
de ShengShu Technology
Generador de vídeo con IA con modos de texto a vídeo, imagen a vídeo y referencia a vídeo, generación conjunta nativa de audio y vídeo de hasta 16 segundos y coherencia de varios sujetos. Empieza gratis, con planes de pago.
Vidu encaja con creadores de anime, equipos de redes sociales que hacen clips con plantillas y cineastas independientes que no quieren una pasada aparte de audio. Lo respalda una plataforma con más de 3000 clientes empresariales. El modelo Q3 ajusta el audio a la imagen en una sola pasada, y el nuevo S2 añade un avatar interactivo en tiempo real con el que puedes hablar en directo.
Reference-to-Video con hasta 7 imágenes de referencia simultáneas que mantienen la coherencia de personaje, objeto y escena en un único clip generado; ningún competidor iguala esta coherencia entre varias entidades.
La coherencia de referencia a vídeo con varios sujetos es una ventaja técnica real (n.º 1 en SuperCLUE); la generación conjunta nativa de audio y vídeo es una ventaja de pionero. Se debilita por el modelo que cobra créditos aunque la generación falle, que erosiona la confianza, y por el origen chino, que limita su adopción empresarial en sectores regulados.
Principal contrapartida
Cobrar créditos en generaciones fallidas, junto con un soporte deficiente y la ausencia de reembolsos, crea un coste efectivo alto y una barrera de confianza; la estética de anime y cine limita su uso en anuncios UGC comerciales.
| Plan | Precio mensual |
|---|---|
| Gratis | Gratis |
| API Pay-As-You-Go | Gratis |
| Standard | $8 al mes |
| Premium | $28 al mes |
| Ultimate | $79 al mes |
Plan gratuito con créditos de bienvenida y generación ilimitada fuera de horas punta. Los precios mensuales de $8, $28 y $79 para Standard, Premium y Ultimate corresponden a la facturación anual (un 20 % menos). Pagando mes a mes cuestan $10, $35 y $99 por los mismos 800, 4000 y 8000 créditos (unos 200, 1000 y 2000 vídeos). Standard quita la marca de agua y da licencia de uso comercial. Premium añade generación prioritaria. Ultimate eleva el límite de capacidad. El acceso por API se cobra aparte, a $0.005 por crédito, en platform.vidu.com. Allí el vídeo con Q3-turbo cuesta $0.065 por segundo en 1080p en horario normal, o $0.035 por segundo fuera de horas punta. El precio para empresas con gran volumen se pide por cotización y no es una cuota mensual fija. Kling AI y Pika venden planes mensuales de tipo consola en la misma banda de $8 a $95.
| Función | Gratis | Standard | Premium | Ultimate |
|---|---|---|---|---|
| Créditos al mes | Créditos de bienvenida | 800 | 4000 | 8000 |
| Vídeos aproximados al mes | — | ~200 | ~1000 | ~2000 |
| Salida sin marca de agua | — | ✓ | ✓ | ✓ |
| Licencia de uso comercial | — | ✓ | ✓ | ✓ |
| Generación prioritaria | — | — | ✓ | ✓ (máx.) |
Vidu, de ShengShu Technology, reúne a más de 10 millones de usuarios en todo el mundo que generan vídeo con IA. Su función estrella es Reference-to-Video: le das varias imágenes y mantiene la misma cara, objeto o escenario durante todo el clip. Además, el modelo Q3 puede añadir diálogo y sonido sincronizados mientras renderiza.
Generación nativa de audio y vídeo
El modelo Vidu Q3 genera audio y vídeo sincronizados en una sola pasada, de hasta 16 segundos: diálogo con sincronía labial, sonido ambiente y música.
Avatares y edición interactivos en tiempo real (Vidu S2)
Lanzado el 15 de septiembre de 2026. S2-Avatar mantiene una conversación en directo por texto o voz hasta en 720p y admite una nueva imagen de referencia en plena interacción. S2-Editing cambia el estilo de una cámara en directo, sustituye la ropa o el fondo, o reemplaza al sujeto mientras se emite.
Coherencia de varios sujetos
El modo Reference-to-Video mezcla hasta 7 imágenes de referencia en un único vídeo coherente, y mantiene el aspecto de los personajes, la forma de los objetos y los elementos de la escena entre clips.
Tres modos de creación
Text-to-Video a partir de prompts en lenguaje natural; Image-to-Video con control del primer y el último fotograma; y Reference-to-Video, que mezcla hasta 7 imágenes de referencia en un vídeo coherente.
Biblioteca My References
Guarda personajes, objetos y escenas para reutilizarlos en distintas generaciones: así puedes producir series y mantener la coherencia de marca sin volver a subir las imágenes de referencia.
Suite creativa todo en uno
Generador de efectos de sonido con IA (48 kHz), generador de imágenes con IA y el agente de marketing ViduClaw: planifica y produce campañas de vídeo completas, del guion gráfico al resultado final, en una sola plataforma.
