ShengShu Technology acaba de mover ficha con Vidu Q2 y su nueva generación de imagen, y lo hace con una promesa muy clara: unificar en un solo sistema todo lo que hoy usas para crear imágenes y vídeo con IA, y hacerlo con calidad de modelo puntero mundial. Falta un detalle clave que cambia el juego para muchos estudios y agencias, y llega con fecha de caducidad.
Hablamos de Vidu Q2, el modelo multimodal de ShengShu lanzado desde China pero ya desplegado en más de 200 países y regiones, que ahora extiende su motor de vídeo a la imagen fija. El anuncio llega en pleno cierre de 2025, con una oferta agresiva: competir de tú a tú con los modelos de imagen de OpenAI y Google, y a la vez simplificar tus flujos de trabajo creativos.
Hasta ahora, Vidu Q2 era conocido sobre todo por su generación de vídeo rápida y con movimiento realista. Lo que cambia hoy es que ese mismo corazón técnico se convierte en una plataforma completa de generación de imágenes por IA, pensada para producción real y no solo para jugar con prompts. La parte más llamativa no es solo lo que genera, sino cómo conecta cada imagen con tus futuros vídeos.
El salto de este Q2 está en que la antigua función de referencia-a-imagen de Q1 se transforma en un “full stack” visual. Vas a poder pasar de texto-a-imagen, a referencia-a-imagen mejorada y a edición avanzada sin salir del mismo entorno. Todo corre sobre el mismo modelo, lo que reduce fallos extraños, cambios de estilo inesperados y tiempos muertos al cambiar de servicio web.
La compañía lo resume como un sistema único para convertir una idea en tu cabeza en una historia visual entera, ya sea una sola ilustración, un cómic de cuatro viñetas o un clip de vídeo con personajes que se mueven y actúan. El objetivo, según el CEO Luo, es que cada actualización “se note en tu día a día creativo, no solo en las demos técnicas”.
En calidad bruta, Vidu Q2 no llega a esta pelea en frío. Según el Artificial Analysis Image Editing Leaderboard, su edición de imagen se sitúa por encima de los modelos de OpenAI y al nivel de Nano Banana de Google en esa misma tabla. Esa referencia pública sirve como termómetro inicial, aunque como siempre la prueba real llega cuando tú lo pones frente a tus propios proyectos.
Vidu Q2 genera imágenes de alta calidad directamente desde instrucciones en lenguaje natural, con resolución de salida lista para producción. Puedes pedir personajes, escenas completas, productos o key visuals para campañas y recibir resultados en 1080p, 2K o 4K, pensados para integrarse después en carteles, soportes exteriores o miniaturas de streaming.
El gran arma del modelo es la nueva pila de referencia-a-imagen. Aquí la promesa es una consistencia casi obsesiva: mantiene identidad de personajes, estilo, logos y disposición espacial incluso cuando trabajas con varias imágenes de referencia a la vez. Imagínate diseñar un elenco para una serie corta y ver cómo cada personaje se mantiene reconocible, plano tras plano, sin deformarse entre versiones.
Vidu Q2 insiste en que, en este flujo de referencia-a-imagen, las caras se quedan estables, los logotipos no “mutan” y los detalles finos sobreviven incluso en composiciones complejas. Cuando usas muchas referencias, cada sujeto y cada objeto se mantiene legible y fiel a su imagen de origen, algo que suele romperse con otros modelos de imagen por IA cuando los llevas al límite.
Otro punto que llama la atención es el soporte específico para cómics de cuatro viñetas en estilo anime desde un único prompt. Aquí el motor de texto-a-imagen monta de golpe la página completa, con personajes consistentes entre viñetas y una narrativa visual coherente. Para creadores de webtoons o storyboards rápidos, es una forma de probar una idea narrativa sin preparar cuatro prompts distintos.
La estética también tiene su especialidad: Vidu Q2 genera especialmente bien imágenes con estilo de tinta y estética tradicional china. Ahí aparecen texturas tipo pincel, atmósferas densas y trazos que recuerdan a ilustración clásica, algo que muchas empresas de turismo cultural y proyectos institucionales pueden aprovechar para campañas con identidad local fuerte.
El tercer bloque del “full stack” es la edición de imagen. Vas a poder abrir tanto imágenes generadas por el propio modelo como archivos que subas desde tu ordenador, y hacer ediciones rápidas: añadir o quitar objetos, ajustar vestuario y accesorios, cambiar iluminación y composición, o reparar detalles que han quedado raros. Es el tipo de ajuste fino que, en otros flujos, te obligaría a saltar a Photoshop o a otro servicio web, con la consiguiente fricción.
Detrás de todos estos modos hay una intención clara: entrar en entornos de producción serios, donde la resolución, el tiempo de respuesta y el coste por imagen mandan. Vidu Q2 ofrece salidas nativas en 1080p, 2K y 4K, formatos habituales para key visuals, carteles de cine, soportes digitales exteriores o piezas sociales de alto impacto que no pueden “pixelarse” cuando las amplías.
En velocidad, la generación de imágenes puede bajar hasta unos 5 segundos por imagen en los casos más sencillos, aunque el tiempo crece si usas muchas referencias o composiciones muy cargadas. Esa rapidez es clave para algo que cada vez se hace más en marketing y entretenimiento: lanzar muchas variaciones para pruebas A/B, previsualizar campañas y explorar caminos creativos sin que el equipo se quede mirando la barra de carga.
