新智元報(bào)道

編輯：桃子 定慧

【新智元導(dǎo)讀】硅谷巨頭在AI視頻賽道激戰(zhàn)正酣，中國(guó)AI正面硬剛！今天，Vidu Q3震撼登場(chǎng)，16s音畫(huà)直出一鏡到底，正式開(kāi)啟「視聽(tīng)生成」時(shí)代。

2026年的AI視頻圈，開(kāi)局即決戰(zhàn)！

硅谷巨頭們的貼身肉搏，比想象中來(lái)得更早，也更猛烈。

幾周前，谷歌Veo 3.1憑借「素材生視頻」（Ingredients to Video），超強(qiáng)一致性+4K畫(huà)質(zhì)驚艷登場(chǎng)。

坊間傳聞Veo 3.2也將蓄勢(shì)待發(fā)

另一邊，馬斯克也來(lái)秀肌肉了。Grok Imagine上線(xiàn)生成10s視頻的功能，音畫(huà)雙飛躍。

Runway全新Gen 4.5模型，死磕連貫敘事、高一致性，同樣生成時(shí)長(zhǎng)可達(dá)10s。

就在這硝煙彌漫的時(shí)刻，中國(guó)AI隊(duì)正式加入戰(zhàn)局，并向全球牌桌投下了一枚重磅炸彈。

下一代旗艦?zāi)Ｐ汀猇idu Q3，今日重磅登場(chǎng)！

它帶著極具野心的Slogan：「聲畫(huà)同出，創(chuàng)想無(wú)界」，直接重新改變了游戲規(guī)則。

這是全球首個(gè)一鍵直出16s音視頻的模型，做到了一次生成，完整表達(dá)。

這意味著，在長(zhǎng)達(dá)16秒的時(shí)長(zhǎng)里，Q3能同時(shí)處理畫(huà)面、聲音、劇情推進(jìn)、鏡頭調(diào)度，敘事能力更強(qiáng)。

更驚艷的是，它還支持鏡頭控制+自由切換、多語(yǔ)言文字渲染，以及專(zhuān)業(yè)級(jí)漫劇、短劇、電影制作。

在Artificial Analysis最新榜單中，Vidu Q3表現(xiàn)非常亮眼，硬剛馬斯克Grok，位列中國(guó)第一、全球第二。

不僅如此，它還一舉超越了Runway Gen-4.5 ，谷歌Veo3.1和OpenAI Sora 2。

Vidu正在用實(shí)力向世界詮釋「中國(guó)速度」，領(lǐng)跑視頻生成的下半場(chǎng)。

Vidu Q3的出世，標(biāo)志著AI視頻正式從「演技生成」，邁入「視聽(tīng)生成」的新時(shí)代。

它不再為單幀畫(huà)面而生，而是為「劇」而生！

Vidu Q3全球燃爆登場(chǎng)

16s一鏡到底

現(xiàn)在，Vidu Q3已上線(xiàn)了文生音視頻、圖生音視頻功能。

從Vidu.cn或Vidu API：platform.vidu.cn，搶先體驗(yàn)Vidu Q3全新功能

接下來(lái)，就是一波最全面的實(shí)測(cè)，看看Q3究竟有多強(qiáng)。

一次生成，聲畫(huà)同步

長(zhǎng)久以來(lái)，AI視頻生成領(lǐng)域存在一個(gè)巨大的痛點(diǎn)：視頻太短，且大多是「啞劇」。

幾秒鐘的無(wú)聲畫(huà)面，充其量只能算一張「會(huì)動(dòng)的海報(bào)」，無(wú)法承載復(fù)雜的情緒和故事。

去年5月，谷歌Veo3的發(fā)布真正引爆了原生多模態(tài)「音畫(huà)同步」，徹底終結(jié)了這一尷尬局面。

緊接著Runway Gen-3 Alpha、OpenAI Sora 2等模型迭代，也做到了音畫(huà)一體。

如今，難點(diǎn)又落在了AI視頻的時(shí)長(zhǎng)上。目前，業(yè)界鮮有能打的生成超10秒的AI視頻工具。

就拿谷歌Veo 3來(lái)說(shuō)，支持最長(zhǎng)8秒視頻生成。OpenAI Sora 2還比較例外，最長(zhǎng)15秒。

而真正做到單次生成16秒時(shí)長(zhǎng)的，業(yè)界只有Vidu Q3了。不用拼接，不用后期合成——一氣呵成，完整敘事。

這種震撼，在demo中展現(xiàn)得淋漓盡致。

一艘正在沉沒(méi)的巨輪船艙內(nèi)，海水倒灌，船體傾斜已近60度。

其他人都在逃命，唯有一名中年男子安坐在鋼琴前演奏，鋼琴聲、海浪聲交織在一起，營(yíng)造出史詩(shī)般的敘事張力。

下面這個(gè)案例中，上傳一張六格分鏡圖，讓Vidu Q3按步驟生成一個(gè)制作視頻。

令人驚嘆的是，這種分鏡效果在Q3視角下，呈現(xiàn)出完全不輸真實(shí)大片的效果。

Vidu Q3還能輕松復(fù)刻電影的經(jīng)典瞬間，甚至可以支持多種語(yǔ)言，包括中、英、日。

輸入《哈利波特》中一張伏地魔的圖片，他用低沉的聲音宣告：Harry Potter is dead。人物的神態(tài)、聲音高度還原，口型和音色精準(zhǔn)匹配。

