对照原图、首次失败和重跑画面



两次测试用了同一张原图。重跑同时调整了首帧输入字段和提示词,画面差异无法归因到其中一项。
视频
视频
可在 Ofrai 使用 — 对话、图片与视频同一处,共用积分。
选择一个案例,即可把提示词和推荐参数载入上方的 Vidu Q3 Pro 创作器。
使用方法
保持选中 Vidu Q3 Pro,填写提示词,并按模型支持情况添加参考素材。
生成前选择画幅、分辨率和可用的视频参数。
查看结果,调整提示词或设置,再在同一处生成新版本。
2026-11-14 · 1 张首帧 · 5 秒 · 720p 档 · 有音轨 · 实际画面 1110 × 828 · 等待约 78 秒。供应商账单 0.357144 美元。 当前 Ofrai 报价 327 积分。
第一条测试换了瓶子。改用供应商规定的首帧字段,并明确写出 LUMINA、透明瓶身和金色瓶盖后,重跑保留了瓶身和台面,镜头也完成了推近。中后段标签小字发生变化,成片不宜用于展示准确的包装文字。




两次测试用了同一张原图。重跑同时调整了首帧输入字段和提示词,画面差异无法归因到其中一项。
One continuous five-second product shot. Use the supplied LUMINA perfume image as the starting frame. Slowly push in toward the bottle. Keep the original clear cylindrical glass, gold cap, white label, and LUMINA lettering. Preserve the original scene, shadows and color. No rotation, cuts or new objects.
在视频工作台使用实测提示词。打开后选择图生视频并上传你的首帧。
查看首帧原图和两张商品图Vidu Q3 Pro 是 Q3 家族里最贵的一档,而官方参考文档对它的定位说得相当直白:Pro 是高质量模型,支持音视频同步和分镜视频生成,价格约为 turbo 的两倍。这个倍数本身就是大部分决策。页面上其余的东西——1 到 16 秒的时长区间、三档分辨率、参考图传 0 张 / 1 张 / 2 张的规则、整个 Q3 家族默认就为真的音频开关——turbo 全都有。
所以这里真正的问题从来不是「Pro 能做而 turbo 完全做不到什么」,而是「这一条片子值不值得付双倍」。诚实的答案是:已经定稿、要交付的镜头,Pro 值;还在改的镜头,Pro 不值。
文档明确挂在 Pro 名下的有两项:音视频同步、分镜视频生成。这里要澄清一件容易被误读的事——音频并不是 Pro 专属开关。`audio` 是一个布尔值,所有 Q3 模型都默认 `true`,设为 `true` 时系统根据提示词生成语音和背景音效。也就是说,Pro 并不是「唯一能带声音」的档位,整个家族都能。
它被描述为多出来的那一层,是让生成的声音与画面保持同步,而同步恰恰是渲染成本被压低之后最先受损的东西。第二项「分镜视频生成」是镜头规划能力:当你的交付物是由若干镜头拼起来的段落,而不是一条好看的短片时,这项能力才值得它的价钱。
文档给的是比例而不是价目表——约为 turbo 的两倍——所以正确的用法是把它当成按秒计费上的一个乘数,而不是可以照抄的绝对数字。
Pro 的时长范围是 1 到 16 秒,默认 5 秒,区间内每个整秒都可填。基础版 Q3 上限同样是 16 秒,但下限是 3 秒——这听起来像个小数点后的差别,直到你的分镜里有一条两秒的插入镜头:在 Pro 上它是一行请求,在基础版上根本表达不出来。
同一个下限也解释了为什么 Pro 与基础版之间的「先草稿后精修」流程并不总是可用:你在 1 秒上设计出来的节奏点,没法原样挪到基础版重渲而保持形状。
就 Pro 自身而言,这段区间值得当成剪辑工具而不是限制来看——5 秒的默认值给你一条中性的单镜头长度,往 16 秒推,是为了在一次生成里留出让运镜起、停、收的空间,而不是让你在生成完之后绕着它剪。
在 Pro 上参考图参数是可选的,而图片张数就是控制杆。不传是文生视频,开场画面由模型自己编;传一张,这张图就是首帧——这恰恰是高端档上最要紧的模式,因为产品、人脸或房间从「模型大致逼近的东西」变成了「模型出发的起点」。
传两张,这一对会被当作首帧和尾帧理解,也就是一次真正的插值请求:你把这条片子两端都框死了,而不是只给一个种子。Pro 上做不到的是传更多图。多参考图路径——最多 7 张、且必须至少传一张——属于基础版 `viduq3`。
如果你的镜头需要把同一个产品的五个角度统一起来,Pro 不是干这件事的接口,而且是渲染完之后才发现的话,代价相当高。
值得单独说,因为很多人默认「高端视频模型」是静音的。`audio` 对所有 Q3 模型默认 `true`,设为 `true` 时系统按提示词生成语音和背景音效。这意味着一条 Pro 成片的声音设计是在文字里完成的,和运镜写在同一个提示词字段里,而提示词上限是 5000 字符——足够同时装下主体、动作、场景、镜头、风格,以及你打算听见的那几句台词。
这个参数同样可以设为 `false`,当片子后面要配音、要配乐、要做正式混音时,走这条路:否则生成的环境音会和真正的音轨打架。这个决定最好在渲染之前做完,因为它决定了你值不值得在提示词里写台词,也决定了这条渲染出来到底是干什么用的。
分辨率有三档——540p、720p、1080p,默认 720p。在一个大约双倍于 turbo 的档位上,真正回本的做法是:迭代阶段一律 720p 或更低,只在最终要交付的那一帧上花掉高分辨率的溢价。宽高比是独立参数,常用三档为 `16:9`、`9:16`、`1:1`,文档另外提到 Q3 系列支持任意宽高比。
传参考图会再改变一次画面:比例通常由你给的图片决定,所以要竖屏就显式写死比例,而不是让一张横图悄悄替你决定。这是最不光彩的一节,也是预算决策最容易变成事故的一节。
这个接口是异步的——提交、拿回任务 ID、稍后取结果。对单条片子来说这是细节;对高端档来说它是排期事实,因为真正贵的那些渲染,正是你希望它在你做下一条镜头的时候自己跑着,而不是原地等。
它也让失败诊断变得便宜:一个任务 ID 就能告诉你哪次提交产出了哪个文件,当提示词长达 5000 字符、同时有好几个任务在飞时,这一点很值钱。按三档规划渲染而不是一档——片子还在动时的廉价稿、定下来后的确认稿、以及最高设置下的主渲染——大约两倍这个乘数就不再是一个吓人的数字,而变成三条你知道的成本项。
一句话:镜头已定稿、要交付,用 Pro;镜头还在动,用 turbo。还有一种情况基础版明确胜过 Pro,值得在做预算之前先说清楚:文档把基础版描述为家族里多机位一致性最好的模型,支持智能镜头切换和多参考图生成——这些是 Pro 的两张首尾帧模式覆盖不了的。
如果你的要求是同一个角色或产品在几个明显不同的机位之间保持身份一致,那么这是基础版的活,跟档位高低无关。Pro 的优势是单条已经设计好的镜头的保真度与同步,不是能力广度。为「多图对位」这种活去买 Pro,就是把两倍乘数变成纯浪费。
对比其他能够完成类似创作任务的视频模型,找到适合替代 Vidu Q3 Pro 的方案。
商用权限取决于所选模型及其使用条款。