Y aquí llega el detalle que faltaba al principio. La generación de imágenes en 1080p de Vidu Q2 es de uso ilimitado y gratuito para miembros hasta el 31 de diciembre de 2025. Eso significa que, durante más de un año, puedes desplegar pruebas masivas, construir bibliotecas visuales internas o estresar el modelo sin ver cómo se dispara tu factura de créditos, algo poco habitual en el panorama actual de modelos de imagen por IA.
Esa estrategia de precio viene acompañada de una promoción de Black Friday: un 40 % de descuento en todos los planes anuales, con créditos extra por invitar a amigos, disponible hasta el 4 de diciembre de 2025. Para equipos que ya estén pensando en proyectos largos para 2026, la combinación de descuento y uso libre en 1080p convierte a este modelo en una opción a tener muy en cuenta.
Donde el anuncio se vuelve más interesante es en la unión entre imagen fija y vídeo. Imagen y vídeo corren sobre el mismo modelo Vidu Q2, con un motor visual compartido. Las imágenes que generas pueden guardarse con un clic como referencias, y luego reaparecen en nuevas imágenes o directamente en clips de vídeo con el mismo personaje, el mismo producto o el mismo entorno, sin saltos raros de identidad.
Con este enfoque, vas a poder construir un storyboard con texto-a-imagen y referencia-a-imagen, definir encuadres y “frames coloreados”, y más tarde mandar esos mismos personajes y escenarios a secuencias de vídeo. No hay que cambiar de plataforma, ni exportar prompts, ni afinar dos modelos que se comportan distinto. Para proyectos con plazos ajustados, esta ausencia de fricción significa menos sorpresas en el tramo final de producción.
Este modelo visual unificado apunta sobre todo a sectores donde una campaña se despliega en muchos formatos a la vez. Una agencia de publicidad puede diseñar modelos y productos para los key visuals de una campaña, crear storyboards de varias viñetas para el spot y, más adelante, generar el propio anuncio en vídeo con el mismo universo visual, sin que el protagonista cambie de cara entre piezas.
Los equipos de dramas cortos y animación pueden cerrar el diseño de personajes y mundos en imágenes fijas, afinar trajes, peinados y fondos, y solo entonces llevarlos al vídeo con actuación y movimiento. Esa continuidad visual es difícil de lograr cuando combinas un generador de imágenes por IA con un modelo de vídeo distinto, y se nota cuando el espectador compara póster y trailer.
En turismo cultural, la combinación también tiene lógica. Puedes crear carteles estilizados con estética de tinta y estilo tradicional, diseñar material para redes sociales, y luego generar vídeos cinematográficos que amplíen esos mismos paisajes y personajes. El resultado es un universo reconocible desde el primer cartel hasta el último clip, algo muy valioso cuando quieres que una ciudad, un festival o una ruta cultural se graben en la memoria del viajero.
No todo son luces. Aunque Vidu Q2 se coloca bien en rankings públicos y promete consistencia fuerte, la elección entre este sistema y otros modelos globales dependerá de tus requisitos de control fino, tus flujos existentes y tu política de datos. Tendrás que probar si la manera en que maneja estilos, anatomía o tipografías se adapta a lo que necesita tu estudio o tu marca en concreto.
En cuanto a infraestructura, ShengShu Technology se presenta como una empresa joven pero agresiva en ritmo de lanzamientos. Nacida en marzo de 2023, se especializa en grandes Modelos de Lenguaje Multimodales y ofrece productos MaaS y SaaS centrados en acelerar la producción creativa. La plataforma de generación de vídeo Vidu es su producto estrella y, según la compañía, ya se usa en más de 200 países y regiones en sectores como entretenimiento interactivo, publicidad, cine, animación y turismo cultural.
La API de Vidu, que incluye este nuevo modelo de generación de imágenes Q2, está disponible en su plataforma en línea, de modo que no solo los creadores individuales pueden probarlo desde la interfaz web. También los desarrolladores pueden integrarlo en pipelines propios, herramientas internas de agencias o sistemas de producción de estudios, lo que vuelve más probable ver Vidu Q2 escondido detrás de muchas apps creativas durante los próximos meses.
La actualización de imagen llega poco después de las funciones de “Reference-to-Video”, algo que confirma la capacidad del equipo de ShengShu para iterar rápido y conectar piezas entre sí. El mensaje es claro: cada nueva versión de Vidu Q2 no es un módulo aislado, sino un paso más para que pasar de una idea suelta a una historia visual completa, ya venga de una imagen fija, un mural de referencias o una actuación real, sea lo más natural posible.
Mirando a los próximos meses, la clave estará en ver cómo se comporta Vidu Q2 en encargos reales: campañas largas con muchas adaptaciones, series de animación que se extienden en el tiempo, o proyectos de turismo cultural que mezclan carteles, reels y cortos documentales.
Directora de operaciones en GptZone. IT, especializada en inteligencia artificial. Me apasiona el desarrollo de soluciones tecnológicas y disfruto compartiendo mi conocimiento a través de contenido educativo. Desde GptZone, mi enfoque está en ayudar a empresas y profesionales a integrar la IA en sus procesos de forma accesible y práctica, siempre buscando simplificar lo complejo para que cualquiera pueda aprovechar el potencial de la tecnología.
La Newsletter Diaria Sobre Inteligencia Artificial. Además: Portal de Noticias, Tutoriales, Tips y Trucos de ChatGpt, Openai e Inteligencia Artificial.
Nuestra web está alojada en:
