Vidu Q1: Der Beste AI Video Generator mit herausragender Leistung und Preis-Leistungs-Verhältnis

Die Firma Shengshu Technology hat ihr neuestes AI Video-Generierungsmodell veröffentlicht: Vidu Q1. Dieses Modell kann basierend auf Textbeschreibungen oder Bildern automatisch hochqualitative Videos mit einer Auflösung von 1080P generieren und gleichzeitig intelligente, generierte Soundeffekte hinzufügen. Im Vergleich zur vorherigen Version Vidu 2.0 unterstützt Q1 verschiedene Animationsstile und Kameratransitionseffekte und kann sogar „filmische Kamerführung“ simulieren, um Inhalte für Anime, Kurzdramen, E-Commerce und Markenwerbung direkt zu generieren. Es ermöglicht „sofortige Erstellung und kommerzielle Nutzung“. Außerdem hat es in mehreren Branchenbewertungen den ersten Platz belegt, und was noch wichtiger ist: Der Preis beträgt nur 0,3 Yuan pro Sekunde, was 10-mal günstiger ist als der Branchendurchschnitt.

Somit ist es eines der leistungsstärksten und kosteneffektivsten Video-Modelle weltweit. Lassen Sie uns zuerst die Ergebnisse ansehen ↓

Hauptmerkmale:

Filmische visuelle Effekte: Vidu Q1 unterstützt die Generierung von bis zu 5 Sekunden langem 1080p HD Video mit klarer Bildqualität und reichen Details, die filmischen visuellen Effekten entsprechen.

U-ViT Architektur: Die eigene U-ViT (Universal Vision Transformer) Architektur nutzt die Technologien des Diffusionsmodells und des Transformers, um sicherzustellen, dass die Videos in Bezug auf Raum-Zeit-Kohärenz und Dynamik hervorragend abschneiden.

Verbesserte Verständnisfähigkeit: Die Fähigkeit zur Interpretation von Eingabeaufforderungen ist stark; das Modell kann automatisch Bewegungen von Personen, Licht- und Schattenverhältnisse sowie räumliche Beziehungen erkennen, um realistischere visuelle Effekte zu erzielen.

Nahtlose Übergänge: Zwei Bilder von Anfangs- und Endrahmen können verwendet werden, um natürliche und flüssige Szenenübergänge zu generieren. Die Technologie zur Verknüpfung der Anfangs- und Endbilder sorgt für einen filmischen Übergang und erhält die Kontinuität von Charakteren und Szenerien.

Konsistenz mehrerer Subjekte: Nahtlose Integration mehrerer Subjekte, Objekte und Umgebungen, um eine Konsistenz von Subjekt, Szene und Stil zu gewährleisten; speziell optimiert für die Generierung von Animationen und unterstützt vielfältige Animationsstile.

Kamerasteuerung aus verschiedenen Winkeln: Unterstützung der Generierung von 360-Grad-Video, präzise Steuerung der Kamerabewegungen (wie Zoom, Verschiebung, Neigung), um die visuelle Kontinuität und Erzählweise zu verbessern.

Ausgezeichnetes Preis-Leistungs-Verhältnis: Der Preis pro Video-Sekunde beträgt nur 0,3 Yuan, was es ideal für kommerzielle Nutzungen oder hochfrequente Inhaltserstellungen macht.

Professionelle Soundeffekte: Das Modell unterstützt auch die Generierung von hochqualitativem Hintergrundmusik und Soundeffekten bei 48 kHz und ermöglicht präzise Kontrolle von Soundeffekten sowie die Überlagerung mehrerer Audio-Spuren (maximal 10 Sekunden).

Um die tatsächliche Leistungsfähigkeit zu bewerten, lassen Sie uns einige Tests durchführen und die echten Ergebnisse betrachten ↓

01—Hauptleistungsbewertung:

Kurze Videobewertung ↓

Detaillierte Bewertung ↓

1. Nahtloser Szenenübergang: Mit nur zwei Fotos können natürliche und flüssige Szenenübergänge erzeugt werden. Das neue Tool von Q1 ermöglicht eine flüssigere Verknüpfung und genauere semantische Interpretation, um Charaktere und Szenen konsistent zu halten. Beispielsweise dieses Bild eines Jungen, der Basketball spielt, gefolgt von einem Übergang zu seiner Szene, in der er seinen Traum verwirklicht und in die NBA eintritt.

Und noch dieses Beispiel, zwei Bilder können einen Transformationseffekt erzeugen.

