最高のAI画像生成器：Vidu Q1の最新技術を探る

生数科技は、文字や画像の説明に基づいて高品質な1080P動画を自動生成する最新のAI動画生成モデル「Vidu Q1」を発表しました。Vidu Q1は、インテリジェントに生成された音響を同時に追加することができます。Q1は、前のVidu 2.0と比べて、様々なアニメーションスタイルやシーンの移行効果をサポートしており、さらに「映画レベルのカメラワーク」を模倣でき、アニメ、短編ドラマ、ECサイト、ブランド広告向けの動画コンテンツを直接生成できます。これにより、「即生成、即商用」を実現しています。多くの業界の権威ある評価では1位を記録し、最も重要なのは、動画の価格が1秒あたりわずか0.3元で、業界平均価格の10分の1であるということです。[IMAGE_0]

現在、世界で最も強力でコストパフォーマンスに優れた動画大モデルの一つと言えるでしょう。では、その効果を見てみましょう↓主な機能と特徴映画レベルの視覚効果：Vidu Q1は、最長5秒の1080p HD動画を生成でき、画質が明瞭で、詳細も豊富で、映画レベルの視覚効果を実現します。U-ViTアーキテクチャ：独自のU-ViT（ユニバーサルビジョントランスフォーマー）アーキテクチャを採用し、拡散モデルとトランスフォーマ技術を組み合わせることで、動画の時空的整合性と動的性を確保しています。プロンプト理解能力の向上：プロンプトに対する理解力が高く、キャラクターのアクション、光と影、位置関係を自動的に認識し、よりリアルな視覚効果を実現します。シームレスなトランジション：2つの初尾フレーム画像で自然でスムーズなシーンのトランジションが生成でき、初尾フレームの接続技術は映画的なカメラワークを実現し、キャラクターとシーンを一貫させます。多主体の一貫性：複数の主体、物体、環境をシームレスに統合し、一貫した主体、シーン、スタイルを維持し、特にアニメ生成を最適化し、多彩なアニメーションスタイルをサポートします。多角度とカメラ制御：360度の視角動画生成をサポートし、カメラの動き（ズーム、パン、ティルトなど）を正確に制御し、視覚的な連続性とナラティブ効果を向上させます。コストパフォーマンスの良さ：動画の価格が1秒あたりわずか0.3元で、業界平均の10分の1のため、商業利用や頻繁なコンテンツ制作に適しています。プロフェッショナルな音響生成：48 kHzの高品質なバックグラウンドミュージックと音響を生成することもサポートし、音響の精密な制御と複数トラックの音声オーバー（最長10秒）をサポートします。それでは、実際の性能を見てみましょう。以下にいくつかの評価を行い、その真の効果を探ります↓01—主な性能評価動画版簡易評価↓画像とテキストの詳細評価↓1、初尾フレーム間のシームレストランジション2つの写真で自然でスムーズなシーンのトランジションを生成できます。Q1の新しい初尾フレームツールは、より滑らかなレンズの接続を実現し、意味の理解もより正確になり、キャラクターとシーンの一貫性を維持します。例えば、男の子がバスケットボールをしている写真から、彼がNBAに入る夢を実現するシーンに直接遷移することができます。[IMAGE_1]

こちらも、2つの画像でキャラクターの変身効果を実現できます。[IMAGE_2]

申公豹の変身[IMAGE_3]

もし時間があれば、初尾フレーム機能を使って以下のような滑らかな効果を連続して実現できます。

2、映画級の視覚効果Vidu Q1は、最長5秒の1080p HD動画を生成し、画質が明瞭で、詳細も豊富で、映画級の視覚効果を実現します。（公式アカウントの制約により動画の数が限られているため、私はGIF画像をアップロードしています。画面が圧縮されており、真の動画品質を反映できませんが、こちらの画像はアート効果が満点です。[IMAGE_4]

プロンプト：camera zoom in, figures slowly rise up from the water[IMAGE_5]

プロンプト：カメラが浮遊する残骸を越えて前に進み、人物の顔に近づく。[IMAGE_6]

