Vidu Q3 Prompt Guide
Vidu Q3: Text-to-Video und Image-to-Video in 360p, 540p, 720p und 1080p, mit fünf Seitenverhältnissen. Cliplängen von 1 bis 16 Sekunden in ganzen Sekunden, optional mit synchronisiertem Audio. Genau die Auflösung, die du brauchst, ohne Upscaling-Aufpreis.
Vidu Q3 ist ein flexibles KI-Videomodell, bei dem du Auflösung und Seitenverhältnis vor dem Generieren genau festlegst. Du gibst einen Text-Prompt ein und kannst optional ein einzelnes Bild als Startframe hinzufügen. Das Modell erzeugt Clips von 1 bis 16 Sekunden in 360p, 540p, 720p oder 1080p und unterstützt fünf Seitenverhältnisse.
Das macht Vidu Q3 im Workflow so praktisch: Mit den vier Auflösungsstufen kannst du in 360p / 540p schnell Varianten testen und erst dann Credits für 720p / 1080p einsetzen, wenn Prompt und Einstellung sitzen. Die fünf Seitenverhältnisse decken alle gängigen Social- und Kinoformate ab, ohne zweiten Durchlauf. Audio ist standardmäßig aus und mit einem Klick aktiviert.
4×5
Auflösungen × Seitenverhältnisse
1–16s
Dauer in ganzen Sekunden
T2V + I2V
Text oder einzelnes Ausgangsbild
Tippe auf Play, um den jeweiligen Clip anzusehen. Audio ist im Modell und in diesen Vorschauen standardmäßig aus. Schalte den Ton ein, wenn ein Clip mit aktiviertem Audio generiert wurde.
Vidu Q3 bietet vier Auflösungsstufen. Nutze 360p / 540p für schnelle Entwürfe und Social-Loops, 720p für den Alltag und 1080p, wenn du auch in voller Größe klare Details brauchst. Die Credit-Kosten richten sich nach der Auflösung, nicht nach der Dauer.
Filmisches Querformat (16:9), klassisches TV-Format (4:3), quadratisch für Social Media, Hochformat für Reels (3:4 / 9:16). Ein Modell, alle gängigen Bildformate. Ohne nachträgliches Upscaling oder Umformatieren.
Vidu Q3 erzeugt nur dann Audio, wenn du es aktivierst. Praktisch, wenn du einen Clip ohne Ton fürs Editing brauchst oder ihn später vertonen willst. Aktiviere Audio: An, um synchronisierte Umgebungsgeräusche und Sounds aus der Szene passend zum Bild zu erzeugen.
Lade ein Bild hoch. Vidu Q3 nutzt es als ersten Frame und setzt die Bewegung aus deinem Prompt darin um. Das Seitenverhältnis des Ausgangsbilds bestimmt das Videoformat. So werden Hochformatfotos automatisch zu Hochformatvideos.
Jedes Beispiel zeigt den exakten Prompt und die Einstellungen, mit denen der Clip erstellt wurde. Kopiere einen Prompt mit einem Klick und passe ihn nach deinen Vorstellungen an.
1080p · 16:9 · 8s · Audio an
Vibrant cinematic travel montage of a host exploring a futuristic coastal city at golden hour. Slow aerial establishing shot drifting forward over neon-lined boardwalks, glass towers reflecting amber light, distant ocean waves crashing. Warm sunset color grade. Sounds of distant traffic, sea breeze, and faint city ambience.
Starte mit dem Genre (filmisches Reisevideo), wähle eine dominante Kamerabewegung (langsames Gleiten aus der Luft) und schließe mit konkreten Angaben zu Farblook und Sounddesign. Vidu Q3 setzt diese Struktur sauber um.
720p · 3:4 · 5s · Audio an
Medium close-up of a young woman with rain-soaked hair sitting in a Tokyo coffee shop window seat, neon signs reflecting on the wet glass behind her. She slowly looks up from her phone, eyes glistening, and a small smile breaks across her face. Shallow depth of field, warm interior lighting against cool blue rain outside. Quiet ambient cafe sounds, distant rain on glass.
Das Porträtformat (3:4) plus ein präziser emotionaler Mikromoment (Blick hebt sich, Augen glänzen, ein Lächeln entsteht) schafft einen einzelnen Charaktermoment. Vidu versteht diese konkreten Aktionsverben besser als vage Stimmungsbeschreibungen.
