Vidu AI: видеонейросеть с референсом лица, что работает

Кратко. Vidu AI это видеонейросеть китайской ShengShu Technology, официальный сайт vidu.com. Её конёк это ролики по референсам: до семи картинок, где отдельно задаются персонаж, фон, одежда и предметы. Модель Vidu Q3 делает до 16 секунд со звуком. Бесплатные кредиты дают всем, дальше по подписке.

Vidu AI: что это за нейросеть

Большинство видеонейросетей знают твоё лицо по одной картинке. Vidu сделала ставку на другое: даёшь ей несколько снимков человека, отдельно фон, отдельно куртку, и она собирает сцену из этих деталей.

Разработчик, ShengShu Technology, называет этот режим Reference to Video. Кроме него есть обычные режимы: ролик из текста, ролик из фото, ролик между заданными первым и последним кадром, готовые шаблоны и генерация картинок.

Чтобы не было путаницы: речь только о видеонейросети Vidu на vidu.com. Сервисы с похожими названиями к ней отношения не имеют.

И про нас одной строкой: видео мы не делаем. Здесь разбор чужого сервиса, о нашем продукте одна фраза в конце статьи.

Vidu нейросеть: версии и что умеет Q3

Актуальная модель на осень 2026-го это Vidu Q3. Глобальный запуск режима по референсам для неё ShengShu объявила в апреле 2026 года.

Что важно для человека с фотографией:

Звук здесь рождается вместе с картинкой. Разработчик перечисляет пять его видов: окружение, звуки движения, атмосферные слои, шумовые эффекты и звук под эмоцию сцены. Для портрета это мелочь, для атмосферного ролика заметная экономия времени.

Кроме Q3 на сайте упоминаются Q2 и отдельная модель Vidu S для генерации в реальном времени. Для портрета она не нужна.

Как Vidu держит лицо по нескольким фото

Один снимок показывает тебя с одной стороны, при одном свете и с одним выражением лица. Всё остальное модель угадывает. Несколько снимков дают ей больше фактов и меньше поводов фантазировать.

Представь два захода. Было: одно селфи снизу при кухонной лампе и просьба «он идёт по набережной и оборачивается». На повороте нейросеть не знает, как выглядит твой профиль, и рисует среднее мужское лицо. Стало: анфас, три четверти и профиль при дневном свете, все три загружены как один персонаж. Теперь у модели есть твоя линия носа сбоку, и оборачиваешься в ролике ты, а не похожий парень.

Сама Vidu подсказывает то же: загружать для персонажа несколько снимков, чтобы модель собрала устойчивый образ. Это главное отличие от сервисов, где референс только один.

Но предел есть и здесь. Модель берёт из снимков черты, а не копирует их пиксель в пиксель. На каждом кадре ролика лицо рисуется заново, и чем длиннее ролик и резче движение, тем больше мелких отступлений успевает накопиться. Почему так устроены все нейросети, разобрано в статье о том, почему AI меняет лицо.

Почему семь фото хуже трёх хороших

Лимит в семь референсов соблазняет загрузить всё, что есть в галерее. Это ошибка.

Референсы делят между собой внимание модели. Если три из семи твоих фото сняты в тёмном баре, а два с фильтром, модель честно попытается усреднить всё это в одно лицо. Результат получится похож на каждое фото понемногу и ни на одно целиком.

Рабочий набор для одного человека:

1. Анфас при ровном дневном свете, лицо крупно.
2. Три четверти, чтобы модель видела объём скул и носа.
3. Профиль или почти профиль, если в ролике будет поворот головы.

Остальные места лучше отдать тому, что вокруг: фон, одежда, предмет в руках. Так каждая картинка отвечает за своё, и модели не приходится выбирать, какому из твоих лиц верить.

Та же логика работает и в фотопортретах: там тоже важнее разнообразие ракурсов, чем количество. Сколько снимков нужно, когда модель учится на твоём лице всерьёз, мы разбирали в статье про то, сколько фото нужно для обучения.

Где лицо уходит даже с референсами

Референсы сильно помогают, но не отменяют слабых мест видеогенерации.

