Vidu Q4 Image to Video : guide pratique et prompts

👁 116 lectures

Vidu Q4 Preview ne génère pas de vidéo à partir d’un simple texte : il commence systématiquement à partir d’une image fixe. C’est un réel avantage, car vous maîtrisez le cadrage, le personnage et l’éclairage avant de dépenser le moindre centime pour le rendu vidéo. Dans ce guide, nous détaillons la préparation de l’image de départ, la rédaction des prompts pour guider les mouvements, la caméra et le son, ainsi que les tarifs et l’utilisation via API. Pour une vue d’ensemble du modèle (classements, tarifs, forfaits), reportez-vous à notre dossier sur Vidu Q4.

Les montants en EUR sont des conversions indicatives des prix publiés en USD, calculées au taux de référence de la BCE du 2026-10-12 : 1 EUR = 1.1181 USD. Il ne s’agit pas de tarifs locaux confirmés ni de montants finaux toutes taxes comprises. Le fournisseur et la banque peuvent appliquer d’autres taux ou frais. ECB.

Étape 1. Préparer l’image de départ

En mode image-vers-vidéo, la première frame de votre séquence est exactement votre image source. Le modèle ne rattrapera pas un cadrage approximatif : la composition se décide donc entièrement à cette étape. Voici les points essentiels à surveiller :

• Le ratio du rendu final. En mode Image to Video, la vidéo hérite automatiquement des proportions de l’image. Utilisez du 16:9 pour YouTube, du 9:16 pour les formats courts (Reels, TikTok). Pensez à recadrer avant le téléversement.
• L’espace alloué au mouvement. Si un sujet doit sortir du champ ou si la caméra doit reculer, prévoyez une marge suffisante autour de lui. Un gros plan serré ne s’élargira pas en plan d’ensemble.
• Pas de texte incrusté, sauf si vous souhaitez le conserver à l’écran. Les modèles vidéo ont tendance à déformer les typographies en cours d’animation.
• Une résolution au moins égale à celle de la vidéo visée. Pour du 1080p, une image de 1920 px de large suffit ; pour de la 4K, prévoyez 3840 px.
• Les visages de personnes réelles uniquement avec leur accord explicite. Notez également que les rendus issus de l’offre gratuite (Free) ne peuvent être exploités commercialement.

Vous pouvez concevoir votre visuel avec le générateur de votre choix. Pour identifier les outils qui respectent le plus scrupuleusement les consignes, parcourez notre comparatif des générateurs d’images IA, ou testez leurs performances en conditions réelles dans notre arène des générateurs d’images.

Étape 2. Rédiger le prompt de mouvement

Le prompt appliqué à une image ne doit pas redécrire ce qui est déjà visible, mais uniquement ce qui doit s’animer. Nous recommandons de respecter cet ordre de saisie :

1. Action - qui fait quoi, au présent (« She lifts the cup and smiles »).
2. Caméra - fixe (static), traveling avant (dolly-in), rotation autour du sujet (orbit), caméra portée (handheld) ou coupe vers un gros plan.
3. Dialogue - réplique exacte entre guillemets, en indiquant qui s’exprime et dans quelle langue.
4. Son - ambiance sonore, bruitages, ou absence de musique (« no music » si vous préférez ajouter votre propre piste au montage).
5. Contraintes négatives - « no subtitles, no on-screen text », « real-time speed, no slow motion ».

Nous formulons nos prompts en anglais, langue bien mieux comprise par les architectures vidéo actuelles, tout en conservant les dialogues précis entre guillemets. Vidu applique par défaut un enrichissement automatique du prompt (paramètre is_rec via l’API). Si vous cherchez une stricte fidélité à vos instructions, nous vous conseillons de le désactiver.

Étape 3. Exemples de prompts prêts à l’emploi (notre banc d’essai)

Chaque consigne repose sur une image de référence définie dans la première colonne. Nous appliquons ce même protocole à d’autres modèles afin d’établir des comparaisons directes. Comme nous avons testé la restitution vocale en polonais, les répliques sont indiquées dans cette langue avec leur traduction.

Étape 4. Choisir la durée et la résolution

Chaque seconde générée est facturée, et le coût unitaire augmente nettement avec la définition. Notre méthode de travail : valider le mouvement en 540p ou 720p, exporter en 1080p pour le livrable final, et réserver la 4K aux seuls cas indispensables.

Grille tarifaire relevée sur fal.ai (remise promotionnelle de -30 % valable jusqu’au 30 novembre) et WaveSpeedAI, calée sur le tarif de base de Vidu (0,004472 EUR (0,005 USD) par crédit). L’activation de la piste audio ne modifie pas le coût.

Étape 5a. Dans le navigateur : vidu.com

1. Ouvrez vidu.com/vidu-q4 et connectez-vous.
2. Dans le panneau de création, basculez l’option de « Reference to Video » vers « Image to Video ».
3. Téléversez votre image, collez votre consigne textuelle, puis choisissez la durée et la résolution voulues.
4. Lancez le calcul et téléchargez le clip généré depuis votre espace personnel.