Vidu Q1は「人の言葉」を理解するだけでなく、専門的なレンズ言語もしっかりと把握しています。例えば、近くのピンクのスーツを着た男性から、後ろの黒いスーツを着た男性への焦点の切り替えがスムーズで自然なままです。[IMAGE_7]

Q1はレンズ言語をより理解しており、プロンプトの意味やレンズの論理を大幅に向上させ、「理想的なショットが得られない」確率を大幅に下げました。例えば、次の動画では、プロンプトの中に「男性」「通行人」「車」「街道」などの複数の要素が含まれており、複雑な位置関係や光の描写もありますが、Q1はこれらの関係を正確に理解し、レンズの感覚も十分で、まるでハリウッド監督の実際の作品のようです。プロンプト：カメラは、黒いジャケットを着た男性に焦点を合わせ、昼間の都市の街路を一人で歩いています。日光が歩道にリアルな影を投影し、背景には車と通行人が存在し、ぼやけた画面は映画のようなフォトリアリズムスタイルで表現されています。[IMAGE_8]

3、アニメ表現の向上Q1はVidu 2.0に比べて大幅に向上しており、より多様なスタイルの動画出力をサポートしています。特にアニメスタイルの表現において、以下のテストをご覧ください↓日本のアニメ『君の名は』のクラシックなビューを復刻[IMAGE_9]

日本のアニメ『ナルト』の復刻[IMAGE_10]

さらに、アニメスタイルの表現力において、Q1のキャラクター表現はより生き生きとしており、ダイナミックな表現が非常に印象的です。例えば、以下の動画では、Vidu Q1は3Dアニメスタイルをしっかりと理解し、カメラの動きを通じて子犬の急降下感と降下に伴う自然の風景の変化を非常にリアルに表現しています。[IMAGE_11]

最後に、いくつかの海外のプロデューサーが制作したアニメ効果をご覧ください↓日本のブロガー @neru_pipipi、 @Sabitamago、 @yachimat_manga02—他のモデルとの比較動的な運動の能力は、目の細部から背中の俯瞰ショットまで、全てが滑らかで継続的です。大規模なファンタジーシーンでも、Vidu Q1のパフォーマンスは注目に値します。例えば、城の上空を急速に飛ぶ恐竜のケースをご覧ください。Runway Gen-4で生成された動画ではエラーが発生している一方、Veo 2の恐竜は自然でない動作をしており、一方でVidu Q1は動きが自然であり、全体的なカメラの動きも大きく、合理的です。Runway Gen-4[IMAGE_12]

Veo 2[IMAGE_13]

Vidu Q1[IMAGE_14]

動的な運動能力Vidu Q1は、画面のリアリズムと詳細においてより一層の優位性を見せています。以下の例を見てみましょう。Runway Gen-4での女性の動きは非常に不自然で、Veo 2の動画では女性の動きがほとんどありませんが、Viduは運動をしっかり理解しており、トラックから出る火花や煙の詳細も正確に捉えています。プロンプト：緑髪の女性が混雑した車の流れと人々の間を歩き、遠くのトラックから火花と煙が出ており、カメラが女性の顔にフォーカスを合わせています。Runway Gen-4[IMAGE_15]

Veo 2[IMAGE_16]

Vidu Q1[IMAGE_17]

プロンプトの理解力と多角度のカメラ制御Vidu Q1は、360度の視角動画生成をサポートし、カメラの動きを正確に制御（ズーム、パン、ティルトなど）し、視覚的な連続性と物語性を向上させます。プロンプト理解能力も非常に高く、キャラクターの動き、光と影、位置関係を自動的に認識し、よりリアルな視覚効果を実現します。大きな動きであっても、Vidu Q1はしっかりと対応でき、AI動画生成における一般的なエラーの程度も大幅に軽減されます。プロンプト：富士フィルムPortra 400Hの静止画像、急加速する日産スカイラインR33 GTR LM JGTC、大きな運動効果、東京7-11コンビニ、真夜中の時間。Runway Gen-4[IMAGE_18]

Veo 2[IMAGE_19]

Vidu Q1[IMAGE_20]