在這段中年夫婦的「對(duì)手戲」中，Vidu Q3更是交出了一份令人細(xì)思極恐的答卷。

畫(huà)面呈現(xiàn)出經(jīng)典的膠片質(zhì)感，兩人對(duì)視而立，對(duì)話(huà)聲音平靜卻難掩憂(yōu)傷。

Q3精準(zhǔn)捕捉到了這種「克制的演技」，再配上精準(zhǔn)的口型，讓對(duì)話(huà)有了直擊人心的真實(shí)重量。

Q3還可以來(lái)一段即興的演奏，上傳一張男子的圖片，讓他唱一句：Welcome to vidu Q3 model，瞬間有爵士那味兒了。

導(dǎo)演級(jí)運(yùn)鏡，控制每一幀

如果說(shuō)16s音畫(huà)直出讓人驚喜，那么Vidu Q3的鏡頭控制力，足以讓影視從業(yè)者感到后背發(fā)涼。

傳統(tǒng)AI視頻最大的問(wèn)題，是鏡頭「亂跑」——你想要一個(gè)推鏡頭，它可能給你一個(gè)大仰拍。

Vidu Q3終于讓我們拿回了「導(dǎo)演筒」。

但在Q3的世界里，任何人可以像導(dǎo)演一樣，精準(zhǔn)控制每一幀的運(yùn)鏡節(jié)奏和視角切換。

甚至，它能夠根據(jù)畫(huà)面內(nèi)容自動(dòng)切鏡，讓視覺(jué)呈現(xiàn)立馬生動(dòng)了起來(lái)。

讓我們看一段極具張力的日漫風(fēng)格打斗場(chǎng)景，這里給到了七個(gè)分鏡的文本提示。

從全景對(duì)峙的氛圍鋪墊，到特寫(xiě)鏡頭的心理博弈，再到動(dòng)作場(chǎng)面的爆發(fā)，Q3竟在一個(gè)視頻中，自動(dòng)完成流暢的切鏡，還配上了指定對(duì)白和音效卡點(diǎn)。

這哪里是視頻生成，這分明是實(shí)時(shí)渲染一部動(dòng)畫(huà)電影。

再來(lái)看如下這個(gè)皮克斯3D動(dòng)畫(huà)demo，Q3僅用一個(gè)鏡頭推進(jìn)的特寫(xiě)和一個(gè)細(xì)微的吸氣音效，就將孩子那種失望、委屈又無(wú)奈的情緒張力瞬間拉滿(mǎn)。

Vidu Q3還特別擅長(zhǎng)「微距鏡頭」，如下demo中，荷葉在微風(fēng)中輕微顫動(dòng)，露珠從邊緣緩緩滑落，展現(xiàn)了它對(duì)物理世界的頂級(jí)理解力。

在圖生音視頻中，上傳一張跑車(chē)圖，讓Q3生成一段讓人腎上腺素飆升的追逐場(chǎng)景：霸王龍猛然沖出森林，在碎石路上狂奔，緊緊追逐前面的跑車(chē)。

令人沒(méi)想到，Q3生成的效果危機(jī)感直接拉滿(mǎn)。

跑車(chē)從鏡頭前呼嘯而過(guò)，輪胎瘋狂摩擦地面，緊接著霸王龍出現(xiàn)，發(fā)出震耳欲聾的嘶吼。

可以看到，Q3展現(xiàn)出了驚人的物理理解力、音效渲染力，讓AI視頻擁有了直擊人心的電影級(jí)敘事力量。

玩轉(zhuǎn)文字：視頻里的字終于寫(xiě)對(duì)了

提到AI視頻的文字渲染，曾經(jīng)簡(jiǎn)直是「鬼畫(huà)符重災(zāi)區(qū)」。

英文字母變形、中文筆畫(huà)缺失、日文假名亂碼……這些槽點(diǎn)，讓無(wú)數(shù)內(nèi)容創(chuàng)作者抓狂。

Vidu Q3在文字渲染上實(shí)現(xiàn)了質(zhì)的飛躍——中、英、日三種文字精準(zhǔn)呈現(xiàn)。

不論是五彩油漆潑灑出的「我愛(ài)Vidu」，還是深海魚(yú)群排列出的「DEEP BLUE」，Q3都能在視頻中，渲染出精確的文字。

終于，AI視頻里的文字，不再辣眼睛了。

一場(chǎng)敘事權(quán)的爭(zhēng)奪

「視聽(tīng)生成」時(shí)代來(lái)了

如果跳出具體的技術(shù)參數(shù)，站在行業(yè)變遷的宏觀視角重新審視Vidu Q3，便會(huì)發(fā)現(xiàn)——

它的出現(xiàn)，象征著AI視頻生成領(lǐng)域，正經(jīng)歷一次關(guān)鍵的范式遷移。

長(zhǎng)久以來(lái)，AI視頻模型大多停留在「演技生成」的階段。

不論是早期的Sora演示，還是后續(xù)的各類(lèi)模型，它們解決的核心問(wèn)題是：如何讓畫(huà)面動(dòng)起來(lái)，如何保持高度一致性。

