Jak zrobić wideo z obrazu w Vidu Q4: poradnik z poleceniami

👁 116 przeczytań

Vidu Q4 Preview nie robi wideo z samego tekstu - zawsze zaczyna od obrazu. To dobra wiadomość, bo kontrolujesz kadr, postać i światło, zanim wydasz pierwszego centa na wideo. W tym poradniku pokazuję, jak przygotować obraz startowy, jak pisać polecenia do ruchu, kamery i dźwięku, ile to kosztuje i jak to zrobić przez API. Ogólne informacje o modelu (ranking, ceny, plany) są w przewodniku Vidu Q4.

Krok 1. Przygotuj obraz startowy

W trybie obraz na wideo pierwsza klatka filmu to dokładnie Twój obraz. Model nie poprawi źle skadrowanego zdjęcia, więc cała praca nad kompozycją dzieje się tutaj. Na co zwracam uwagę:

• Proporcje gotowego filmu. W trybie Image to Video wideo dostaje proporcje obrazu. Na YouTube daj 16:9, na rolki 9:16. Obraz przytnij przed wgraniem.
• Miejsce na ruch. Jeśli postać ma wyjść z kadru albo kamera ma odjechać, zostaw wokół niej przestrzeń. Ciasny portret nie zamieni się w plan ogólny.
• Bez napisów na obrazie, chyba że mają zostać. Model wideo często zniekształca litery w ruchu, a polskie znaki szczególnie.
• Rozdzielczość co najmniej taka jak wideo. Do 1080p wystarczy obraz 1920 px szerokości; do 4K daj 3840 px.
• Twarze prawdziwych osób tylko za ich zgodą. Klipy z planu Free nie mogą też trafić do użytku komercyjnego.

Obraz możesz zrobić w dowolnym generatorze. Przegląd tych, które dobrze trzymają polecenie, jest w tekście Generatory obrazów AI, a w Arenie generatorów obrazów możesz porównać je na tych samych zadaniach.

Krok 2. Napisz polecenie do ruchu

Polecenie do wideo z obrazu nie opisuje tego, co już widać, tylko to, co ma się wydarzyć. Używam stałej kolejności:

1. Akcja - kto i co robi, w czasie teraźniejszym („She lifts the cup and smiles”).
2. Kamera - statyczna, najazd (dolly-in), obrót wokół obiektu (orbit), kamera z ręki, cięcie na zbliżenie.
3. Dialog - dokładne słowa w cudzysłowie i informacja, kto mówi i w jakim języku.
4. Dźwięk - tło, efekty, czy ma być muzyka („no music”, jeśli nie chcesz podkładu).
5. Ograniczenia - „no subtitles, no on-screen text”, „real-time speed, no slow motion”.

Polecenie piszę po angielsku, bo modele wideo lepiej je rozumieją, ale kwestie mówione zostawiam po polsku w cudzysłowie. Vidu domyślnie włącza też automatyczne ulepszanie polecenia (parametr is_rec w API). Gdy zależy mi na dosłownym wykonaniu, wyłączam je.

Krok 3. Gotowe polecenia (mój zestaw testowy)

Każde polecenie zakłada konkretny obraz startowy, opisany w pierwszej kolumnie. Te same sceny testuję na innych modelach, więc wyniki będzie można porównać.

Krok 4. Wybierz długość i rozdzielczość

Płacisz za każdą sekundę, a cena rośnie szybko z rozdzielczością. Moja zasada: próby w 540p albo 720p, finał w 1080p, 4K tylko wtedy, gdy naprawdę jest potrzebne.

Stawki: fal.ai (promocja -30% do 30 listopada) i WaveSpeedAI, zgodne z ceną standardową Vidu (0,005 USD za kredyt). Dźwięk nie zmienia ceny.

Krok 5a. W przeglądarce: vidu.com

1. Otwórz vidu.com/vidu-q4 i zaloguj się.
2. W polu tworzenia przełącz tryb z „Reference to Video” na „Image to Video”.
3. Wgraj obraz, wklej polecenie, ustaw długość i rozdzielczość.
4. Uruchom generowanie i pobierz klip z biblioteki.

