Mis à jour le 14 septembre 2026
Vidu AI est la plateforme de génération vidéo par intelligence artificielle de ShengShu Technology, entreprise pékinoise issue des laboratoires de l'université Tsinghua. Son modèle Q3, lancé fin janvier 2026, calcule l'image et la bande-son en une seule passe, dialogues et bruitages synchronisés, sur des clips allant jusqu'à 16 secondes en 1080p. Un palier gratuit avec génération illimitée en heures creuses permet d'essayer avant le premier abonnement à 8 $ par mois (environ 7 €). Petit bémol pour le public francophone, l'interface n'existe pas en français, même si la prise en main reste simple.
Vidu Q3 est le premier modèle vidéo à générer nativement l'audio et l'image en une seule passe, avec voix, bruitages et musique calés sur les mouvements. Le clip sort sonorisé, prêt à publier, sans détour par un logiciel de montage. À son lancement, ShengShu le revendiquait numéro un des classements vidéo d'Artificial Analysis en Chine et deuxième au niveau mondial.
L'éditeur avance à un rythme soutenu. La plateforme, ouverte en avril 2024, a réuni 30 millions d'inscrits dans plus de 200 pays dès sa première année, et ShengShu a bouclé au printemps 2026 une série B de 2 milliards de yuans menée par Alibaba Cloud pour financer ses modèles de monde.
La fonction Reference-to-Video accepte jusqu'à sept images de référence, personnages, objets, costumes ou décors, et les garde identiques sur toute la séquence. Vous glissez la photo de votre mascotte, deux lignes de description, et elle rejoue la scène sous un autre angle sans changer de visage. Pour une série animée ou une pub produit, c'est le nerf de la guerre.
Et la vidéo n'est plus seule au menu, puisqu'un volet complet de génération d'images par IA s'est ajouté fin 2025, du text-to-image à la retouche, pour préparer ses planches avant de les animer.
| Mode | Vous fournissez | Vous obtenez |
|---|---|---|
| Text-to-Video | un prompt écrit | un clip sonorisé jusqu'à 16 s en 1080p |
| Image-to-Video | une photo ou un dessin | l'image mise en mouvement |
| Reference-to-Video | jusqu'à 7 images de référence | une scène où chaque élément reste identique |
| Première et dernière image | deux images | la transition filmée entre les deux |
L'abonnement Standard coûte 8 $ par mois (environ 7 €) en facturation annuelle, avec 800 crédits, la suppression du filigrane et les droits d'usage commercial. Les paliers supérieurs tournent autour de 30 $ puis 84 $ mensuels pour 4 000 et 8 000 crédits, et une API attend les développeurs sur platform.vidu.com.
Le palier gratuit compte parmi les plus généreux de la catégorie, avec des crédits mensuels et surtout une génération illimitée en heures creuses (sachez tout de même que les rendus ratés consomment des crédits, mieux vaut y penser avant d'enchaîner dix essais). Ces montants évoluant au fil des versions, la page tarifs officielle reste votre seule boussole.
Oui, en partie. Vidu accorde des crédits gratuits renouvelés chaque mois, complétés par un mode heures creuses avec génération illimitée, sans carte bancaire. Les vidéos du palier gratuit portent un filigrane et restent limitées à un usage personnel. Pour des vidéos monétisées ou des travaux clients, il faut passer sur un abonnement payant, dès la formule Standard.
Les deux plateformes chinoises dominent le rapport qualité-prix du secteur. Kling AI garde l'avantage sur les visages humains réalistes et les clips très longs, tandis que Vidu génère plus vite, coûte moins cher, excelle sur l'anime et tient jusqu'à sept références pour conserver les mêmes personnages d'un plan à l'autre, avec l'audio intégré depuis Q3.
ShengShu Technology, soutenue par Baidu, Ant Group puis Alibaba Cloud, opère la plateforme depuis 2024 sans incident de données rendu public. En revanche, le filtrage des contenus suit la réglementation chinoise, ce qui bride certains sujets politiques ou journalistiques. Les entreprises soumises à des règles de localisation des données liront la politique de confidentialité avant de s'engager.
Une fonction d'extension vidéo figure au catalogue, aux côtés de la synchronisation labiale, de l'upscaling et des séquences multi-images. En génération directe, le modèle Q3 produit de 1 à 16 secondes par rendu selon le mode, la variante par références couvrant de 3 à 16 secondes.
Verdict : Trente millions d'inscrits dès la première année, et un public désormais bien identifié, les vidéastes de formats courts et les amateurs d'animation qui veulent des clips sonorisés prêts à publier. Le palier gratuit suffit largement pour se forger un avis.
« Un assistant IA privé gratuit orienté confidentialité, hébergé en Europe et chiffré de bout en bout. Il combine des capacités de raisonnement poussées, la génération d'images, la recherche sur le deep web et la mémoire à long terme. Il garantit par ailleurs que vos conversations ne sont pas utilisées pour entraîner des modèles »
Text to Video AI: Deevid 
Seedance 2.5 
MiniMax H3 
