فهرست مطالب
ویدو (Vidu) در ۷ اکتبر ۲۰۲۶ (۱۵ مهر ۱۴۰۵) از Q4 Preview رونمایی کرد: اولین پیش‌نمایش عمومی نسل بعدی مدل پرچم‌دارش برای ساخت ویدیو — مدلی که به گفتهٔ شرکت، «بازیگری» شخصیت‌ها را جدی گرفته است؛ یعنی حالت چهره، احساس، حرکت بدن و صدا قرار است مثل یک تیم هماهنگ کار کنند، نه چهار تکهٔ جدا از هم. قیمت راه‌اندازی از ثانیه‌ای ۰٫۰۱۴ دلار اعلام شده و ویدو می‌گوید با همان بودجه می‌شود تا پنج برابر خروجی گرفت.
اگر «ساخت ویدیو با هوش مصنوعی» برایت تازگی دارد، اول خیلی ساده می‌گوییم این ابزارها چه می‌کنند و چرا شخصیت‌ها همیشه وسط ویدیو قیافه عوض می‌کردند؛ بعد می‌رویم سراغ خود Q4 Preview: دقیقاً چه چیزی عوض شده، قدم‌به‌قدم چطور شروعش کنی، با پلن‌های واقعی‌اش هر کلیپ چقدر برایت آب می‌خورد، کنار رقیب داغ این روزها — Kling 4.0 — کجا می‌ایستد و آخرش می‌گوییم برای تو می‌صرفد یا نه.
پاسخ کوتاه
خبر: شرکت Shengshu Technology در ۷ اکتبر ۲۰۲۶ پیش‌نمایش عمومی Vidu Q4 Preview را عرضه کرد؛ نسل بعدی مدل ویدیویی ویدو.
تمرکز اصلی: «بازیگری» واقعی‌تر — هماهنگی حالت چهره، احساس، حرکت بدن و صدا — به‌علاوهٔ دوربین و جلوه‌های ویژهٔ بهتر.
ورودی و خروجی: تا ۱۵ تصویر مرجع و ۳ نمونهٔ صوتی در یک پروژه؛ خروجی از 540p تا 4K با عمق رنگ ۱۰بیت.
قیمت: قیمت راه‌اندازی تبلیغاتی از ثانیه‌ای ۰٫۰۱۴ دلار؛ پلن‌ها از رایگان (۰ دلار) تا ۲۳۰ دلار در ماه — محاسبهٔ دقیق هر کلیپ را در بخش قیمت آورده‌ایم.
دسترسی: همین حالا از طریق وب‌سایت ویدو و API آن؛ نسخهٔ کامل Q4 بعداً می‌آید و بازخورد همین پیش‌نمایش، نسخهٔ نهایی را شکل می‌دهد.
اول زمینه: «تولید ویدیو با هوش مصنوعی» یعنی چه؟
از یک جمله تا یک کلیپ چندثانیه‌ای
مدل تولید ویدیو — یعنی هوش مصنوعی‌ای که از روی توصیف متنی تو، که به آن پرامپت می‌گویند، یک کلیپ چندثانیه‌ای می‌سازد — دو حالت اصلی دارد: متن‌به‌ویدیو که از صفر و فقط با جملهٔ تو شروع می‌کند، و تصویر‌به‌ویدیو که یک عکس می‌گیرد و آن را به حرکت درمی‌آورد. ویدو هر دو را دارد و در صفحهٔ رسمی مدل Q4، حالت سومی هم دیده می‌شود: رفرنس‌به‌ویدیو، یعنی ساخت ویدیو بر اساس چند تصویر مرجع. همین حالت سوم، قلب تپندهٔ خبر امروز است.
