可能性がある場合、マルチカメラの一貫性よりインテリジェントなシーン切り替えを求める場合、またはベースの Q3 では生成できない1秒の挿入カットが必要な場合は、turbo を選んでください。

turbo モデルは1秒からの長さに対応し、画像は任意です。純粋な出力品質、映像と音声の同期、または計画したシーケンスからのストーリーボード動画生成を優先し、そのショットが中心となる重要な素材であるために turbo の約2倍の料金を正当化できる場合は、pro を選んでください。

そのどちらよりも角度をまたいだ一貫性を重視する場合、制作要件として実際に複数の参照画像が用意されている場合、または後処理で同一性を修復しなくて済む結果を得るために、多少の速度を意図的に犠牲にする場合は、ベースの Q3 を選んでください。

turbo または pro のジョブをベースの Q3 に移行する

移行に伴うコードの変更は小さいものの、想定には大きな変更が必要です。3つのデフォルト条件が同時に変わるためです。参照画像が必須になるので、以前はテキストだけで実行できた呼び出しも、送信時に失敗するようになり、最大7枚の画像を添付する必要があります。画像の調達は全体で最も時間がかかる工程になることが多いため、スケジュール上の依存条件として扱ってください。

最短の長さは1秒から3秒に上がるので、既存のパイプラインにある1秒の短い挿入カットは、引き伸ばすのではなく turbo に移す必要があります。また、フレーミングの性質も変わります。このシリーズは任意の比率に対応していますが、画像を添付すると通常はその画像の比率を引き継ぎます。

そのため、被写体の同一性を保つ目的で選んだ元ファイルが、気づかないうちにアスペクト比まで決めている可能性があります。変わらないのは音声で、引き続きデフォルトで有効です。カット位置も計画に織り込んでください。このモデルが評価される理由であるインテリジェントなショット切り替えは、予定していなかったトランジションを追加できるためです。

よくある質問

ベースの Vidu Q3 は、参照画像なしで動画を生成できますか?
いいえ。ベースモデルでは画像リストが必須で、最大7枚の参照画像を指定できます。pro モデルと turbo モデルでは省略が有効で、空のリストはテキストから動画を生成する指定になりますが、このモデルでは有効ではありません。
指定できる動画の長さはどのくらいですか?
ベースモデルは3〜16秒です。同じエンドポイントの pro モデルと turbo モデルは1〜16秒に対応しているため、3秒未満の動画は、そのいずれかで生成する必要があります。
音声はデフォルトで含まれますか?
はい。すべての Q3 モデルで音声はデフォルトで有効になっており、true に設定すると、システムがプロンプトから発話と背景音を生成します。そのため、無音の納品物が必要な場合は、無音になると想定するのではなく、明示的にリクエストする必要があります。
turbo ではなくベースモデルを選ぶ理由は何ですか?
ベースの Q3 は、マルチカメラの一貫性に最も優れるとドキュメントに記載されており、インテリジェントなショット切り替えと、最大7枚の画像を参照した生成に対応しています。Turbo はより高速で安価ですが、シーン切り替えと任意の画像入力を軸に設計されています。

よくある質問

このページでVidu Q3を直接使えますか?
はい。上のクリエイターは実際のOfraiスタジオで、Vidu Q3が初期選択されています。
完成した結果はどこに保存されますか?
ログイン中の生成結果はOfraiライブラリに保存され、ダウンロードや再編集ができます。
Vidu Q3にはどのようなプロンプトが適していますか?
被写体、環境、ビジュアルスタイル、照明、カメラや動きを明確に記述してください。上の例を実用的な出発点として使えます。
生成前に例のプロンプトを編集できますか?
はい。例を読み込んだ後、文章、アスペクト比、参照素材、その他の対応設定を変更できます。

Vidu Q3と同様の制作に対応する他の動画モデルを比較できます。

商用利用は選択したモデルとモデル規約に従います。