Wenn Sie Geduld haben, lassen sich mit der Anfangs- und Endrahmen-Funktion sehr flüssige Effekte erzielen. (Videoproduzent @骆狮虎)

2. Filmische visuelle Effekte: Vidu Q1 unterstützt die Generierung von bis zu 5 Sekunden langem 1080p HD Video mit klarer Bildqualität und reichen Details. (Aufgrund von Einschränkungen bei öffentlichen WeChat-Konten konnte ich nur GIF-Bilder hochladen, die die Videoqualität nicht genau wiedergeben.) Sehen Sie sich dieses hervorragende Kunstwerk an.

Eingabeaufforderung: camera zoom in, figures slowly rise up from the water.

Eingabeaufforderung: Die Kamera fokussiert auf das Gesicht einer Person, während sie über schwebende Glut hinweg filmt und sich nähert.

Vidu Q1 versteht nicht nur „Menschensprache“, sondern hat auch ein gutes Gespür für professionelle Kameratechniken. Ein Beispiel zeigt, wie der Fokus sanft von einem in Pink gekleideten Mann zu einem Mann hinter ihm wechselt, der einen schwarzen Anzug trägt, der gesamte Zoom-Prozess ist flüssig und natürlich.

Q1 hat ein viel besseres Verständnis für Kameralogik entwickelt, was die Wahrscheinlichkeit von „ungünstigen Aufnahmen“ drastisch reduziert. In einem weiteren Video führt die Eingabeaufforderung mit den Elementen "Mann", "Fußgänger", "Auto", "Straße" mehrere komplexe räumliche Beziehungen und Lichtverhältnisse auf. Q1 hat nicht nur diese Beziehungen genau verstanden, sondern auch die Kameraführung war beeindruckend und wirkte wie ein Werk eines Hollywood-Regisseurs. Eingabeaufforderung: Die Kamera fokussiert auf einen Mann in einer Lederjacke, der allein tagsüber auf der Stadtstraße läuft, während die Sonne realistische Schatten auf den Bürgersteig wirft, und im Hintergrund sind Autos und Fußgänger zu sehen, während die unscharfen Bilder im fotorealistischen Stil präsentiert werden.

3. Verbesserte Animationsqualität: Im Vergleich zu Vidu 2.0 hat Q1 enorme Verbesserungen erzielt und unterstützt vielfältigere Videoausgaben, insbesondere bei Animationen. Hier ist eine Demonstration ↓

Hier sind meine Tests: Ein klassisches Bild aus dem japanischen Anime „Your Name“.

Ein weiteres Beispiel, das die Animation aus dem japanischen Anime „Naruto“ nachbildet.

Darüber hinaus zeigt Q1 in der Darstellung von Animationsstilen lebendigere Charaktere und beeindruckende dynamische Szenen. In diesem Video zeigt Vidu Q1, dass es die 3D-Anime-Ästhetik gut versteht, und die Kamerabewegungen vermitteln das Gefühl der Geschwindigkeit, während ein Hund fällt, sowie die sich verändernde ländliche Szenerie, die sehr realistisch wirkt.

Lassen Sie sich abschließend von einigen internationalen Bloggern inspirieren, die Animationen erstellt haben ↓

Japanischer Blogger @neru_pipipi

Japanischer Blogger @Sabitamago

Japanischer Blogger @yachimat_manga

02—Vergleich mit anderen Modellen:

Die Fähigkeit zur dynamischen Kameraführung reicht vom Augenblicke des Gesichts bis zur Hintergrundansicht und ist während der gesamten Bewegung flüssig und die Semantik bleibt kohärent. Selbst in groß angelegten fantastischen Szenarien sticht die Leistung von Vidu Q1 hervor. Im folgenden Beispiel sehen wir einen Dinosaurier, der schnell über eine Burg fliegt. Man kann sehen, dass das Video von Runway Gen-4 strukturelle Mängel aufweist und die Flugeffekte des Dinosauriers in Veo 2 nicht sehr natürlich sind, während Vidu Q1 nicht nur natürlich bewegt, sondern auch einen breiten und durchdachten Kameraflug aufweist.