چرا شخصیت‌ها وسط ویدیو قیافه عوض می‌کردند؟
مشکل قدیمی این ابزارها «ناپایداری شخصیت» بود: مدل فریم‌به‌فریم حدس می‌زند چه چیزی بیاید، و بدون یک لنگر بصری، صورت شخصیت در ثانیهٔ سوم با ثانیهٔ اول فرق می‌کرد؛ لباس عوض می‌شد، دست‌ها به‌هم می‌ریخت. اگر تا حالا ویدیوی هوش مصنوعی دیده‌ای که وسطش بازیگرش شبیه یک نفر دیگر شده، همین مشکل را دیده‌ای. راه‌حلی که کل صنعت به آن رسیده، تصویر مرجع است: چند عکس ثابت به مدل می‌دهی تا شخصیت را از روی آن‌ها «قفل» کند.
«رفرنس» یعنی چه و چرا عدد ۱۵ مهم است؟
رفرنس یعنی نمونه‌ای که به مدل می‌دهی تا چیزی را ثابت نگه دارد: عکس چهرهٔ شخصیت، لباسش، یک محصول، فضای صحنه. هرچه رفرنس بیشتر و دقیق‌تر باشد، کنترل تو روی خروجی بیشتر است. ویدو می‌گوید در Q4 Preview می‌توانی تا ۱۵ تصویر را در یک ستاپ خلاقانه کنار هم بگذاری — یعنی شخصیت، لباس، اشیا، محصول و محیط را یک‌جا تعریف کنی — و تا ۳ نمونهٔ صوتی هم برای قفل کردن صدای شخصیت بدهی. این عددها را جدی بگیر، چون دقیقاً همین‌جاست که Q4 Preview با نسل‌های قبلی فرق می‌کند.
ویدو چیست و Q4 Preview کجای داستانش است؟
Shengshu Technology یک شرکت هوش مصنوعی است که به گفتهٔ خودش روی «مدل‌های جهان» کار می‌کند — مدل‌هایی که قرار است پلی بین دنیای دیجیتال و فیزیکی باشند. محصول شناخته‌شده‌اش Vidu است: پلتفرمی که متن، تصویر و نمونه‌های صوتی را به ویدیو تبدیل می‌کند؛ برای داستان‌گویی و تولید محتوای تجاری. مدیرعامل و هم‌بنیان‌گذارش یهانگ لو است.
چرا اسمش «Preview» است؟
چون نسخهٔ کامل Q4 هنوز نیامده است. ویدو صراحتاً می‌گوید این پیش‌نمایش را زودتر عرضه کرده تا سازندگان در پروژه‌های واقعی از آن استفاده کنند و بازخوردشان — دربارهٔ عملکرد، کنترل خلاقانه و نیازهای روزمرهٔ تولید — نسخهٔ نهایی را شکل دهد. پس اگر الان امتحانش کنی، عملاً داری روی نسخهٔ نهایی اثر می‌گذاری؛ و البته داری روی نسخه‌ای کار می‌کنی که هنوز «نهایی» نیست.
Q4 Preview دقیقاً چه چیزی را عوض می‌کند؟
بازیگری واقعی‌تر: از «نگاه آرام» تا «صحنهٔ اکشن»
ادعای اصلی ویدو این است که Q4 Preview حالت چهره، احساس، حرکت بدن و صدا را بهتر با هم هماهنگ می‌کند. به زبان ساده: قبلاً مدل‌ها یک «چهرهٔ متحرک» تحویل می‌دادند که لب‌هایش تکان می‌خورد؛ حالا قرار است حس منتقل شود — از یک نگاه آرام و کوتاه تا یک سکانس اکشن تمام‌عیار، با دامنهٔ احساسی بیشتر برای شخصیت. این‌که چقدر از این ادعا در عمل درست است، چیزی است که فقط با تست خودت معلوم می‌شود؛ نمونه‌های رسمی، همیشه بهترین حالت ممکن‌اند.
