选 AI 视频模型，本质上是先问清楚一件事：这条片子要干嘛。有的镜头必须看起来贵，有的只要明天之前能出来就行，还有的一开始就得有声音 —— 因为你根本不打算后期再配。
Vidpixo 在同一个输入框后面接了六个视频模型，切换不用换工具。这篇把它们放在一起，说清各自的定位、真实成本，以及什么情况下该选哪一个。
六个模型一览
| 模型 | 分辨率 | 单条时长 | 音频 | 5 秒起价 |
|---|---|---|---|---|
| Seedance 2.5 | 480p / 720p / 1080p | 最长 30 秒 | 原生音频 | 140 积分（480p） |
| Seedance 2.0 | 480p / 720p | 4–15 秒 | 与画面同时生成 | 59 积分（480p） |
| Kling 3.0 | 720p / 1080p / 4K | 3–15 秒 | 可开可关 | 70 积分（720p 无音频） |
| MiniMax H3 | 768P / 2K | 4–15 秒 | 原生立体声，常开 | 40 积分（768P） |
| Veo 3.1 Fast | 720p / 1080p / 4K | 4 / 6 / 8 秒 | 原生音频 | 30 积分（720p） |
| Wan 3.0 | 480P / 720P / 1080P | 2–30 秒 | 独立音频开关 | 40 积分（480P） |
「起价」指该模型最低配置下一条 5 秒片子的积分消耗。除 Veo 3.1 Fast 按条计费外，其余都按输出秒数计费，具体换算见定价页。
Seedance 2.0 —— 用来打草稿的那一个
Seedance 2.0 是验证一个想法能不能成立最便宜的方式。输出 480p 或 720p，单条 4 到 15 秒，一条 5 秒的 480p 只要 59 积分 —— 不到 1080p Kling 的一半。
这个价格会改变你的工作方式。与其反复推敲一段提示词然后祈祷，不如直接生成三四个方向，看完再决定哪个值得用更重的模型出终稿。「试错」的成本几乎降到零。
适合：
- 还没想好这个镜头到底该是什么样。
- 需要一条粗剪给人看反馈。
- 反正后面还要重新渲染。
不适合： 成片必须是 1080p 以上，或者镜头吃细节和材质 —— 480p 撑不住。
Kling 3.0 —— 给必须看起来贵的镜头
Kling 3.0 是为运镜而生的。它会根据你的描述自己规划镜头 —— 机位离主体多近、什么时候推近、切点落在哪 —— 而不是把你的提示词当成一张静止画面。高动态场景也稳：奔跑、追逐、动作编排，机位、主体、环境三者的空间关系不会散，而弱一些的模型在这里就会糊成一团。
它是这里唯一在生成阶段直接输出原生 4K的模型，而不是把小尺寸渲染放大。细节和编码都干净，片子要上大屏或进正式剪辑时这点很关键。
音频与画面同时生成，如果你打算自己配乐，可以关掉 —— 关掉也便宜（720p 从 18/秒降到 14/秒）。
适合：
- 镜头必须动起来 —— 推近、环绕、甩镜、跟拍。
- 需要 1080p 或 4K 输出。
- 做竖版广告，想要一个有力的运镜节拍。
不适合： 只是要一条快速便宜的素材。同样的想法在 Seedance 2.0 上 480p 只要 59 积分，还能试得更久。
MiniMax H3 —— 自带声音的那一个
MiniMax H3 在同一次生成里同时产出画面和音频。对白、环境声、拟音、音乐都随画面一起出来 —— 不是后期配音 —— 而且音频不额外计费。它没有音频开关，因为没什么可开关的：声音本来就是输出的一部分。
输出 768P 或 2K，单条 4 到 15 秒，比例覆盖这里最广的一档，从超宽 21:9 一直到竖版 9:16。
768P 下 5 秒只要 40 积分 —— 是这里最便宜的音频原生方案。如果你的片子需要「一出来声音就是完整的」，又不想多一道配音工序，通常就选它。
适合：
- 片子必须带声音交付。
- 想要 2K 但不想付 4K 的价。
- 需要 21:9、3:4 这类不常见的比例。
不适合： 镜头依赖强烈运镜，或者你需要 4K —— 那种情况 Kling 3.0 更合适。
Seedance 2.5 —— 要长时长和多模态参考的那一个
Seedance 2.5 是这里的旗舰款，解决的是另外两个模型都解决不了的问题：单条最长 30 秒。多数模型给到 15 秒就封顶了，如果你在讲一个完整的产品故事 —— 开头、演示、行动号召 —— 15 秒往往得切成两条再接。