Runway Gen-4
Veo 2
Vidu Q1

Die Fähigkeit zur dynamischen Kameraführung ist bei Vidu Q1 in Bezug auf Bildrealismus und Detailgenauigkeit besonders deutlich. Im folgenden Beispiel scheint die Bewegung eines Mädchens in Runway Gen-4 nicht natürlich zu sein, während im Video von Veo 2 das Mädchen fast keine Bewegung zeigt. Im Gegensatz dazu hat Vidu Q1 nicht nur die Kameraführung gut interpretiert, sondern man sieht auch die flammenden Lichter und den schwarzen Rauch, die aus einem Truck aufsteigen, wobei die Bilddetails sehr gut umgesetzt sind. Eingabeaufforderung: Ein Mädchen mit grünen Haaren, das durch eine belebte Verkehrssituation und Menschenmenge geht, während ein Truck in der Ferne Flammen und Rauch ausstößt, die Kamera fährt näher und bleibt am Gesicht des Mädchens stehen.

Runway Gen-4
Veo 2
Vidu Q1

Vidu Q1 versteht Eingabeaufforderungen gut und unterstützt 360-gradige Videos. Es kann die Kamerabewegungen präzise steuern (wie Zoom, Verschieben und Neigen), was die visuelle Kontinuität und den narrativen Effekt verbessert. Die Fähigkeit zur Interpretation der Eingabeaufforderungen ist stark, da das Modell automatisch Bewegungen von Personen und Lichtverhältnisse erkennt, um realistischere visuelle Effekte zu erzielen. Selbst bei starken Bewegungen hält sich Vidu Q1 gut an die Vorgaben, und die häufigen visuellen Verzerrungen bei AI-Video-Generierungen sind drastisch reduziert. Eingabeaufforderung: Fuji Film Portra 400H statisches Foto, beschleunigter Nissan Skyline R33 GTR LM JGTC, für einen dramatischen Bewegungseffekt, am Tokyo 7-11 Convenience Store, zu Mitternacht.

Runway Gen-4
Veo 2
Vidu Q1

Vielfältige Animationsstile: Vidu Q1 versteht eine Vielzahl von Animationsstilen besser und bewahrt eine hohe Konsistenz im Animationsstil. Zum Beispiel haben wir verschiedene Modelle gebeten, süße Anime-Mädchen im Retro-Stil der 80er und 90er Jahre zu generieren. Veo direkt generierte einen 3D-Stil, während Runway Gen-3 Alpha zwar den Retro-Stil erkannte, jedoch steife und wenig ansprechende Bilder lieferte, während Vidu Q1 den Retro-Stil sehr präzise umsetzte, und die Ausdrucksweise und Bewegungen des Mädchens ebenfalls sehr natürlich waren.

Runway-Gen3 Alpha
Veo 2
Vidu Q1

03—Tutorial + Besondere Funktionen:

Hier zeige ich Ihnen in einem einfachen Tutorial, wie Sie mit Vidu Q1 besondere Effekte durch die Verwendung der Anfangs- und Endbild-Funktion erzielen können, um kreative Ideen zu verwirklichen. Zuerst melden Sie sich bei vidu.cn an und wählen Videos aus Bildern.

Danach wählen Sie im Dropdown-Menü das Vidu Q1 Modell aus.

LadenSie zwei Fotos für den Anfangs- und Endrahmen hoch. Der Anfangsrahmen ist der Status des Bildes zu Beginn, der Endrahmen ist der Effekt, den Sie erzielen möchten, und der Übergang zwischen diesen wird durch Eingabeaufforderungen gesteuert.

Jetzt kommen wir zur praktischen Anleitung...

Schritt 1: Machen Sie ein Foto oder laden Sie ein Anfangsbild hoch, und wählen Sie das gewünschte Bild als Endrahmen in Bezug auf den besonderen Effekt. (Für spezielle Effekte können Sie auch GPT 4o oder andere Bildwerkzeuge verwenden.)

Schritt 2: Geben Sie die Eingabeaufforderungen ein; wenn Sie bei den Eingabeaufforderungen unsicher sind, können Sie GPT 4o und Deepseek fragen.

Schritt 3: Legen Sie einige Parameter fest, wie beispielsweise die Größe der Bewegungsamplitude, und generieren Sie mehrere Versionen auf einmal, um die beste auszuwählen. (Dieser Schritt kann ignoriert werden; normale Benutzer können die Standardwerte verwenden.)

Klicken Sie dann auf Generieren und warten Sie auf die verschiedenen Ergebnisse...