صدایی که از شخصیت جدا نمی‌شود
تا ۳ کلیپ صوتی مرجع می‌توانی بدهی تا مدل، ثبات صدا و لحن احساسی شخصیت را از روی آن‌ها بگیرد. این برای ویدیوهای داستانی و تبلیغاتی که شخصیت ثابت دارند، مهم‌ترین تغییر است: صدا دیگر یک روایت جدا روی تصویر نیست، قرار است «صدای همان آدم» باشد. اگر دنیای مدل‌های صوتی برایت جالب است، بررسی Eleven v4 را هم ببین که تازه‌ترین نسل تبدیل متن به گفتار است.
۱۵ تصویر مرجع در یک ستاپ
اینجا ویدو دستت را باز گذاشته است: تا ۱۵ تصویر برای تعریف شخصیت، لباس، اشیا، محصول و محیط — همه در یک پروژه. برای یک تبلیغ محصول، یعنی می‌توانی عکس محصول، مدل، فضای فروشگاه و نور صحنه را یک‌جا قفل کنی و بعد فقط با عوض کردن پرامپت، نسخه‌های مختلف بگیری. اگر برای رفرنس‌ها به تصویرسازی نیاز داری، نانو بنانا ۲٫۱ گوگل این روزها یکی از دقیق‌ترین ابزارهای ویرایش تصویر با هوش مصنوعی است.
دوربین و جلوه‌های ویژهٔ سینمایی‌تر
به گفتهٔ ویدو، هماهنگی بین حرکت دوربین، کات‌ها و اکشن روی صحنه بهتر شده؛ در صحنه‌های پویا مثل تعقیب‌وگریز و نبرد، دوربین منسجم‌تر اکشن را دنبال می‌کند. جلوه‌های ویژه — انفجار، آتش‌بازی، ذرات — هم قرار است طبیعی‌تر در صحنه بنشینند، نه مثل یک برچسب که رویش چسبانده باشند. باز هم تأکید می‌کنم: این‌ها ادعای شرکت‌اند و در دموی خودش دیده شده‌اند.
کیفیت خروجی: از 540p تا 4K با عمق رنگ ۱۰بیت
خروجی‌ها از 540p شروع می‌شوند و تا 4K می‌روند، با عمق رنگ ۱۰بیت — یعنی طیف رنگی روان‌تر و نواربندی کمتر در آسمان و گرادیان‌ها، چیزی که در خروجی ۸بیتی معمولی زیاد دیده می‌شود. منطقش برای تو ساده است: تست‌های خلاقانه را با رزولوشن پایین و ارزان بگیر، و فقط نسخهٔ نهایی را 4K رندر کن.
چطور شروع کنی؟
مسیر کلی بر اساس صفحهٔ رسمی ویدو این شکلی است؛ قدم‌به‌قدم و بدون پیچیدگی:
در vidu.com حساب بساز و وارد شو. طرح رایگان با کردیت پاداشِ ورود شروع می‌شود، پس برای تست اولیه لازم نیست پول بدهی.
در بخش ساخت، مدل Q4 Preview را انتخاب کن.
پرامپتت را بنویس: صحنه، شخصیت و حرکت دوربین را مشخص توصیف کن. هرچه دقیق‌تر، نتیجه نزدیک‌تر به ذهنت.
(توصیه‌شده) تا ۱۵ تصویر مرجع آپلود کن: چهرهٔ شخصیت از چند زاویه، لباس، فضای صحنه.
اگر دیالوگ یا روایت می‌خواهی، تا ۳ نمونهٔ صوتی بده تا صدا روی همان شخصیت قفل شود.
رزولوشن و طول را انتخاب کن و Generate را بزن. بعد با تغییر پرامپت یا رفرنس‌ها تکرار کن — خود ویدو هم می‌گوید یک برداشت خوب معمولاً از چندمین تلاش درمی‌آید.
اگر توسعه‌دهنده‌ای و می‌خواهی تولید ویدیو را داخل محصول خودت بگذاری، همین مدل از طریق پلتفرم API ویدو هم در دسترس است.