• Общий план. Лицо на пять процентов кадра прорисовывается по вероятности, а не по твоим фото.
• Улыбка с зубами. Если ни на одном референсе нет открытого рта, зубы придумываются.
• Смена возраста или причёски в запросе. Модель начнёт спорить с референсами, и победит чаще запрос.
• Несколько людей в кадре. Черты персонажей иногда перетекают друг в друга, особенно при похожем типаже.
• Длинный ролик из нескольких планов. На каждой склейке лицо собирается заново.

Скажем, ты просишь сцену «я и друг за столиком в кафе», оба загружены как персонажи. На крупном плане каждый похож на себя, а на общем у друга может оказаться твоя борода. Проверяй каждый план отдельно, а не только первый кадр.

Про согласие отдельно и коротко: персонажем в Vidu делай только себя или людей, которые явно разрешили. Ролик с чужим реальным лицом без согласия это подделка человека, где проходит граница, объяснено в тексте про разницу между AI-фото и дипфейком.

Vidu AI нейросеть: как собрать ролик по референсам

Порядок действий короче, чем кажется, но одна ошибка на старте тянется через весь ролик. Лучше потратить пять минут на подготовку, чем двадцать кредитов на перегенерации.

1. Собери персонажа. Загрузи два-три своих снимка как одного героя и сохрани его в «Мои референсы». В следующий раз не придётся грузить заново, и лицо будет браться из одного и того же набора.
2. Отдельно добавь место. Фото набережной, кофейни или офиса задаёт фон лучше, чем словесное описание.
3. Если важна одежда, дай её отдельной картинкой. Иначе модель оденет тебя в то, что было на селфи, или придумает своё.
4. Напиши запрос коротко. Кто, где, одно главное действие, что делает камера. Запрос надёжнее писать по-английски: так он понятнее модели, чем пересказ длинными русскими фразами.
5. Сначала сделай короткий ролик на пару секунд. Если лицо держится, тогда уже длинная версия с несколькими планами.

Допустим, нужен ролик для сторис: ты в пальто идёшь по осенней улице, камера медленно едет навстречу. Персонаж из трёх снимков, фон из фото улицы, пальто отдельной картинкой, запрос в одну строку. Такой набор модель собирает предсказуемо. А вот запрос «иду, останавливаюсь, пью кофе, смеюсь, оборачиваюсь» почти гарантированно даст на третьем действии чужое лицо.

Последнее правило: проверяй ролик на паузе. На ходу глаз прощает многое, а на стоп-кадре видно, где нос стал чужим, а брови поменяли форму. Лучше всего сравнивать кадр рядом с исходным селфи на одном экране, тогда разница видна сразу, без споров с самим собой.

Vidu бесплатно: что дают

На главной Vidu прямо пишет, что все пользователи получают набор бесплатных кредитов на генерацию. Их хватает попробовать режимы и сделать несколько коротких роликов, но не серию.

Дальше кредиты трёх видов. Подписочные действуют 30 дней и сгорают. Купленные отдельно живут два года. Бонусные приходят за конкурсы, события и участие в программе для авторов и тоже действуют два года. Цены тарифов в долларах, оплата картой через международную платёжную систему. Точные суммы смотри на vidu.com перед покупкой.

Сервис может быть недоступен из России, а оплата отсюда не гарантирована. Обходы мы не советуем ни для Vidu, ни для других сервисов. Если тебе нужно просто оживить свой снимок, доступные варианты собраны в статье о том, как оживить фото нейросетью.

Если нужен кадр, а не ролик

Референсы Vidu решают задачу ролика: чтобы один персонаж был узнаваем на нескольких планах подряд. Неподвижный портрет для аватарки, анкеты или резюме из такого ролика получается плохо: стоп-кадр из видео мягче и менее похож, чем отдельно сделанное фото.

Держать персонажа в нескольких планах подряд умеет Vidu, а держать твоё лицо в каждом неподвижном кадре умеет a-dam.photo: видео мы не делаем, только портреты одного мужчины по селфи, от 490 ₽, сцены в каталоге.

Источники

• Vidu, главная страница и режимы: https://www.vidu.com/
• Vidu, режим Reference to Video: https://www.vidu.com/ai-reference-to-video
• Vidu, тарифы и виды кредитов: https://www.vidu.com/pricing
• ShengShu, запуск Vidu Q3 Reference-to-Video: https://www.prnewswire.com/news-releases/shengshu-launches-vidu-q3-reference-to-video-with-expanded-visual-and-audio-capabilities-302740489.html

Частые вопросы