720p · 1:1 · 5s · Audio aus
Studio product shot of a matte-black ceramic coffee mug on a polished walnut surface, steam curling upward. Camera does a slow 90-degree rotational pan around the mug. Soft top-down rim lighting picks out the rim and the steam against a dark gradient backdrop. No text. Photoreal, advertising quality.
Das Quadrat (1:1) ist wie gemacht für Produktcontent auf Social Media. Gib die Kamerabewegung (kreisender Schwenk, Dolly-in, Rückwärtsfahrt) und den Lichtstil (Kantenlicht, Führungslicht, Licht von oben) vor. Mit beiden Angaben liefert Vidu präzisere Produktaufnahmen.
720p · 16:9 · 10s · Audio an
10-second action sequence. Shot 1: low-angle of a parkour runner sprinting toward a rooftop edge, wind whipping their jacket. Shot 2: mid-air shot of the runner leaping across a gap between buildings, city lights blurred behind. Shot 3: landing roll into a sprint that continues offscreen. Dynamic handheld camera throughout. Sounds of footsteps, fabric wind, and impact on landing.
Eine klare Struktur mit Einstellung 1 / Einstellung 2 / Einstellung 3 funktioniert bei 720p+ und einer Dauer ab 8s. Beschreibe, was sich pro Einstellung ändert (Winkel, Abstand, Bewegung), statt die gesamte Sequenz als einen einzigen Moment zu formulieren.
1080p · 16:9 · 8s · Audio an
Wide cinematic landscape of a misty Norwegian fjord at dawn. Mountain peaks emerge through low fog as the camera does a very slow forward dolly across glassy water. A single distant fishing boat leaves a thin wake. Cool blue-green palette with a soft warm glow on one mountain peak. Sounds of gentle water, distant gulls, and wind across mountains.
Atmosphärische Totalen profitieren von 1080p: Die höhere Auflösung erhält Nebel, Wasseroberflächen und Details in der Ferne, die bei 540p zu Matsch werden. Kombiniere das breite Format mit einer einzigen, sehr langsamen Kamerabewegung.
720p · 9:16 · 5s · aus Ausgangsbild · Audio aus
Animate this portrait photo. Subtle breathing motion, hair catches a gentle breeze, eyes blink naturally, a small smile forms over 3 seconds. No camera movement — the subject animates in place. Maintain exact identity, lighting, and background from the source.
Beschreibe bei I2V mit einem Porträt Bewegungen, die zum Ausgangsbild passen: sanftes Atmen, Blinzeln, Haare im Wind, eine kleine Veränderung im Gesichtsausdruck. Der Zusatz „Identität, Beleuchtung und Hintergrund exakt beibehalten“ verhindert Abweichungen.
Sechs Gewohnheiten, mit denen du konstant bessere Ergebnisse aus Vidu Q3 holst.
Vidu Q3 handles a single, clearly named camera move better than a sequence of moves stuffed into one shot. 'Slow forward dolly', 'rotational pan', 'static locked-off', 'handheld follow' — pick one and let the subject motion do the rest.
Adding 'warm sunset color grade', 'cool teal-and-orange palette', or 'desaturated documentary look' steers the look in a single phrase. Vidu reads grade language much better than generic 'cinematic' alone.
For durations 8s and up, structure your prompt as Shot 1 / Shot 2 / Shot 3 with one action and one camera angle per shot. The model uses the explicit structure to schedule cuts cleanly.
16:9 for cinematic and landscape, 9:16 for short-form vertical, 1:1 for product and feed posts, 3:4 / 4:3 when you want a slight portrait or vintage feel. Generating at the right aspect saves crop loss later.
If the clip is for an edit with a soundtrack you'll add later, leave audio off — it's cheaper and gives you a clean visual track. Turn audio on only when the generated soundscape will ship with the clip.
When you do turn audio on, end the prompt with a 'Sounds of …' line. Vidu Q3 hears those cues and lays them in: 'Sounds of distant traffic, sea breeze, footsteps on gravel.' Specific beats much better than 'with audio.'
Wechsle den Modus auf Image-to-Video und lade ein einzelnes Ausgangsbild hoch. Vidu Q3 nutzt dein Bild als ersten Frame und setzt die Bewegung aus deinem Prompt darin um. Das Seitenverhältnis des Ausgangsbilds bestimmt das Videoformat: Aus Hochformatfotos werden automatisch Hochformatvideos, aus quadratischen Fotos quadratische Videos.