Na planie Free Vidu Q4 w 540p kosztuje 4 kredyty za sekundę, na planach płatnych (od 10 USD miesięcznie) 2 kredyty. Szczegóły planów są w przewodniku po Vidu Q4.

Krok 5b. Przez API

Oficjalne API Vidu przyjmuje obraz jako adres URL albo Base64. Tak wygląda zapytanie z dokumentacji (klucz zastąp swoim):

curl -X POST https://api.vidu.com/ent/v2/img2video \
  -H "Authorization: Token TWOJ_KLUCZ" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "viduq4-preview",
    "images": ["https://twoja-domena.pl/kadr.jpg"],
    "prompt": "Slow dolly-in, beans pour into the grinder, crisp ASMR grinding sound, no music.",
    "duration": 8,
    "resolution": "1080p",
    "audio": true,
    "is_rec": false
  }'

Odpowiedź zawiera task_id. Wynik odbierasz z GET https://api.vidu.com/ent/v2/tasks/{task_id}/creations - adres pliku działa 24 godziny, więc pobierz go od razu.

Na fal.ai to samo robi krótki skrypt w Pythonie (pakiet requests, klucz w zmiennej FAL_KEY):

import base64, os, time, requests

H = {"Authorization": "Key " + os.environ["FAL_KEY"]}
obraz = "data:image/png;base64," + base64.b64encode(open("kadr.png", "rb").read()).decode()
zadanie = requests.post(
    "https://queue.fal.run/fal-ai/vidu/q4/image-to-video", headers=H,
    json={"image_url": obraz, "prompt": "Slow dolly-in, crisp ASMR grinding sound, no music.",
          "duration": 8, "resolution": "720p"}).json()
while requests.get(zadanie["status_url"], headers=H).json().get("status") != "COMPLETED":
    time.sleep(10)
wynik = requests.get(zadanie["response_url"], headers=H).json()
open("klip.mp4", "wb").write(requests.get(wynik["video"]["url"]).content)

Uczciwie o teście: ten kod jest skrótem mojego skryptu testowego. 8 października sprawdziłem go do momentu wysłania zadania - fal.ai odrzucił je z powodu wyczerpanego salda na moim koncie, więc pełnego przebiegu z gotowym plikiem jeszcze nie mam. Nazwy pól (image_url, prompt, duration, resolution, seed) są zgodne ze schematem API fal.ai dla tego modelu. Skrypt uzupełnię wynikami po teście.

Najczęstsze błędy

• Opisywanie obrazu zamiast ruchu. „Kobieta w czerwonym płaszczu na ulicy” nic nie mówi modelowi, bo to już widać. Napisz, co ma zrobić.
• Za dużo zdarzeń na kilka sekund. W 5 sekundach zmieści się jedna akcja i jeden ruch kamery. Na więcej daj 10-16 s albo dwa klipy.
• Brak „no music”. Modele z dźwiękiem chętnie dokładają podkład, który potem przeszkadza w montażu.
• Napisy w kadrze. Jeśli obraz startowy ma tekst, sprawdź go w ostatniej klatce - ruch kamery potrafi go zniekształcić.
• Generowanie od razu w 4K. Najpierw dopracuj ruch w 540p, gdzie sekunda kosztuje ponad 8 razy mniej.
• Nieodebrany plik. W API Vidu link do wyniku wygasa po 24 godzinach.

A jeśli nie masz obrazu?

Vidu Q4 nie ma trybu tekst na wideo. Jeśli chcesz zacząć od samego opisu, użyj modelu, który to potrafi - w moim rankingu najlepiej wypadł Wan 3.0, a tuż za nim MiniMax H3 Max. Porównanie Vidu Q4 z najmocniejszymi rywalami jest w tekście Vidu Q4 vs Seedance 2.0 vs MiniMax H3, a wcześniejszy poradnik o ożywianiu zdjęć na innym modelu: Wan 3.0: obraz do wideo.

Źródła: dokumentacja API Vidu Q4 (Image to Video), fal.ai Vidu Q4, WaveSpeedAI, plany vidu.com. Sprawdzone 8 października 2026.