友友們，最近的視頻模型更新得有點兇。
字節家的 Seedance 2.5 正式開放 API，最長可以生成 30 秒視頻，最多接收 50 個圖片、視頻、音頻和文本參考；Seedance 2.0 fast、Seedance 2.0 mini 降價，直接把 720P 視頻的成本壓到了 0.6 元/秒和 0.2 元/秒左右。
當然這波更新也不只有 Seedance。MiniMax H3、Meta Muse Video、Grok Imagine Video 都是最近更新的，視頻生成繼續往長時長、原生音頻和多模態參考方向走。
模型越多，普通創作者越容易挑花眼。做一條演示視頻，大家當然想上最強模型，但是成本打不住。
所以這次我想聊清楚一件事：我們做視頻，用什麼模型既能保證效果，又能保證預算不超？
01. Seedance 2.5 是真的厲害
在性能上來說，Seedance 2.5絕對是王者級別模型，別的模型真碰瓷不了。
支持生成 4 至 30 秒、480P 或 720P、24fps 的有聲視頻。單條視頻最多可以引用 50 份多模態素材，還能針對時間點、人物和局部畫面繼續修改。
以前做一段 20 秒劇情，經常要拆成幾個鏡頭分別生成。人物換臉、服裝變化、空間突然跳走，都是剪輯時的老大難。
Seedance 2.5 可以直接生成最長 30 秒的視頻。提示詞寫得夠清楚時，模型就能一次完成多個連續動作，人物和環境也更容易保持統一。
case 30 秒賽博追逐長鏡頭
提示詞：生成一段30秒、16:9、720P、24fps、電影寫實質感的科幻動作視頻。生成原生環境音、動作音效和配樂。 全程必須是一個連續長鏡頭，不切鏡、不黑場、不使用轉場。攝影機需要自然銜接航拍、低機位追蹤、環繞和人物近景。 主角是一名虛構的成年亞洲女性，銀白色短髮，穿黑紅色未來機車服，戴琥珀色透明護目鏡。主角駕駛一輛啞光黑色未來摩托車，車身兩側有青色能量燈帶。 人物臉部、髮型、服裝、摩托車造型和燈帶顏色必須全程一致。 0至5秒： 鏡頭從雷暴雲層中高速俯衝，穿過密集的未來城市樓羣。暴雨落在鏡頭前方，霓虹燈在溼潤建築表面形成真實反射。 攝影機貼近地面後找到主角。主角駕駛摩托車衝出一條狹窄巷道，後輪濺起大片積水。 5至10秒： 攝影機切換爲貼近摩托車左側的低機位追蹤，但不能產生鏡頭跳切。 主角高速駛上懸空公路。一條由黑色金屬、紅色能量核心和數百塊機械鱗片構成的巨型機械龍從摩天樓之間衝出，在主角身後追趕。 機械龍撞碎高架路牌和玻璃幕牆，碎片必須受到重力和慣性影響，不能穿過人物或摩托車。 10至15秒： 機械龍的爪子擊中懸空公路，路面從主角身後連續崩塌。 主角加速衝向斷橋。攝影機從摩托車側面移動到正前方，倒退拍攝主角，隨後沿摩托車右側完成一次流暢的180度環繞。 15至20秒： 摩托車衝出斷橋並騰空。 騰空過程中，前後車輪向車身內部摺疊，兩側展開一對機械飛翼。變形結構需要清晰、連續，所有零件來自原摩托車，不能憑空增加零件。 攝影機圍繞空中的主角和摩托車旋轉一週。背景中的閃電短暫照亮人物面部、金屬飛翼和機械龍。 20至25秒： 飛行摩托帶着青色尾焰俯衝進入兩棟摩天樓之間的狹窄空隙。機械龍緊隨其後，身體擦過建築外牆，產生連續火花和碎片。 主角側身避開迎面駛來的三架無人機。無人機從鏡頭兩側高速掠過，不能撞到主角。 攝影機必須保持主角位於畫面主體位置，不能換臉，不能出現第二輛摩托車。 25至30秒： 主角衝出樓羣，在一座摩天樓頂部完成高速降落。