Versuchen wir ein anderes Bild mit einem neuen Effekt ↓

Eingabeaufforderung: In einer von Sonnenstrahlen durchfluteten Pariser Straße, erscheint ein kleines Café namens „CAFE PIGALLE“. Im Vordergrund taucht ein futuristisch aussehendes kleines Mädchen mit einem süßen Charakter durch ein leicht waberndes Energietor auf. Sie trägt eine rote Brille und hält eine Tasse Kaffee, mit einem orangefarbenen Rucksack, aber insgesamt zeigt sie eine halbtransparente holografische Qualität, mit einem Hauch von neon-blauem Licht, das auf der Oberfläche durch feine geometrische Muster schimmert und eine sanfte Science-Fiction-Atmosphäre ausstrahlt. Um das Mädchen herum schwebt eine virtuelle Benutzeroberfläche, die langsam rotiert und verspielte Datenströme und Symbole zeigt.

Lassen Sie uns ein anspruchsvolles Szenario ausprobieren, mit großer Bewegungsamplitude und Kameradrehungen ↓

Eingabeaufforderung: Die Kamera gleitet sanft von der offenen Tür einer U-Bahn-Station zu einem leuchtenden schwarzen Loch, das von neongrünen Energiebündeln umgeben ist. Die Kamera zieht dann durch das schwarze Loch und tritt in eine weite futuristische digitale Welt ein, die voller blinkender Datenströme und Rastermuster ist. Die Bewegung ist nahtlos und fließend, mit einem Cyberpunk-Ästhetik, in tiefgrünen und schwarzen Tönen, filmisch ausgeleuchtet, mit sanften Bewegungsunschärfen.

Durch die oben genannten Methoden können Sie Ihre Kreativität immer wieder neu entfalten ↓

Tiere personifizieren
Lassen Sie die Katze aus einem Becher springen.
Historische evolutionäre Veränderungen

04—Zusammenfassung:

Insgesamt hat Vidu Q1 in Bezug auf hohe Qualität, die Verwendung von Anfangs- und Endbildern sowie Animationsstile beeindruckend abgeschnitten. Q1 hat die Videoqualität deutlich verbessert und bietet klarere, stabilere Effekte. Insbesondere in der Animation ermöglicht es eine übertriebene, aber natürliche Körperdarstellung (ein Merkmal des „dynamischen Perspektiv“ japanischer Animes) und konzentriert sich auf hochdynamische Darstellungen wie Kämpfe und emotionale Ausbrüche von Charakteren. Beispielsweise der Eindruck eines Faustschlags, der auf den Bildschirm zu schlägt oder die emotionale Explosion eines Charakters.

Wie bei anderen Modellen ist auch bei diesem Modell eine große Anzahl von Testbildern erforderlich, aber im Vergleich zur vorherigen Generation ist die Erfolgsquote erheblich gestiegen. Am wichtigsten ist, dass der Preis bei Q1 extrem attraktiv ist: nur 0,3 Yuan pro Sekunde, fast 10-mal günstiger als der Wettbewerber, sodass man sich beim Testen keine Sorgen um die Kosten machen muss, was es zum wahren „König des Preis-Leistungs-Verhältnisses“ macht.

Zudem hat Vidu einen „versetzten Generierungsmodus“ eingeführt, um kostenlose Videoerstellungen während nicht-Hochlastzeiten zu ermöglichen. Wenn dieser aktiviert ist, werden Aufträge, die während Hochlastzeiten auf den Server eingereicht werden, automatisch bearbeitet, wenn der Bedarf sinkt. Wenn der Server bereits in einer nicht-Hochlastsituation ist, wird das Video sofort generiert und es wird kein zentraler Wert verbraucht, sodass man kostenlos profitieren kann.

Darüber hinaus hat Vidu eine Funktion zur Generierung von benutzerdefinierten Sounds mit einer einzigen Phrase eingeführt. Mit nur einem Satz kann ein benutzerdefinierter Soundeffekt von bis zu 10 Sekunden erstellt werden, was den AI-Videos den Übergang in die „Ära mit Sound“ ermöglicht. Die Benutzer können die Zeit, wann der Soundeffekt erzeugt wird, präzise steuern, wobei der Effekt zu jedem gewünschten Zeitpunkt innerhalb der 10 Sekunden gestartet werden kann. Dieses System ist das erste seiner Art in der kommerziellen Branche, das eine detaillierte zeitliche Steuerung von soundbasierten Effekten unterstützt. Ferner ist Vidu fähig, mehrere Klangschichten zu überlagern und als eine vollständige Audio-Datei auszugeben. Beispielsweise zeigt das folgende Beispiel, wie durch die Überlagerung mehrerer Klänge der tatsächliche Eindruck eines vorbeifahrenden Zuges erfolgreich nachgebildet wurde. Oder man möchte eine Rein-Musik im chinesischen Stil, bei der Instrumente wie Guqin und Flöte eine klassische Berg- und Wasserlandschaft schaffen.