這種單維度的視頻生成，導(dǎo)致創(chuàng)作者得到的往往只是一些精美的、卻缺乏靈魂的動(dòng)態(tài)素材。

Q3的真正價(jià)值，推動(dòng)了行業(yè)從「演技生成」到「視聽(tīng)生成」時(shí)代的到來(lái)。

它不再只交付一些零碎的畫(huà)面片段，而是一次直出完整的、聲畫(huà)共振的視聽(tīng)體驗(yàn)。

正如其Slogan所言——聲畫(huà)同出，創(chuàng)想無(wú)界，Q3將聲音、畫(huà)面、運(yùn)鏡、文本融合為一個(gè)不可分割的敘事整體。

這種能力的躍升，將為行業(yè)多領(lǐng)域的創(chuàng)作，帶去深遠(yuǎn)的重構(gòu)效應(yīng)。

它為「劇」而生，對(duì)于影視行業(yè)者而言，Q3最大的意義在于它具備了真正的「敘事密度」。

在傳統(tǒng)的影視工業(yè)中，從劇本到可視化的呈現(xiàn)，中間隔著漫長(zhǎng)且昂貴的制作鏈條。Vidu Q3的出現(xiàn)，提供了一條極速通道。

有了全球首個(gè)16s音視頻直出的能力，創(chuàng)作者可以在一段視頻中，構(gòu)建起完整的戲劇沖突。

以往AI視頻難以處理復(fù)雜的對(duì)白和細(xì)膩的情感遞進(jìn)， Q3可以通過(guò)一次生成完成。

對(duì)于廣告從業(yè)者而言，用AI視頻生成往往很難在「創(chuàng)意」和「可控」之間找到比較好的平衡點(diǎn)。

Q3在畫(huà)面一致性、文字渲染等突破，為廣告營(yíng)銷(xiāo)提供了一套「可控的商業(yè)化解決方案」。

下面這個(gè)介紹智能手表的案例中，主播的口型與音色一致，表情動(dòng)作也非常自然。

對(duì)于廣大的自媒體創(chuàng)作者來(lái)說(shuō)，Vidu Q3無(wú)異于一把打開(kāi)流量大門(mén)的萬(wàn)能鑰匙。

過(guò)去，制作一個(gè)高質(zhì)量的視頻，需要分別尋找畫(huà)面素材、背景音樂(lè)、寫(xiě)文案配音、復(fù)雜的剪輯合成。

Q3的音視頻一體化生成，徹底簡(jiǎn)化了這一流程。

比如想要出一期創(chuàng)意的播客視頻，上傳一張貓狗合照，輸入你的腦洞指令。

小貓和小狗做電臺(tái)

小狗說(shuō)：主人說(shuō)他不相信愛(ài)情了，只想搞錢(qián)

小貓說(shuō)：那說(shuō)明他既沒(méi)愛(ài)情也沒(méi)錢(qián)

說(shuō)完后小貓小狗一起大聲哈哈笑

原本靜止的畫(huà)面，瞬間變成了妙語(yǔ)連珠的脫口秀現(xiàn)場(chǎng)。

這種極低門(mén)檻、極高效率的生產(chǎn)方式，將徹底釋放自媒體人的創(chuàng)造力。

或許不久的未來(lái)，將會(huì)看到更多由Q3賦能的「超級(jí)個(gè)體」，以驚人的速度產(chǎn)出媲美專(zhuān)業(yè)團(tuán)隊(duì)的視聽(tīng)內(nèi)容。

為「劇」而生，讓每個(gè)人都是導(dǎo)演

Vidu Q3的發(fā)布，標(biāo)志著AI視頻生成正式邁入了一個(gè)新紀(jì)元。

它不再是簡(jiǎn)單的「圖片動(dòng)起來(lái)」，而是真正意義上的「視聽(tīng)一體化創(chuàng)作」。

16秒，足夠講一個(gè)故事。聲畫(huà)同步，足夠傳遞情緒。鏡頭語(yǔ)言，足夠表達(dá)意圖。

未來(lái)的視頻創(chuàng)作，或許真的能讓每個(gè)人，只需一個(gè)想法，就能成為自己故事的導(dǎo)演。

現(xiàn)在，Vidu Q3 已全面上線(xiàn)文生音視頻、圖生音視頻功能。

快去試試吧，感受「聲畫(huà)同出，創(chuàng)想無(wú)界」的震撼。

邀請(qǐng)碼：XZY2，登錄Vidu.cn，注冊(cè)即送500積分，快來(lái)體驗(yàn)Vidu Q3最新功能。