Vidu Q4 Preview 让「重参考」的视频生成变便宜了

生数科技在 2026 年 10 月 7 日把 Vidu Q4 Preview 放进了公测,最抓眼的数字是价格。首发价从每秒约一分四起,公司称在可比条件下同等预算最多能产出五倍的内容。这是厂商自述,细则也写明该价格为限时促销,会随方案和地区浮动。但趋势很清楚:一秒生成视频的成本持续下探,而且下降最快的地方,恰恰是最难防守的地方。

如果只有便宜,这个发布并不值得细看。让它值得的是:便宜的同时,过去只出现在高价档位里的控制力也一起来了。

十五张参考图,三段音频

Q4 Preview 单次任务支持最多 15 张图像参考、最多 3 段音频参考。输出最高 2K 或 4K,10bit 色深,入门档位从 540p 起,给只想先确认构图的人用。生数把模型定位在三件事上:人物如何表演、镜头如何说话、复杂视效如何站得住。

参考数量是创作者最先会注意到的部分。用一张图去引导视频模型是件很粗的工具,它能锁住一张脸或一种风格,但同时盯住好几件事就吃力。喂进多张参考,创作者就能把角色的脸、服装、道具和场景分开钉住,再让模型在镜头运动时保持它们一致。这是「生成一段片段」和「规划一个场面」之间的差别。

音频参考的意义类似。如果能交给模型一个声音和一条音乐轨,你就离一条一步到位的成片更近了,而不是事后把画面和声音缝在一起。公司把这描述成降低个人、团队和小工作室的门槛,因为他们养不起完整的制作班底。

{{INLINE1}}

中国视频实验室为什么一直压价

Vidu 并不孤单。生数这一手,和 xAI 更便宜的 Lite 档、字节在更长单镜头上的持续投入落在同一个窗口里。中国视频实验室的共性是一条向下的价格曲线,配上对可控性的加码。背后有两个推力。

第一,推理效率的提升已经足以让更低的每秒价格在厂商一侧仍然说得通。第二,愿意付高价的买家很少。少数工作室和代理公司会为最好的成品买单,但走量的是其他所有人:试创意的电商卖家、短剧团队、迭代概念的广告公司、做科普内容的教育者。这群人对「每次尝试」的价格很敏感,因为他们的工作流本就建立在多试几版、留下能用的那一版之上。

当生数说同等预算能产出五倍内容时,它谈的其实是尝试次数。昨天只负担得起十次生成的创作者,今天能负担五十次,而更多尝试意味着更高的概率撞上一条可用的镜头。被否掉的版本的成本,是每一份 AI 视频预算里那笔隐藏的开支,而便宜的生成会把它压小。

切换前该确认什么

Preview 这个标签值得尊重。Q4 被描述为下一代旗舰的首次公开预览,先于完整模型发布,这意味着稳定版的画质、速度和价格都可能不同。一致性和口型同步的说法都来自公司自己的材料,这个量级的独立测试目前还没有公开。任何打算把生产管线搭在它上面的人,都该先用自己的素材测一测。

另一件要看清的是「便宜」覆盖不到的地方。参考多的任务处理成本高于单图任务,4K 输出也不是 540p 草稿那个产品。只看价目表上最低的那个数字,说明不了什么。有用的比较,是「一条被接受的成片,在经历了若干次尝试之后的成本」。

还有一个不在价目表上的因素:换模型意味着重新学习怎么写提示词。偏重参考图的模型和偏重文本的模型,想要的是不同形式的指令。花几个月养出对某个系统的手感的人,迁移时是要交学费的,这也是为什么光靠价格很少能赢下一个市场。能留住用户的模型,是让参考工作流显得理所当然的那一类,这样从一个工具跳到另一个不至于花掉一周的重新学习。

真正的变化是谁可以反复迭代

过去两年里,高质量视频生成大体上是给有钱、并且有理由去做的人用的工具。当前这轮降价有意思的地方在于,它把这件工具推向任何一个有想法、有台电脑的人。这会改变被做出来的东西的种类。团队不再省着用生成次数,而是像用草图一样用它:便宜、可弃、快速。

生数自己的说法很说明问题。它的负责人谈的是把效率增益转化为更低的使用门槛,而不是更高的毛利,以及在真实场景里解决真实问题。预览版是否兑现这一点,仍是未解的问题。但如果价格站得住、控制力也成立,更重要的结果就不是一个更便宜的模型,而是一个更大的、买得起去把它想象的东西做出来的人群。