La mayoría de los usuarios las espera, pero hoy no son compatibles.
| Herramienta | Precio desde | Plan gratuito | Disponible en | Valoración |
|---|---|---|---|---|
| $8 al mes | Sí | Web · iOS · Android | 3.4 | |
| $8.80 al mes | Sí | Web · iOS · Android · Mac · Windows | 3.0 | |
| $15 al mes | Sí | Web · iOS · Android | 4.5 | |
| $8 al mes | Sí | Web · iOS · Android | 2.8 |
propietario
Los planes de suscripción de Vidu cuestan $10, $35 y $99 al mes: Standard (800 créditos), Premium (4000 créditos) y Ultimate (8000 créditos). Si pagas al año, bajan a $8, $28 y $79 al mes, un 20 % menos. Standard quita la marca de agua y permite el uso comercial. Premium añade generación prioritaria. Fuera de la suscripción, los créditos de la API cuestan $0.005 cada uno. El vídeo con Q3-turbo cuesta $0.065 por segundo en 1080p en horario normal, o $0.035 fuera de horas punta. El precio para empresas con gran volumen se pide por cotización al equipo de Vidu.
Sí. El plan gratuito de Vidu incluye créditos de bienvenida y generación ilimitada fuera de horas punta, así que puedes probar los tres modos de creación sin pagar. Los planes de pago anuncian la eliminación de la marca de agua y el uso comercial. Por eso lo que generes gratis sale con marca de agua y no tiene licencia para trabajo comercial.
Kling AI, Runway y Pika son las alternativas más parecidas en Hokai. Kling AI es la opción si quieres una plataforma con más de 60 millones de creadores. Runway apuesta por el renderizado con física de Gen-4.5 y una suite de edición dirigida por agentes. Pika encaja mejor si te importa más el soporte MCP para flujos con agentes que la coherencia entre referencias.
Kling AI es el rival más directo: ambas plataformas generan el audio junto con el vídeo en una sola pasada y ofrecen un plan gratuito de verdad. Kling AI destaca en resolución, con 4K nativo frente al límite de 1080p de Vidu, y añade diálogo con sincronía labial en cinco idiomas. Vidu responde con Reference-to-Video. Esta función mezcla varias imágenes para mantener un mismo personaje, objeto o escena coherente durante todo el clip, y la ficha técnica de Kling AI no la recoge.
Crea una cuenta gratuita en vidu.com. No hay nada que instalar, porque Vidu funciona por completo en el navegador. Elige un modo: escribe un prompt para Text-to-Video, sube una imagen fija para Image-to-Video o añade varias imágenes a My References para Reference-to-Video. Un clip típico se renderiza en solo 10 segundos. Los créditos de bienvenida alcanzan para varias pruebas antes de que pagues.
Vidu es una plataforma de generación de vídeo con IA desarrollada por ShengShu Technology, una startup con sede en Pekín fundada en marzo de 2023 por investigadores de la Universidad de Tsinghua. Funciona por completo en el navegador, en vidu.com, sin necesidad de una GPU local, y ofrece tres formas de crear un clip: a partir de un prompt de texto, de una imagen fija o de un conjunto de imágenes de referencia.
En abril de 2026, ShengShu cerró una ronda Serie B de $293M (¥2B), liderada por Alibaba Cloud con la participación de TAL Education Group, Baidu Ventures y otros inversores. Es la mayor ronda individual del sector de generación de vídeo en China hasta la fecha. La financiación total supera los $987M. La empresa cuenta con más de 3000 clientes empresariales y unos ingresos anuales recurrentes superiores a $20M en 2025.
El 15 de septiembre de 2026, ShengShu lanzó Vidu S2. Es un modelo de personajes digitales interactivos en tiempo real (S2-Avatar, con la resolución subida de 540p a 720p). Mantiene una conversación en directo por texto o voz y admite una nueva imagen de referencia en plena interacción. Incluye además S2-Editing, que aplica cambios de estilo, vestuario, sujeto y fondo a una señal de vídeo entrante en tiempo real.
Eso lo sitúa frente a especialistas en presentadores virtuales como Synthesia, HeyGen y D-ID. Estos se centran en vídeo corporativo con guion, no en la interacción en directo. En la generación de clips, Vidu compite sobre todo con Kling AI, Runway, Pika y Dream Machine de Luma, en la categoría más amplia de generación de medios.
Vidu rara vez trabaja solo en el flujo de un creador. Reference-to-Video e Image-to-Video parten de una imagen fija. Por eso es habitual generar primero esa imagen en Midjourney, Adobe Firefly o Freepik y pasarla después a Vidu para darle movimiento.
La capa de audio de Vidu cubre diálogo y efectos de sonido, pero no música. La banda sonora suele salir de otro generador como Suno. Las voces que no pasan por la pista integrada de Vidu suelen hacerse con ElevenLabs. Después, el clip se recorta para formatos sociales en CapCut o se subtitula en Descript antes de publicarlo. Alibaba Cloud, que lideró la Serie B de abril de 2026 de ShengShu, distribuye los modelos de Vidu a través de su propio Model Studio para clientes empresariales que ya trabajan en esa plataforma.
Los datos del producto de esta página (precios, planes, integraciones, cumplimiento normativo) proceden de las páginas y la documentación de ShengShu Technology. El veredicto es la lectura que hace Hokai de ellos, no una afirmación del proveedor.