curl --request POST \
--url https://api.vidgo.ai/api/generate/submit \
--header 'Authorization: Bearer <token>' \
--header 'Content-Type: application/json' \
--data '
{
"model": "vidu/q4/reference-to-video",
"input": {
"prompt": "[@reference_image_1] holds up the sneaker from [@reference_image_2] and spins it slowly under studio light",
"reference_image_urls": [
"https://example.com/model.png",
"https://example.com/sneaker.png"
],
"duration": 5,
"resolution": "720p",
"aspect_ratio": "9:16"
}
}
'{
"code": 200,
"data": {
"task_id": "task-unified-1762160000-abc123",
"status": "not_started",
"created_time": "2026-11-03T10:30:00"
}
}{
"detail": "<string>"
}{
"detail": "<string>"
}{
"detail": "<string>"
}{
"detail": "<string>"
}Request timeout{
"detail": "<string>"
}{
"detail": "<string>"
}{
"detail": "<string>"
}{
"detail": "<string>"
}{
"detail": "<string>"
}Vidu
Vidu Q4 参考生视频
Vidu Q4 参考生视频 API 根据 1–12 张参考图和最多 3 段参考音频生成 3–16 秒的视频，可选原生音频，分辨率最高 4K。
POST
/
api
/
generate
/
submit
curl --request POST \
--url https://api.vidgo.ai/api/generate/submit \
--header 'Authorization: Bearer <token>' \
--header 'Content-Type: application/json' \
--data '
{
"model": "vidu/q4/reference-to-video",
"input": {
"prompt": "[@reference_image_1] holds up the sneaker from [@reference_image_2] and spins it slowly under studio light",
"reference_image_urls": [
"https://example.com/model.png",
"https://example.com/sneaker.png"
],
"duration": 5,
"resolution": "720p",
"aspect_ratio": "9:16"
}
}
'{
"code": 200,
"data": {
"task_id": "task-unified-1762160000-abc123",
"status": "not_started",
"created_time": "2026-11-03T10:30:00"
}
}{
"detail": "<string>"
}{
"detail": "<string>"
}{
"detail": "<string>"
}{
"detail": "<string>"
}Request timeout{
"detail": "<string>"
}{
"detail": "<string>"
}{
"detail": "<string>"
}{
"detail": "<string>"
}{
"detail": "<string>"
}- 提交后会返回
task_id。如果提供了callback_url，当任务状态变为finished或failed时，系统会向callback_url发送 POST 请求。 - 无论是否提供
callback_url，都可以通过统一的查询任务状态接口获取结果。
模型
- vidu/q4/reference-to-video — Vidu Q4 参考生视频，使用 1–12 张参考图和最多 3 段音色参考，3–16 秒，540p 到 4K。
功能
- 一次请求支持 1–12 张参考图的参考生视频。
- 通过
reference_audio_urls提供最多 3 段音色参考。 - 用提示词标签
[@reference_image_N]和[@reference_audio_N]指明每个参考素材的用途。 - 通过
generate_audio可选生成原生音频。 - 五种宽高比，五种分辨率（
540p到4k）。 - 时长为 3 到 16 秒的整数。
必填参数
prompt（string）：场景以及每个参考素材的用法。不能为空白，最多 5,000 个字符。reference_image_urls（string[]）：1–12 个公开 HTTP(S) 图片 URL。
可选参数
reference_audio_urls（string[]）：最多 3 个公开 HTTP(S) 音频 URL，作为音色参考。简短、干净的 MP3 人声片段效果最好。aspect_ratio（string）：16:9、9:16、4:3、3:4或1:1。省略时使用上游默认值（16:9）。generate_audio（boolean）：随视频生成原生音频。省略时不生成音频。duration（integer）：输出时长，3–16秒。默认5。resolution（string）：540p、720p、1080p、2k或4k（不区分大小写）。默认720p。enable_safety_checker（boolean）：开启或关闭上游安全检查。
分辨率
resolution | 适用场景 |
|---|---|
540p | 快速、低成本的草稿 |
720p | 默认；社交平台和网页短片 |
1080p | 全高清交付 |
2k | 高分辨率母版 |
4k | 主视觉镜头和大屏 |
输出
任务完成后，查询任务状态和回调内容的files 数组中会返回一个 MP4 视频。
示例
- 两张参考图，720p：模特和运动鞋分别以
[@reference_image_1]、[@reference_image_2]引用，竖屏9:16。 - 角色加音色参考与音频，1080p：一个角色和一个场景，一段人声以
[@reference_audio_1]引用，带引号的对白，generate_audio: true，并提供callback_url。
注意事项
- 参考素材按数组顺序编号：
reference_image_urls的第一个 URL 是[@reference_image_1]，reference_audio_urls的第一个 URL 是[@reference_audio_1]。 - 本 ID 不接受
image_urls，传入会返回 400。要让单张起始帧动起来，请用 Vidu Q4 图生视频。Vidu Q4 没有文生视频模式。 - 参考图超过 12 张或参考音频超过 3 段会返回 400。
model和callback_url放在请求根级，不要放进input。- 积分在提交时预扣，按
resolution和duration（每输出秒）计算。参考图、参考音频和generate_audio不影响费率。任务失败会全额退还。当前费率见定价页。
授权
所有 API 接口都需要 Bearer Token 认证
获取 API Key：
进入 仪表盘 → API 密钥（API Key 管理页面）获取你的 API Key
在请求头中添加：
Authorization: Bearer VIDGO_API_KEY
请求体
application/json