قیمت و پلن‌ها: هر کلیپ واقعاً چقدر آب می‌خورد؟
همهٔ عددهای زیر از صفحهٔ قیمت رسمی ویدو (بازبینی ۱۰ اکتبر ۲۰۲۶) و اعلامیهٔ راه‌اندازی‌اند؛ چیزی را حدس نزده‌ایم و هر عدد را با مقیاسش آورده‌ایم:
پلن | قیمت ماهانه | کردیت ماهانه | هزینهٔ هر ۱۰۰ کردیت | مصرف مدل Q4 (در 540P) |
|---|---|---|---|---|
رایگان | ۰ دلار | کردیت پاداش با ورود | — | ثانیه‌ای ۴ کردیت |
Standard | ۱۰ دلار | ۸۰۰ | ۱٫۲۵ دلار | ثانیه‌ای ۲ کردیت |
Premium | ۴۳ دلار | ۳۵۰۰ | ۱٫۲۳ دلار | ثانیه‌ای ۲ کردیت |
Ultimate | ۲۳۰ دلار | ۱۰٬۰۰۰ تا ۲۰٬۰۰۰ (قابل تنظیم) | ۱٫۱۵ دلار | ثانیه‌ای ۲ کردیت |
جدول را این‌طور بخوان: با پلن Standard هر کردیت ۱٫۲۵ سنت می‌ارزد؛ پس یک کلیپ ۵ ثانیه‌ای در 540P که ۱۰ کردیت می‌خورد، حدود ۱۲٫۵ سنت تمام می‌شود. با همان پلن، ۸۰۰ کردیت ماهانه یعنی حدود ۴۰۰ ثانیه — نزدیک ۷ دقیقه — ویدیوی 540P در ماه. جداگانه، ویدو قیمت راه‌اندازی تبلیغاتی ثانیه‌ای ۰٫۰۱۴ دلار را هم اعلام کرده که برای همان کلیپ ۵ ثانیه‌ای می‌شود ۷ سنت. طرح رایگان هم ماهانه ۱۰ رفرنس دارد. خود ویدو می‌گوید قیمت نهایی و شرایط ممکن است بر اساس پلن و منطقه متفاوت باشد و برای پرداخت سالانه ۱۸٪ تخفیف می‌دهد. یک نکتهٔ مهم: در صفحهٔ قیمت، نرخ مصرف کردیت فقط برای 540P دیده شد؛ قبل از رندر 4K، نرخ همان لحظه را در سایت چک کن.
مقایسهٔ کوتاه: Vidu Q4 Preview در برابر Kling 4.0
رقیب داغ این روزها Kling 4.0 است — مدل تازهٔ واحد Kling AI شرکت Kuaishou که ۲۸ سپتامبر ۲۰۲۶ معرفی شد. ولی حواست باشد: نسخهٔ کاملش هنوز عرضه نشده و عرضهٔ کاملش برای اکتبر ۲۰۲۶ برنامه‌ریزی شده است (به گزارش تک‌تایمز و ای‌آی‌افرز). جدول زیر فقط با اطلاعات اعلام‌شده پر شده و خانهٔ خالی یعنی «اعلام نشده»:
موضوع | Vidu Q4 Preview | Kling 4.0 |
|---|---|---|
وضعیت انتشار | عرضه شده (۷ اکتبر ۲۰۲۶) | اعلام ۲۸ سپتامبر؛ عرضهٔ کامل در اکتبر ۲۰۲۶ (هنوز کامل نیامده) |
حداکثر طول کلیپ | اعلام نشده | تا ۳۰ ثانیه (اعلام‌شده) |
مرجع تصویری | تا ۱۵ تصویر | تا ۱۵ مرجع چندوجهی (اعلام‌شده) |
مرجع صوتی | تا ۳ نمونهٔ صوتی | صدای استریو با لیپ‌سینک بهتر (اعلام‌شده) |
حداکثر رزولوشن | 4K با عمق رنگ ۱۰بیت | 4K با ۱۰بیت «به‌زودی» (اعلام‌شده) |
قیمت اعلام‌شده | از ثانیه‌ای ۰٫۰۱۴ دلار (قیمت راه‌اندازی) | اعلام نشده |
دسترسی API | دارد | اعلام نشده |
جدول را این‌طور بخوان: هر دو روی «کنترل بیشتر سازنده» شرط بسته‌اند — رفرنس چندگانه، کیفیت بالاتر. تفاوت عملی امروز این است که Q4 Preview همین حالا در دسترس است و قیمتش روشن است، ولی Kling 4.0 روی کاغذ مشخصات بلندپروازانه‌تری دارد (کلیپ ۳۰ ثانیه‌ای، کی‌فریم) که هنوز باید صبر کنی تا کامل بیاید و تست مستقل ببینی.
