2026-10-08 16:44:53 中华网
摘要：人物演绎、镜头语言与复杂视效全面升级;支持最多15张参考图、3段参考音频，支持2K、4K输出，首发0.09元/秒起。
2026年10月8日，生数科技发布新一代视频生成旗舰模型的首个预览版本——Vidu Q4 Preview，主打“传神表现力”。
新模型围绕人物演绎、镜头语言与复杂视效三项核心能力升级，最多支持 15 张参考图、3 段参考音频，并提供 2K、4K 输出。首发优惠价格低至 0.09 元/秒起，推动旗舰视频生成进入以“分”为单位计价的区间。
随着 AI 视频从技术展示走向实际生产，行业竞争也走向高品质视频技术的大规模落地应用：人物表演与镜头叙事是否能承载高品质影视创作需求，以及创作者能否以合理成本持续试错。
生数科技联合创始人、CEO骆怡航表示：“前沿视频模型不应该只在精选样片里成立。每一次效率提升，都应该最终变成创作者多试一镜、多做一个版本的自由。”
人物表演能力升级，角色呈现更自然
人物表演是视频生成中最具挑战性的能力之一。Q4 Preview 重点提升表情、情绪与肢体动作之间的协调性，让眼神、停顿、微表情与动作变化更加自然，既能呈现文戏中的细腻情绪，也能表现武戏中的高速动作与对抗。
声音也进一步参与角色塑造。模型最多支持 3 段参考音频，可保持人物音色统一，并通过语气、语速和情绪增强表演感染力。同时，最多 15 张参考图可以组合人物、场景、服装、道具和商品等视觉元素，为剧情短片、漫剧和商业广告等复杂创作提供更强的控制能力。
镜头语言再升级，复杂视效融入叙事
Q4 Preview进一步提升动态运镜、切镜与复杂镜头衔接能力。在追逐、奔跑、打斗等高动态场景中，镜头可以更好地配合人物动作与叙事节奏;爆炸、烟火、粒子和能量等复杂视效，也更加注重与人物、空间和剧情的结合。
2K、4K输出，10bit 色深，则覆盖从创意测试到高清内容交付的不同需求。
0.09元/秒起，让创作拥有更多尝试空间
视频创作天然需要反复尝试。同一句台词可以尝试不同情绪，一场动作戏可以更换不同机位，一支广告也往往需要测试多个创意版本。
Vidu Q4 Preview首发优惠价格为 0.09 元/秒起，提供 540P、720P、1080P、2K、4K 等多种输出规格。在可比规格与计费条件下，同等预算可生成 5 倍内容。同时，模型持续优化推理效率与生成速度，降低多轮创作中的时间和成本。
对广告、电商团队而言，可以更高频地完成创意测试和素材迭代;对短剧、漫剧和影视团队而言，也可以更快验证人物表演、分镜和镜头节奏。
技术路线持续演进，Q4进一步强化“表现力”
Q4 Preview延续了生数科技在视频生成领域的技术路线。
2022 年，生数科技核心团队提出 U-ViT 架构;2024 年 4 月，Vidu 首次公开亮相。此后，Vidu 持续推进参考生视频、多主体一致性、生成效率与成本优化。从Vidu 2.0 到 Q 系列，模型逐步具备多镜头叙事、声画同出和复杂运镜等能力。Q4 Preview 模型则进一步聚焦人物表演、镜头语言与视觉特效，形成新一代“传神旗舰”。
视频生成与具身智能，共同指向世界模型
放眼 AI 行业，通用人工智能公司的技术探索正从语言和内容生成，进一步延伸到空间理解、世界建模和具身智能。
生数科技也在沿着这一方向持续投入。作为一家通用世界模型公司，其一端是面向数字世界的视频生成模型 Vidu，另一端是面向物理世界的世界动作模型 Motubrain。
在这条技术路线中，视频生成与具身智能并非彼此割裂：一个生成世界，一个在世界中行动。
视频模型需要理解人物、物体和空间如何随时间变化;具身模型则进一步需要理解动作如何改变环境。两者背后，都指向对世界状态及其变化规律的建模。
这也是生数科技对多模态技术的长期判断：多模态模型不仅需要理解和生成内容，也需要进一步理解物理世界，并支持真实环境中的行动。
生数科技提出通用世界模型五级发展路线，推动模型能力从高质量视觉内容生成，逐步向时空一致性理解、实时交互、物理规律模拟及自主决策演进，构建连接数字内容生产与物理AI应用的技术体系。世界模型的发展不仅是生成质量的提升，更是人工智能从生成内容走向理解世界、模拟世界和交互世界的过程。
Preview预览版先行开放，在真实创作中继续迭代
Vidu Q4 Preview 是 Q4 模型面向创作者开放的首个预览版本。生数科技希望通过提前开放，让模型进入真实创作场景，并根据用户反馈持续迭代正式版本。
视频生成能否迎来自己的“DeepSeek时刻”，不仅取决于价格下降，更取决于模型表现力、推理效率和实际可用性能否同步提升。Q4 Preview所尝试的，正是让前沿视频生成能力以更低门槛进入真实创作与生产。
