Vidu Q3 は日本語音声つき16秒を一発生成できるのか——公式スペックと料金を実査【2026年8月】

本記事にはプロモーションを含む場合があります。価格・仕様は 2026年8月25日時点 に Vidu 公式ドキュメントで確認した情報です。ドル円は当サイト共通の 1ドル＝161円 で換算しています。仕様・価格は改定が頻繁なため、契約前に必ず公式の最新表示をご確認ください。

「Vidu Q3 は日本語のセリフつきで16秒の動画を一発で作れるらしい」——それがどこまで本当なのかを確かめに来た方に、先に結論をお伝えします。

「最大16秒」「映像と音声を同時に出力」「1080p」の3点は、2026年8月25日時点の Vidu 公式ドキュメントで一次情報として確認できます。一方、 「日本語の音声（セリフ）に対応している」という点だけは公式ドキュメントに明記を見つけられませんでした。日本語対応の手がかりは Q3 の音声生成とは別機能の Text to Speech API と業界メディアの第三者情報だけですが、どちらも確度は高くありません。

本記事は Vidu Q3 の使い方と料金を公式ページの記載だけで組み立て直し、 どこまでが公式の裏づけで、どこからが第三者情報なのかを分けて示します。

※ 動画の画質・音声の自然さ・日本語の発音精度は、当サイトでまだ生成テストをしていません。 実測後に更新します（2026-08-25 時点で未検証）。以下のスペックと料金はすべて公式ドキュメントの実査です。

結論：「16秒・音声つき一発生成」は公式に確認、「日本語音声」だけは公式に書かれていない

問いへの答えです。

つまり 「16秒・音声つき一発生成」は公式の裏づけがある機能、「日本語音声」は裏が取れていない部分です。日本語圏の紹介記事の多くは3つをまとめて書きますが、公式ページを1枚ずつ開くと3つ目だけ根拠の質が違います。

業界メディア CGWORLD は2026年2月14日付で、Q3 のリリース日を1月30日とし「日本語、中国語、英語を含む多言語テキストレンダリング」と報じています（CGWORLD の Q3 リリース報道）。ここで書かれているのは 画面内に表示される文字の話であって、話し声の言語ではありません。「日本語対応」が文字か音声かは記事によって揺れており、本記事がいちばん気をつけたのはこの区別です。

Vidu Q3 のスペック——公式 Model Map をそのまま整理【2026年8月25日実査】

Vidu Q3 は単一のモデルではなく 用途別に分かれた5つのモデルの総称で、公式の Vidu Model Map の実査結果が下表です（フレームレートは5モデルとも24fps）。

16秒を出せるのは5モデル中3つだけです。viduq3-drama と viduq3-ad は3〜15秒までで「Q3 なら何でも16秒」ではありません。さらに テキストだけから16秒を作れるのは viduq3-pro と viduq3-turbo の2つで、残りは参照画像が前提です。音声同時出力の記載（“Supports simultaneous audio & video output”）は pro・turbo・mix・drama の4モデルにあり、viduq3-ad の欄にはありません。

公式の Update Notice によると、viduq3-pro は2026年1月27日、viduq3-turbo は2月11日、参照生成向けの viduq3-mix などは4月13日の追加です。 Q3 は1月末に登場し4月まで機能を埋めてきた世代で、日本語圏の記事の多くが2月時点で止まっているのはそのためでしょう。

Vidu Q3 の使い方——「音声つき一発生成」が API でどう作られているか

「一発生成」が何を指すのかは、Vidu 公式 Image to Video API の2026年8月25日時点の記載を見るのが正確です。

この表が示すのは、 Q3 の音声は「後から足すもの」ではなく「映像と一緒に生まれるもの」として設計されているという事実です。声を選ぶ voice_id、内訳を分ける audio_type、BGM を足す bgm がまとめて無効化されており、 Q3 では「声を指名する」「効果音だけ抜く」「BGM だけ差し替える」制御ができません。ここが Q2 系列との違いです。

手順そのものはシンプルで、 モデル名に viduq3-turbo などを指定し、プロンプト（最大5000文字）と必要なら開始フレームの画像を渡し、尺に16を入れて投げる——これだけです。audio は既定で有効なので、 無音の動画がほしいときだけ明示的に無効化します。

Vidu Q3 の料金——クレジット単価と1秒あたりの実額【2026年8月25日実査】

Vidu の課金はクレジット制で、公式の Pricing ドキュメント には “Credits are available for $0.005 each” と明記されています。 1クレジット＝0.005ドル＝約0.81円（1ドル161円換算）。下表は同ページの ViduQ3 の表の実査で、 円は当サイトによる換算値です（テキスト・画像・最初/最後フレームからの生成、尺1〜16秒）。

参照画像からの生成（尺3〜16秒）は別建てで、720pなら Q3-turbo 約8.1円/秒、Q3 約9.7円/秒、Q3-mix 約19.3円/秒。 Q3-mix はオフピーク「非対応」と明記されています。

本題の「16秒を一発生成」した1本あたりは、 Q3-turbo の720pで176クレジット＝$0.88＝約142円、オフピークなら約77円。1080pを Q3-pro で回すと384クレジット＝$1.92＝約309円、オフピークで約155円です。他社 API との横並びは 動画生成AI API 料金比較 にあります。

料金で確認できなかった点

Q3 の料金表には、音声のあり/なしによる価格差の行がありません。ViduQ2 の節にある「音声機能は基本タスクに15クレジットを加算する」旨の注記が、Q3 の節にはないのです。秒単価に音声分が含まれていると読むのが自然ですが、 「追加課金なし」と公式が明言している文は確認できていません。個人向けワークスペースの料金も、日本から公式ページを開けないため未確認です（CGWORLD は「月10ドル・毎月300クレジット」と報じますが第三者情報）。