محدودیت‌ها و چیزهایی که هنوز معلوم نیست
قیمت نهایی بعد از دورهٔ راه‌اندازی اعلام نشده؛ عدد ۰٫۰۱۴ دلار بر ثانیه، قیمت «راه‌اندازی» است.
حداکثر طول هر کلیپ در Q4 Preview اعلام نشده؛ برای ویدیوی بلند احتمالاً باید چند کلیپ را به هم بچسبانی.
«تا پنج برابر خروجی با همان بودجه» ادعای خود شرکت است؛ آزمون مستقلی هنوز منتشر نشده و ما هم آن را تست نکرده‌ایم.
نمونه‌های بازیگری فقط در مواد تبلیغاتی خود ویدو دیده شده‌اند؛ کیفیت واقعی را وقتی می‌فهمی که خودت امتحانش کنی.
نرخ مصرف کردیت برای رزولوشن‌های بالاتر از 540P در صفحهٔ قیمت دیده نشد.
دربارهٔ زبان فارسی، دیالوگ فارسی و متن فارسی روی تصویر، چیزی اعلام نشده است.
تاریخ عرضهٔ مدل کامل Q4 اعلام نشده است.
اگر ویدیو می‌سازی، شفاف بودنش را فراموش نکن: برای تشخیص محتوای ساخت هوش مصنوعی، ابزار SynthID Detector گوگل را قبلاً معرفی کرده‌ایم.
نکته‌ای برای خوانندگان فارسی‌زبان
رابط و نمونه‌های رسمی ویدو انگلیسی‌اند؛ پرامپت را هم انگلیسی بنویس — معمولاً نتیجهٔ بهتری می‌گیری.
قیمت‌ها دلاری‌اند و پرداخت، اشتراک بین‌المللی می‌خواهد؛ قبل از خرید، شرایط پرداخت و دسترسی را از سایت رسمی چک کن. در اعلامیه صحبتی از محدودیت منطقه‌ای نشده، ولی ما هم نتوانستیم وضعیت دسترسی از ایران را مستقل تأیید کنیم — این را صادقانه می‌گوییم که نمی‌دانیم.
اگر ایده‌ات ویدیوی فارسی‌زبان است، بدان که کیفیت هم‌خوانی لب با دیالوگ فارسی هنوز جایی مستقل سنجیده نشده؛ اول یک تست کوتاه و ارزان بگیر بعد سراغ پروژهٔ اصلی برو.
جمع‌بندی
Q4 Preview از آن به‌روزرسانی‌هایی است که «امتحان کردنش» منطقی است: همین حالا در دسترس است، طرح رایگان دارد و قیمت راه‌اندازی‌اش — ۷ سنت برای ۵ ثانیه — آن‌قدر پایین است که یک بعدازظهر بازی با آن جیبت را خالی نمی‌کند. ولی اگر قرار است خروجی‌اش را در پروژهٔ مشتری یا کمپین تجاری بگذاری، عجله نکن: بگذار نسخهٔ کامل Q4 بیاید و چند تست مستقل هم منتشر شود. فعلاً بهترین استفاده‌اش همان چیزی است که خود ویدو می‌خواهد: بازی، تست و بازخورد دادن.