Avec la formule gratuite Free, Vidu Q4 en 540p consomme 4 crédits par seconde, contre 2 crédits sur les forfaits payants (proposés à partir de 8,94 EUR (10 USD) par mois). Vous trouverez l’ensemble des détails dans notre guide complet de Vidu Q4.

Étape 5b. Par API

L’API officielle de Vidu prend en charge les images transmises sous forme d’URL distante ou de chaîne Base64. Voici l’appel curl standard issu de la documentation (remplacez le jeton d’autorisation par le vôtre) :

curl -X POST https://api.vidu.com/ent/v2/img2video 
  -H "Authorization: Token VOTRE_CLE" 
  -H "Content-Type: application/json" 
  -d '{
    "model": "viduq4-preview",
    "images": ["https://votre-domaine.com/image.jpg"],
    "prompt": "Slow dolly-in, beans pour into the grinder, crisp ASMR grinding sound, no music.",
    "duration": 8,
    "resolution": "1080p",
    "audio": true,
    "is_rec": false
  }'

Le serveur retourne un identifiant task_id. Vous récupérez ensuite le fichier généré via GET https://api.vidu.com/ent/v2/tasks/{task_id}/creations. L’URL fournie n’étant valide que pendant 24 heures, sauvegardez le fichier sans attendre.

Sur fal.ai, l’opération s’automatise facilement avec ce script Python (nécessite la bibliothèque requests et votre clé dans la variable d’environnement FAL_KEY) :

import base64, os, time, requests

headers = {"Authorization": "Key " + os.environ["FAL_KEY"]}
image_b64 = "data:image/png;base64," + base64.b64encode(open("image.png", "rb").read()).decode()
tache = requests.post(
    "https://queue.fal.run/fal-ai/vidu/q4/image-to-video", headers=headers,
    json={"image_url": image_b64, "prompt": "Slow dolly-in, crisp ASMR grinding sound, no music.",
          "duration": 8, "resolution": "720p"}).json()
while requests.get(tache["status_url"], headers=headers).json().get("status") != "COMPLETED":
    time.sleep(10)
resultat = requests.get(tache["response_url"], headers=headers).json()
open("clip.mp4", "wb").write(requests.get(resultat["video"]["url"]).content)

Précision en toute transparence : cet extrait est une version condensée de notre script de test. Au 8 octobre, nous l’avons validé jusqu’à l’étape d’envoi de la requête - fal.ai l’ayant bloquée faute de solde suffisant sur notre compte, nous n’avons pas encore récupéré le fichier vidéo complet via ce flux automatisé. Les paramètres employés (image_url, prompt, duration, resolution, seed) sont strictement conformes aux spécifications de l’API de fal.ai pour ce modèle. Nous ajouterons les retours complets dès les prochains passages.

Les erreurs les plus fréquentes

• Décrire le contenu de l’image plutôt que l’action. Mentionner « Une femme en manteau rouge dans la rue » est inutile, le modèle disposant déjà de l’information visuelle. Décrivez ce qu’elle accomplit.
• Surcharger une séquence trop brève. En 5 secondes, limitez-vous à une seule action et un mouvement de caméra. Pour une mise en scène plus riche, passez à 10 ou 16 secondes, voire découpez en deux plans.
• Oublier la directive « no music ». Les architectures générant l’audio ont tendance à plaquer une musique de fond par défaut, souvent gênante si vous montez votre projet par la suite.
• Laisser du texte sur le visuel de départ. Si votre image source comporte des inscriptions, contrôlez soigneusement leur netteté sur la dernière image : les mouvements de caméra créent souvent des artefacts typographiques.
• Générer d’emblée en 4K. Calibrez toujours la cinématique en 540p en amont, où la seconde coûte plus de huit fois moins cher.
• Tarder à télécharger la vidéo. Sur l’API Vidu, le lien de téléchargement temporaire expire après 24 heures.

Et si vous partez sans image de départ ?

Vidu Q4 ne propose pas de génération directe texte-vers-vidéo. Si vous souhaitez créer un clip uniquement à partir d’un prompt textuel, privilégiez un outil conçu pour cet usage : dans nos évaluations comparatives, Wan 3.0 arrive en tête, suivi de près par MiniMax H3 Max. Vous pouvez retrouver notre confrontation détaillée dans le dossier Vidu Q4 vs Seedance 2.0 vs MiniMax H3, ainsi que notre guide d’animation d’images sur une solution concurrente : Wan 3.0 : transformer une image en vidéo.

Sources : documentation API Vidu Q4 (Image to Video), fal.ai Vidu Q4, WaveSpeedAI, grille tarifaire vidu.com. Données vérifiées le 8 octobre 2026.

// lire la suiteBrain.fm en pratique : concentration, étude et sommeilGuidesPratiques interdites par l’AI Act : 10 interdictionsGuidesPNG transparent avec Qwen-Image-2.1 : test du canal alphaOutils d'IA