アニメのさまざまなスタイル：Vidu Q1は多様なアニメスタイルを理解し、アニメスタイルの一貫性も良好です。例えば、80年代と90年代のレトロスタイルの可愛いアニメキャラクターの生成を試みました。Veoは直接3Dスタイルを生成し、Runway Gen-3 Alphaはレトロアニメを理解したものの、画面は硬く、ぎこちないものでしたが、Vidu Q1は80年代と90年代のレトロスタイルを正確に理解し、女の子の表情や動作も非常に自然です。Runway-Gen3 Alpha[IMAGE_21]

Veo 2[IMAGE_22]

Vidu Q1[IMAGE_23]

03—チュートリアル+特別なプレイ私がシンプルなチュートリアルを通じて、Vidu Q1の初尾フレーム機能を利用して特別な効果を実現する方法を教えます。まずはvidu.cnにログインし、画像から動画を選択します。[IMAGE_24]

次に、モデルのドロップダウンからVidu Q1モデルを選択します。[IMAGE_25]

画像から動画を選択し、2枚の初尾フレーム画像をアップロードします。初フレームは画面の開始状態、尾フレームは最終的に実現したい効果です。中間の遷移はプロンプトで制御します。[IMAGE_26]

以下、実戦教育に入ります...ステップ1：開始画像を撮影またはアップロードし、実現したい特別な効果の画像を尾フレームとして選択します（特別な効果の場合は、GPT 4oや他の画像生成ツールで生成することができます）。[IMAGE_27]

ステップ2：プロンプトを入力します。わからないプロンプトのことは、GPT 4oやDeepseekに聞いてください。[IMAGE_28]

ステップ3：いくつかのパラメータを設定できます。動きの大きさを設定し、一度に複数の抽選を生成し、良いものを選びます。（このステップは無視しても構いません、通常のユーザーはデフォルトのままでOKです）。[IMAGE_29]

生成ボタンをクリックして、しばらく待ちます...別の写真を試して、他の効果を確認してみましょう↓プロンプト：陽光が降り注ぐパリの街、名もなき「CAFE PIGALLE」という小さなカフェが目に飛び込んできます。画面の前景には、未来的な小女孩がキャンディのキャラクターとして、微かに波打つエネルギーのポータルを通って現れます。彼女は赤い眼鏡をかけ、コーヒーカップを手に持ち、オレンジ色のバックパックを背負っていますが、全体は半透明のホログラフィックな質感を持ち、微かにネオンの青い光を持った輪郭を示し、細やかな回路のテクスチャがほのかに光っています。彼女の周りには、仮想のUIインターフェースが漂い、ゆっくりと回転し、遊び心のあるデータストリームやアイコンが表示されています。もう一つの高難度なオプションを試してみましょう、運動の大きさとカメラの回転を↓[IMAGE_30]

プロンプト：暗い駅の開いた地下鉄のドアからカメラがゆっくりと前に向かう。画面は、ネオングリーンのエネルギービームに囲まれた光るブラックホールの内部視点にシームレスに遷移します。カメラはブラックホールを通って後方に引いて、無限の未来的なデジタル世界に突入し、その中にはキラキラしたデータストリームとグリッドパターンが溢れています。スムーズでシームレスな動き、サイバーパンク美学、深緑と黒のトーン、映画的な光の影、柔らかな動きのぼかしを実現します。

全体的にVidu Q1は、高品質、初尾フレーム、アニメスタイルの表現において非常に優れています。Q1は動画品質を大幅に向上させ、より明確で安定した動画効果を提供します。特にアニメにおいては、誇張しながらも自然な身体表現を実現し、戦闘、運動、誇張された感情などの高表現力の画像に重点を置いています。具体的には、拳が画面に迫る衝撃や、キャラクターの感情の爆発などです。しかし、他のモデルと同様に、多くの抽選に依存する必要がありますが、前の世代に比べて抽選成功率は大幅に向上しました。最も重要なのは、Q1の価格が非常に魅力的で、1秒あたりの生成価格がわずか0.3元であり、同業他社と比べて約10倍も安いことです。生成中のクレジットも気にならないため、まさに「コストパフォーマンスの王者」と言えるでしょう。