پرسش‌های متداول
Vidu Q4 Preview دقیقاً چیست؟
پیش‌نمایش عمومی نسل بعدی مدل ویدیویی شرکت Shengshu Technology که ۷ اکتبر ۲۰۲۶ عرضه شد. تمرکزش روی بازیگری طبیعی‌تر شخصیت‌ها، صدای هماهنگ با شخصیت، دوربین بهتر و خروجی تا 4K با عمق رنگ ۱۰بیت است.
آیا رایگان می‌شود از آن استفاده کرد؟
بله؛ طرح رایگان ۰ دلاری دارد که با ورود، کردیت پاداش می‌دهد. در این طرح، مصرف مدل Q4 در رزولوشن 540P ثانیه‌ای ۴ کردیت است و ماهانه ۱۰ رفرنس داری. برای مصرف بیشتر باید سراغ پلن‌های پولی (از ۱۰ دلار در ماه) بروی.
یک کلیپ ۵ ثانیه‌ای چقدر خرج دارد؟
با قیمت راه‌اندازی اعلام‌شده (ثانیه‌ای ۰٫۰۱۴ دلار) حدود ۷ سنت. با پلن Standard همان کلیپ در 540P حدود ۱۲٫۵ سنت کردیت می‌خورد. این‌ها محاسبهٔ ما از عددهای رسمی‌اند؛ نرخ نهایی ممکن است بر اساس پلن و منطقه فرق کند.
حداکثر طول هر ویدیو چقدر است؟
در اعلامیهٔ رسمی، عددی برای حداکثر طول کلیپ Q4 Preview گفته نشده است. رقیبش Kling 4.0 تا ۳۰ ثانیه را وعده داده، ولی هنوز به‌طور کامل عرضه نشده است.
با Kling 4.0 چه فرقی دارد؟
هر دو روی کنترل بیشتر سازنده (رفرنس چندگانه، کیفیت بالاتر) شرط بسته‌اند. تفاوت عملی امروز این است که Q4 Preview همین حالا در دسترس است و قیمتش مشخص است، ولی Kling 4.0 هنوز کامل عرضه نشده است.
از ایران می‌شود از آن استفاده کرد؟
در اعلامیهٔ رسمی صحبتی از محدودیت منطقه‌ای نشده، ولی ما هم نتوانستیم وضعیت دسترسی از ایران را مستقل تأیید کنیم. قبل از هر پرداختی، شرایط دسترسی و پرداخت را از سایت رسمی ویدو چک کن.
آیا API هم دارد؟
بله؛ به گفتهٔ شرکت، Q4 Preview هم از طریق محصول وب و هم از طریق پلتفرم API ویدو در دسترس است، پس توسعه‌دهنده‌ها می‌توانند آن را داخل محصول خودشان بگذارند.
منابع
ShengShu Technology (via PRNewswire) — Vidu Launches Q4 Preview, Making Flagship AI Video Creation Accessible to Everyone (۷ اکتبر ۲۰۲۶)
Unite.AI — Vidu Releases Q4 Preview of Next-Generation Flagship AI Video Model (۷ اکتبر ۲۰۲۶)
Vidu — صفحهٔ رسمی قیمت‌ها (بازبینی ۱۰ اکتبر ۲۰۲۶)
TechTimes — Kling 4.0 Promises 30-Second 4K Video: Broadcast Spec Is Coming in October, Not Today (۳۰ سپتامبر ۲۰۲۶)
AIAffairs — Kuaishou previews Kling 4.0 with 30-second clips and more controls (۲ اکتبر ۲۰۲۶)