※ Q3 の音声つき生成に追加課金があるか、および個人向けワークスペースの現行価格は 実測後に更新します（2026-08-25 時点で未検証）。上表は開発者向け API のクレジット単価表として公式に掲載された数字のみです。

日本から使えるのか——vidu.com / vidu.cn / platform.vidu.com を分けて考える

ここは当サイトが以前から追いかけているテーマなので、はっきり書きます。 Vidu には消費者向けと開発者向けで状況の違う入口が並存しており、両者を混ぜて語ると答えが出ません。2026年8月25日の応答確認の結果が下表です。

旧ドメインの www.vidu.studio/ も www.vidu.cn/ へ転送されます。 消費者向けドメインの中国本土サイトへの転送は、当サイトが2026年7月に確認したときから変わっていません。転送先の vidu.cn は自動アクセスを弾く仕組みが入っており、料金ページを外部から読むこともできませんでした。7月時点の登録要件は Vidu AI は日本から使える？ にまとめています。

一方で 開発者向けの Vidu 開放平台 は日本から普通に到達できます。本記事の表がこのドメインの公式ドキュメントを出典にしているのはそのためです。ブラウザで触りたい一般ユーザーには導線が閉じたまま、API を叩く開発者には到達可能、という整理です。ただし決済や本人確認まで日本から完走できるかは未確認です。

※ 開放平台のアカウント作成・クレジット購入が日本から完了できるかどうかは 実測後に更新します（2026-08-25 時点で未検証）。本節で確認したのは各ドメインの応答とリダイレクト先までです。

「日本語で喋る16秒動画」を今すぐ作りたい人の選択肢

Vidu Q3 は API 経由なら候補になるが、ブラウザで触る道は開いていないという位置づけです。なお Vidu 公式の Text to Speech API は対応言語の一覧をログイン必須の外部リンクで案内する形式で、 当サイトはログイン権限がなく ja (Japanese) が含まれるかを確認できていません。この API は音声だけを生成する別機能で、Q3 の映像と一体で生まれる音声とは別物です。

ブラウザで完結させたいなら、日本から登録できるツールを軸に組みます。キャラクターを固定して複数カットを作る用途なら PixVerse が日本語表示に対応しており、Vidu が得意としてきた参照生成に近いことができます。仕組みは Vidu の参照動画生成（キャラ一貫性）とは？、各社の対応範囲を公式表記で横並びにした一覧は 動画生成AIのキャラクター固定、公式対応はどこまで？ にまとめています。

音声つき長尺で Q3 と競合するのは Kling の最新世代です。料金と使い方は Kling 3.0 の使い方と料金、比較は Kling 3.0 と Vidu Q3 はどちらを選ぶべきか、複数モデルを1画面で比べるなら Pollo AI、全体像は 動画生成AIおすすめ比較 をどうぞ。

よくある質問

Q1. Vidu Q3 は本当に16秒の動画を一度で作れますか？

作れます。公式の API リファレンスには、viduq3-pro・viduq3-turbo・viduq3-pro-fast の尺が「既定5秒、指定可能範囲1〜16秒」と記載されています（2026年8月25日実査）。ただし viduq3-drama と viduq3-ad は3〜15秒で、5モデル全部が16秒対応ではありません。

Q2. Q3 の音声は日本語のセリフに対応していますか？

2026年8月25日時点の Vidu 公式ドキュメントには、Q3 のネイティブ音声の対応言語を明記した記述を見つけられませんでした。別機能の Text to Speech API も言語一覧がログイン必須の外部リンクで、ja の有無を確認できませんでした。業界メディアの「日本語対応」は画面内テキストと音声表現が混在しており、公式の一次情報では切り分けられません。当サイトとしては この点は未確認として扱います。

Q3. Q3 で BGM や声質を指定できますか？

できません。公式の API リファレンスには、Q3 系列で bgm と voice_id（声の指定）が効かないこと、audio_type（内訳指定）は Q2・Q1・2.0 系列のみ対応であることが明記されています。Q3 の音声は映像と一体で生成されるため、 要素ごとの差し替えを前提にした作り方には向きません。

Q4. Q3 を安く試す方法はありますか？

公式のオフピークモードが使えます。API リファレンスによれば、Q3 を除き映像と音声の同時出力機能はオフピークモードに対応しないとされており、 音声つき生成でオフピークを使えるのは Q3 だけです。料金は半額になる一方、タスクは最大48時間以内に生成され、未完了分は自動キャンセルのうえ返却されます。急ぎでない検証なら720p・16秒が約77円です。

まとめ

• 「最大16秒」「映像と音声の同時出力」「1080p」は、公式ドキュメントで確認できる一次情報です（2026年8月25日実査）。ただし16秒に対応するのは5モデル中3つです。
• 「日本語音声」だけは公式ドキュメントに明記がありません。別機能の Text to Speech API の対応言語一覧もログイン必須で非公開のため、当サイトでは未確認扱いです。
• 料金は1クレジット＝0.005ドル（約0.81円）、Q3-turbo の720pで約8.9円/秒。16秒1本が約142円、オフピークなら約77円です（1ドル161円換算）。
• 日本からの利用は入口で答えが変わります。消費者向けの www.vidu.com は www.vidu.cn へ転送されたままで、開発者向けの platform.vidu.com は到達可能です。ブラウザで作りたいなら PixVerse を軸に組むのが現実的です。

※本記事のスペック・料金は、2026年8月25日に Vidu 公式ドキュメント（Model Map / Pricing / API リファレンス / Update Notice）を実査した内容です。円換算は当サイト共通の1ドル161円で、公式表記はドルとクレジットのみ。仕様・価格は変更されるため、最新の状況は公式ページでご確認ください。