Die saubersten I2V-Prompts bleiben nah am Ausgangsbild. Beschreibe Bewegungen, die plausibel passieren könnten inside die bestehende Szene: sanftes Atmen, Haare in einer leichten Brise, blinzelnde Augen, aufsteigender Kaffeedampf, kleine Wellen auf dem Wasser, wechselndes Licht. Vermeide Prompts, die die Bildkomposition grundlegend verändern sollen. Das arbeitet gegen das Startframe als festen Bezugspunkt und lässt das Ergebnis davon abweichen.
Ein bewährtes Muster: "Animiere dieses Bild. [Bewegung 1], [Bewegung 2], [Bewegung 3]. Behalte Identität, Beleuchtung und Hintergrund des Ausgangsbilds exakt bei." Dieser letzte Satz ist der wirksamste Schutz vor Abweichungen bei I2V.
| Einstellung | Werte | Hinweise |
|---|---|---|
| Auflösung | 360p · 540p · 720p · 1080p | Credits steigen mit der Auflösung. Standard: 720p. |
| Seitenverhältnis | 16:9 · 4:3 · 1:1 · 3:4 · 9:16 | Bei I2V bestimmt das Ausgangsbild das Seitenverhältnis. |
| Dauer | 1 bis 16 Sekunden (ganzzahlig) | Die Oberfläche bietet 3 / 5 / 8 / 10 / 16, die API akzeptiert jede ganze Zahl. |
| Audio | Aus (Standard) / An | Wenn Audio aktiviert ist, beende deinen Prompt für die besten Ergebnisse mit einer Zeile wie „Sounds of …“. |
| Seed | Ganze Zahl von 0 bis 2.147.483.647 | Nur über die öffentliche API. Gleicher Seed + Prompt + Einstellungen reproduzieren den Clip. |
| Modus | text-to-video / image-to-video | I2V erfordert eine image_url, T2V nur einen Prompt. |
Vier Stufen, 360p, 540p, 720p und 1080p, in fünf Seitenverhältnissen (16:9, 4:3, 1:1, 3:4, 9:16). 360p und 540p sind ideal für schnelle Iterationen und reine Social-Media-Inhalte. 720p ist der Standard für jeden Tag. 1080p ist für Hero-Clips und Aufnahmen, bei denen atmosphärische Details zählen.
Jede ganze Zahl von 1 bis 16 Sekunden. Die Oberfläche bietet eine kompakte Auswahl gängiger Werte (3, 5, 8, 10, 16), die öffentliche API akzeptiert aber jede ganze Zahl in diesem Bereich. Sequenzen mit mehreren Einstellungen funktionieren ab 8s am besten.
Ja, optional. Audio ist standardmäßig aus. Aktiviere Audio: An in den Einstellungen, um eine synchronisierte Tonspur mit Umgebungsgeräuschen und Sounds aus der Szene passend zum Video zu erzeugen. Beende deinen Prompt mit einer Zeile wie „Sounds of …“, um die Klangkulisse zu steuern.
Die Credit-Kosten richten sich nach Auflösung × Dauer. 360p und 540p kosten 1 Credit pro Sekunde, 720p kostet 2 Credits pro Sekunde und 1080p kostet 3 Credits pro Sekunde. Ein 5-Sekunden-Clip in 720p kostet 10 Credits, ein 10-Sekunden-Clip in 1080p kostet 30 Credits.
Scharfe, gut ausgeleuchtete Fotos mit klaren Motiven lassen sich am besten animieren. Vidu Q3 nutzt dein Bild als ersten Frame und setzt die Bewegung aus deinem Prompt darin um. Halte deine Prompts fokussiert und nah am Ausgangsbild: lieber „sanftes Atmen, Haare im Wind“ als „die Szene komplett verändern“.
Ja. Du findest Vidu Q3 in der Modellauswahl von Canvas unter „animate“. Jeder vorherige Schritt in deiner Canvas-Kette kann das Startframe liefern: ein generiertes Bild, ein hochgeladenes Foto oder ein bearbeiteter Frame. Unter „Weitere Einstellungen“ in Canvas legst du Dauer, Auflösung und Seitenverhältnis fest und schaltest Audio ein oder aus.