它也支持多模态参考：不只吃一张首帧图，可以把多个参考素材一起给进去，让画面在整条片子里保持一致。
代价是单价。5 秒 480p 起价 140 积分，是 Seedance 2.0 的两倍多；720p 到 63/秒、1080p 到 158/秒。所以更常见的用法是：用 Seedance 2.0 试方向，方向定了再用 2.5 出终稿。
适合：
- 一条片子要讲完整故事，不能切。
- 需要 20 秒以上的连续镜头。
- 画面一致性要求高，需要多个参考素材共同约束。
不适合： 只是要一条 5 秒的短素材 —— 用 2.0 或 MiniMax H3 便宜得多。
Veo 3.1 Fast —— 按条计费，快看方向
Veo 3.1 Fast 是这里计费方式最特别的一个：按条收费，不按时长。720p 一条 30 积分、1080p 38、4K 90，跟你出几秒无关。时长是固定的 4 / 6 / 8 秒档位。
它带原生音频，画面偏电影级真实感。定位是「快速预览 Veo 的效果」—— 想知道某个镜头交给 Veo 会是什么样，不用先花大钱。
因为按条计费，短镜头反而划算：8 秒 720p 也是 30 积分，等于 3.75 积分/秒，比按秒计费的模型便宜不少。但如果你的片子要 20 秒，就得切成三条、付三次，那就不划算了。
适合：
- 想先看看 Veo 的味道再决定要不要上更重的方案。
- 镜头短（4–8 秒），且要原生音频。
- 需要 4K 但预算敏感 —— 90 积分/条比按秒的 4K 便宜。
不适合： 需要长镜头。按条计费下，长度是靠「多条拼接」换来的。
Wan 3.0 —— 时长自由度的另一个选择
Wan 3.0 的看点是时长区间最宽：2 到 30 秒，两头都能踩。要一条 3 秒的快切，或者一条 25 秒的长镜头，它都能直接出，不用拼。
分辨率覆盖 480P / 720P / 1080P，音频是独立开关，按需生成。价格居中偏低：480P 是 8/秒，720P 是 16/秒，1080P 是 32/秒 —— 5 秒 720P 是 80 积分，比 Seedance 2.0 同分辨率便宜，但比关掉音频的 Kling 3.0 略贵。
适合：
- 需要非常短（2–3 秒）或非常长（20 秒以上）的镜头。
- 想要一个价格居中、时长灵活的通用选择。
- 音频可选 —— 有时要、有时不要。
不适合： 需要 4K 输出，或者追求最强的运镜表现。
十秒决策
- 在打草稿 / 试方向？ → Seedance 2.0。
- 镜头必须动，或者要 1080p / 4K？ → Kling 3.0。
- 声音很重要，又想压低每秒单价？ → MiniMax H3。
- 单条要 20 秒以上、或需要多参考素材？ → Seedance 2.5。
- 短镜头 + 想要 4K + 预算敏感？ → Veo 3.1 Fast（按条）。
- 要 2–3 秒的快切，或 20 秒以上的长镜头？ → Wan 3.0。
关于提示词
所有模型都对「镜头语言」的反应远好过形容词。别写「一个唯美的电影感场景」，而是写清镜头做什么、观众听到什么：
「从门口缓慢推近。雨点打在玻璃上，远处有低沉的交通声。主体随着光线变化转向窗户。」
这句话给了模型一个机位运动、一个主体动作、一层声音。六个模型都吃得下 —— 区别只在于各自渲染出来的效果。
常见问题
可以用我自己的图片做首帧吗？ 可以 —— 都接受 1 张图片作为开场画面，片段会跟随你图片的画面比例。
需要会剪辑吗？ 不需要。描述画面、选好时长和分辨率，直接生成。
为什么只有 Kling 3.0 有原生 4K？ 因为它是这里唯一在生成阶段原生输出 4K、而不是放大小尺寸渲染的模型。这个能力也是它每秒单价更高的原因。Veo 3.1 Fast 也能出 4K，但那是按条计费的档位。
哪个最便宜？ 按 5 秒最低档算：MiniMax H3 的 768P（40 积分，含原生音频）和 Wan 3.0 的 480P（40 积分）并列最低，Seedance 2.0 的 480p 是 59 积分。如果按「积分/秒」算，Wan 3.0 的 480P 和 MiniMax H3 的 768P 都是 8/秒。
一次生成失败会扣积分吗？ 不会。只有成功产出结果才最终扣费，失败任务的预扣积分会自动退回余额。
想自己比一比？打开任意一个模型生成第一条片段 —— 注册即送免费积分。