Vidu Q4 Image-to-Video: Bild zu Video Anleitung & Prompts
So erwecken Sie Bilder mit Vidu Q4 Preview zum Leben: Startbild, Prompt-Aufbau, 8 Prompt-Vorlagen, Kosten ab 0,16 USD pro Clip und API-Beispiele.
👁 114 Aufrufe
Vidu Q4 Preview generiert keine Videos rein aus Text - das Modell startet immer mit einem Bild. Das ist ein praktischer Vorteil, da Sie Bildausschnitt, Charaktere und Beleuchtung exakt bestimmen können, bevor Sie den ersten Cent für Video-Renderings ausgeben. In dieser Anleitung zeigen wir Ihnen, wie Sie das Startbild vorbereiten, gezielte Prompts für Bewegung, Kamera und Ton schreiben, welche Kosten anfallen und wie die Einbindung über die API funktioniert. Allgemeine Details zum Modell finden Sie in unserer Übersicht zu Vidu Q4.
Die EUR-Beträge sind unverbindliche Umrechnungen der veröffentlichten USD-Preise zum EZB-Referenzkurs vom 2026-10-12: 1 EUR = 1.1181 USD. Es handelt sich nicht um bestätigte örtliche Endpreise einschließlich Steuern. Anbieter und Bank können andere Kurse oder Gebühren berechnen. ECB.
Stand: 8. Oktober 2026
- Modus: Image-to-Video - ein Bild dient als erster Frame plus Bewegungsbeschreibung.
- Cliplänge: 3-16 Sekunden, Auflösungen von 540p bis 4K, Audio standardmässig aktiviert.
- Bildformat: PNG, JPG oder WebP, bis 50 MB, Seitenverhältnis im Bereich zwischen 1:4 und 4:1.
- Kosten für 8 Sekunden: 0,2236 EUR (0,25 USD) in 540p, 0,4740 EUR (0,53 USD) in 720p, 0,5992 EUR (0,67 USD) in 1080p (über fal.ai bis 30.11.); in der Vidu-API rund 40% teurer.
- Hinweis: Die Prompts in diesem Leitfaden bilden unser Testset. Eigene finale Clips mit Q4 reichen wir nach Abschluss der Render-Serie nach.
Schritt 1: Startbild vorbereiten
Im Modus Image-to-Video ist der erste Frame des Videos exakt Ihr Ausgangsbild. Das Modell korrigiert keinen fehlerhaften Bildausschnitt nachträglich, weshalb die visuelle Komposition im Vorfeld stimmen muss. Achten Sie auf folgende Punkte:
- Seitenverhältnis des fertigen Videos: Das Video übernimmt das Seitenverhältnis des Bildes. Wählen Sie 16:9 für YouTube oder 9:16 für Reels bzw. TikTok. Schneiden Sie das Bild vor dem Hochladen passend zu.
- Raum für Bewegungen: Wenn eine Person den Bildausschnitt verlassen oder die Kamera zurückfahren soll, lassen Sie rundherum ausreichend Platz. Aus einem engen Porträt kann die KI keine Totale zaubern.
- Kein störender Text im Bild: Vermeiden Sie Schriften im Bild, es sei denn, sie sollen exakt dort verbleiben. Videomodelle verzerren Text in Bewegung häufig stark.
- Mindestens Zielauflösung verwenden: Für 1080p-Videos sollte das Bild mindestens 1920 Pixel breit sein, für 4K mindestens 3840 Pixel.
- Rechte an Gesichtern beachten: Verwenden Sie echte Personen nur mit deren Einwilligung. Clips aus dem kostenlosen Free-Plan sind zudem von der kommerziellen Nutzung ausgeschlossen.
Sie können das Ausgangsbild mit jedem beliebigen Bildgenerator erstellen. Einen Überblick über besonders präzise Modelle finden Sie in unserem Beitrag KI-Bildgeneratoren sowie in der Arena der Bildgeneratoren.
Schritt 2: Bewegungsprompts schreiben
Ein Image-to-Video-Prompt beschreibt nicht das, was im Bild bereits zu sehen ist, sondern ausschliesslich das, was passieren soll. Wir empfehlen folgende feste Reihenfolge:
- Handlung: Wer macht was, formuliert im Präsens (z. B. „She lifts the cup and smiles“).
- Kamera: Statisch, Heranfahrt (Dolly-in), Kreisbewegung (Orbit), Handkamera oder Schnitt auf eine Nahaufnahme.
- Dialog: Exakter Wortlaut in Anführungszeichen, inklusive Angabe von Sprecher und Sprache.
- Audio: Hintergrundgeräusche, Soundeffekte und der Hinweis „no music“, falls Sie keine Musikuntermalung wünschen.
- Einschränkungen: Anweisungen wie „no subtitles, no on-screen text“ oder „real-time speed, no slow motion“.
Verfassen Sie die Prompts am besten auf Englisch, da Videomodelle englische Regieanweisungen zuverlässiger umsetzen. Gesprochene Dialogzeilen können in Anführungszeichen in der gewünschten Sprache übergeben werden. Vidu aktiviert standardmässig eine automatische Prompt-Optimierung (Parameter is_rec in der API). Wenn Sie eine strikt wortgetreue Umsetzung wünschen, sollten Sie diese Option deaktivieren.
Schritt 3: Fertige Prompts (unser Testset)
Jeder Prompt setzt ein bestimmtes Startbild voraus, das in der ersten Spalte definiert ist. Dieselben Szenen testen wir auch mit anderen Videomodellen, um die Ergebnisse direkt vergleichen zu können.
| Startbild | Prompt | Fokus des Tests |
|---|---|---|
| Frau am Küchentisch, blickt in die Kamera | She smiles and says clearly in Polish: „W Szczebrzeszynie chrząszcz brzmi w trzcinie, a ja płacę trzydzieści dwa złote.“ (Übersetzung: „In Szczebrzeszyn summt ein Käfer im Schilfrohr, und ich zahle 32 Złoty.„) Static camera, natural lip sync, quiet room tone, no music, no subtitles. | Fremdsprachen-Aussprache (wir haben Polnisch getestet), Lippensynchronisation |
| Zwei Kämpfer auf einem nassen Dach bei Nacht | They start a fast kung fu fight: punches, a spinning kick, one fighter lands on his back and rolls up. Handheld camera follows the action, two quick cuts, rain splashes, impact sounds and heavy rain audio. | Action und harte Schnitte |
| Historischer Marktplatz bei Nacht, Menschenmenge von hinten | Fireworks explode above the square, sparks and smoke drift down, light flickers on the facades and faces, the camera slowly cranes up. Loud firework bangs and crowd cheering. | VFX-Partikeleffekte und Lichtquellen |
| Leeres Glas und ein Wasserkrug auf einem Tisch | A hand lifts the pitcher and pours water into the glass until it overflows and spills onto the table into a puddle. Real-time speed, realistic physics, sound of pouring water. | Physik von Flüssigkeiten |
| Schwarze Kaffeemühle auf einer Marmorplatte | Slow dolly-in, beans pour into the grinder, it starts grinding, fine coffee powder falls, steam from a cup in the background. Crisp ASMR grinding sound, no music. | Produktwerbung und Details |
| Porträt eines älteren Mannes in einer Werkstatt | He looks up from his work, takes off his glasses and says warmly in Polish: „Dobra robota wymaga czasu.“ (Übersetzung: „Gute Arbeit braucht Zeit.“) Slow push-in to a close-up, soft workshop ambience. | Emotionen und langsame Nahaufnahme |
| Hund am Strand bei Sonnenuntergang | The dog runs toward the camera along the waterline, splashing water, the camera tracks backward at the same speed. Waves and happy barking, no music. | Kameratracking parallel zum Objekt |
| Comic-Illustration: Heldin auf einem Hausdach | Keep the comic book art style. Her cape flutters, she jumps to the next roof, the camera follows in one continuous shot. Wind and whoosh sounds. | Konsistenz des Grafikstils |
Schritt 4: Dauer und Auflösung wählen
Die Abrechnung erfolgt sekundengenau, wobei der Preis mit steigender Auflösung spürbar zulegt. Unser Praxistipp: Testläufe in 540p oder 720p rendern, finale Versionen in 1080p ausgeben und 4K nur dann wählen, wenn die Auflösung zwingend benötigt wird.
| Einstellung | fal.ai (bis 30.11.) | Vidu API / WaveSpeedAI | Empfohlener Einsatzzweck |
|---|---|---|---|
| 5 s, 540p | 0,1431 EUR (0,16 USD) | 0,2057 EUR (0,23 USD) | Schnelle Bewegungstests |
| 5 s, 720p | 0,2951 EUR (0,33 USD) | 0,4293 EUR (0,48 USD) | Social-Media-Reels, Previews |
| 8 s, 1080p | 0,5992 EUR (0,67 USD) | 0,8586 EUR (0,96 USD) | Finaler YouTube-Clip |
| 16 s, 1080p | 1,20 EUR (1,34 USD) | 1,72 EUR (1,92 USD) | Längere Szenen mit Dialog |
| 8 s, 4K | 1,95 EUR (2,18 USD) | 2,79 EUR (3,12 USD) | High-End-Schnitt, Grossleinwand |
Preise gemäss fal.ai (Aktion mit -30% bis zum 30. November) und WaveSpeedAI, entsprechend dem regulären Vidu-Tarif von 0,004472 EUR (0,005 USD) pro Credit. Die Audiogenerierung verursacht keine Zusatzkosten.
Schritt 5a: Im Browser: vidu.com
- Öffnen Sie vidu.com/vidu-q4 und melden Sie sich an.
- Stellen Sie im Erstellungsbereich den Modus von „Reference to Video“ auf „Image to Video“ um.
- Laden Sie das Ausgangsbild hoch, fügen Sie den Prompt ein und wählen Sie Dauer sowie Auflösung.
- Starten Sie die Generierung und laden Sie die fertige Datei aus Ihrer Bibliothek herunter.
Im Free-Plan von Vidu kostet Q4 in 540p 4 Credits pro Sekunde, in den kostenpflichtigen Tarifen (ab 8,94 EUR (10 USD) pro Monat) 2 Credits. Eine Übersicht aller Tarife finden Sie in unserem Leitfaden zu Vidu Q4.
Schritt 5b: Über die API
Die offizielle Vidu-API akzeptiert Bilder entweder als öffentlich erreichbare URL oder im Base64-Format. So sieht ein typischer cURL-Aufruf aus (tragen Sie Ihren eigenen API-Schlüssel ein):
curl -X POST https://api.vidu.com/ent/v2/img2video
-H "Authorization: Token IHR_API_SCHLUESSEL"
-H "Content-Type: application/json"
-d '{
"model": "viduq4-preview",
"images": ["https://ihre-domain.de/frame.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
}'Die Serverantwort liefert eine task_id. Den fertigen Download-Link rufen Sie über GET https://api.vidu.com/ent/v2/tasks/{task_id}/creations ab. Der Link ist 24 Stunden lang gültig, sichern Sie die Datei daher zeitnah.
Über die Plattform fal.ai lässt sich derselbe Ablauf mit einem kompakten Python-Skript (erfordert requests, API-Schlüssel in der Umgebungsvariable FAL_KEY) umsetzen:
import base64, os, time, requests
headers = {"Authorization": "Key " + os.environ["FAL_KEY"]}
bild_b64 = "data:image/png;base64," + base64.b64encode(open("frame.png", "rb").read()).decode()
auftrag = requests.post(
"https://queue.fal.run/fal-ai/vidu/q4/image-to-video", headers=headers,
json={"image_url": bild_b64, "prompt": "Slow dolly-in, crisp ASMR grinding sound, no music.",
"duration": 8, "resolution": "720p"}).json()
while requests.get(auftrag["status_url"], headers=headers).json().get("status") != "COMPLETED":
time.sleep(10)
ergebnis = requests.get(auftrag["response_url"], headers=headers).json()
open("clip.mp4", "wb").write(requests.get(ergebnis["video"]["url"]).content)Transparenzhinweis zu unserem Test: Dieser Code stellt eine gekürzte Fassung unseres internen Testskripts dar. Am 8. Oktober haben wir die Logik bis zur Auftragsübermittlung verifiziert. Der Aufruf wurde serverseitig wegen eines aufgebrauchten Kontoguthabens bei fal.ai gestoppt, sodass der vollständige Durchlauf bis zur Datei noch aussteht. Die Parameter (image_url, prompt, duration, resolution, seed) entsprechen dem offiziellen API-Schema von fal.ai für dieses Modell.
Häufige Fehler
- Das Bild beschreiben statt der Bewegung: „Frau im roten Mantel auf der Strasse“ hilft dem Modell nicht weiter, da der Inhalt im Bild bereits vorgegeben ist. Formulieren Sie präzise, was geschehen soll.
- Zu viele Aktionen in zu kurzer Zeit: In einen 5-Sekunden-Clip passen realistisch gesehen nur eine Aktion und eine Kamerabewegung. Für komplexere Szenen wählen Sie 10 bis 16 Sekunden oder mehrere Einzelschnitte.
- Vergessenes „no music“: Audio-fähige Modelle fügen gerne Hintergrundmusik ein, die beim späteren Videoschnitt im Weg ist.
- Schriftzüge im Motiv: Falls Ihr Ausgangsbild Text enthält, kontrollieren Sie das letzte Frame des Videos - Kamerabewegungen führen hier oft zu Artefakten.
- Sofort in 4K generieren: Optimieren Sie Bewegungsabläufe zuerst in 540p. Eine Sekunde kostet dort über achtmal weniger als in 4K.
- Ablaufende Download-Links: In der Vidu-API verfallen Ergebnislinks nach 24 Stunden.
Was tun, wenn Sie kein Bild haben?
Vidu Q4 bietet keinen reinen Text-to-Video-Modus. Wenn Sie rein textbasiert starten möchten, sollten Sie auf Alternativen zurückgreifen: In unseren Tests schnitt hier Wan 3.0 am stärksten ab, dicht gefolgt von MiniMax H3 Max. Einen direkten Vergleich der führenden Plattformen lesen Sie in unserer Gegenüberstellung Vidu Q4 vs Seedance 2.0 vs MiniMax H3. Einen ergänzenden Workflow mit einem anderen System bietet unsere Anleitung zu Wan 3.0: Bild zu Video.
Quellen: API-Dokumentation Vidu Q4 (Image to Video), fal.ai Vidu Q4, WaveSpeedAI, Preisübersicht vidu.com. Geprüft am 8. Oktober 2026.
More on this from WISSNOX
benchmarks·Gemma 4 31B lokal auf RTX 4090: VRAM, Tempo und TestGoogle Gemma 4 31B auf der RTX 4090 im Härtetest: 42 Token/s, 19 GB VRAM, Apache-2.0-Lizenz und Praxiserfahrungen bei der Einrichtung mit Ollama.