機械飛翼收回，車輪重新展開，摩托車在積水屋頂滑行後穩定停下。 攝影機快速環繞主角半圈並推進到人物近景。 主角抬頭看向天空。巨型機械龍從城市背後升起，一道閃電擊中機械龍的紅色能量核心，整座城市的青色燈光沿建築逐層點亮。 最後一秒停留在主角護目鏡的倒影中：機械龍、閃電和城市燈光同時出現。 音頻要求： 生成持續的暴雨聲、風聲、摩托車引擎聲、輪胎劃過積水的聲音、金屬變形聲、建築碎裂聲、機械龍低吼和雷聲。 配樂採用具有壓迫感的電子音樂與管絃樂，節奏逐漸加快。斷橋起跳、摩托車展開飛翼、機械龍被閃電擊中三個動作必須與音樂重拍同步。 不要對白，不要字幕，不要可讀文字，不要品牌標誌，不要水印。不要增加其他人物，不要多餘肢體，不要複製摩托車。禁止鏡頭跳切、人物換臉、服裝變色、載具結構閃爍、物體穿模和違反重力的碎片運動。
成品欣賞：
圖片、視頻、音頻可以混合輸入，做 MV、音樂卡點、口播和多素材改編時，我們能少繞幾步。
所以，如果你需要做 20 至 30 秒的劇情長鏡頭、多人連續表演，或者要把多張圖片、參考視頻和音頻放進同一條片子裏，那選 Seedance 2.5 完全沒問題。Seedance 2.5 可以一次完成更長的動作和鏡頭變化，減少分段生成後的人物換臉、服裝跳變和場景錯位。
客戶項目、品牌廣告和重點鏡頭，就用 Seedance 2.5。
02. 誰是成本與效果兼顧的模型?
本次我將用實測對比來選出誰是成本與效果兼顧的模型。
能選的視頻模型有：Seedance 2.0 fast、Seedance 2.0 mini、Meta Muse Video、Grok Imagine Video 還有 MiniMax H3。
Seedance 2.0 mini 活動價格最低約爲 0.2 元/秒，定位偏向漫畫動態化、模板素材和簡單場景批量生產。拿 mini 和中高質量模型直接比較，也不算公平。
Meta Muse Video 還在預覽階段；Grok Imagine Video 涉及海外賬號、美元計費和不同的調用環境，入口差異會干擾成本統計。
篩完一輪，我選了兩款普通用戶現在就能調用、價格也足夠接近的模型：
Seedance 2.0 fast：720P API價格約爲 0.6 元/秒。
MiniMax H3：768P API 價格約爲 0.5 元/秒。
Case 1：一個鏡頭多段動作
這組主要看指令遵循、人物一致性和鏡頭連續性。
提示詞：生成一段 10 秒、16:9、720P 的電影寫實視頻，全程爲一個連續鏡頭，不切鏡。 場景是雨夜的 24 小時便利店。主角是一名虛構的成年亞洲女性，短黑髮，穿深綠色風衣，拿着透明雨傘。 0 至 2 秒：鏡頭位於便利店收銀台後方，主角從玻璃門外推門進入，雨傘上的水滴自然落下。 2 至 5 秒：攝影機緩慢向左橫移並跟隨主角。主角收起雨傘，走向冰櫃，玻璃門上有清晰但不過度的倒影。 5 至 8 秒：主角打開冰櫃，拿出一罐紅色汽水。冰櫃冷氣自然溢出，罐體造型保持穩定。 8 至 10 秒：攝影機緩慢推進到人物近景，主角回頭看向窗外的雨，表情剋制。 保持人物臉部、髮型、服裝、雨傘和汽水罐前後一致。空間結構不能變化，不增加路人，不出現多餘肢體。動作自然，雨水和冷氣符合物理規律。不要字幕，不要水印，不要鏡頭跳切。
MiniMax H3 和 Seedance 2.0 fast 的鏡頭連續性與人物刻畫都沒啥問題，人物從門外進入便利店，收傘、走向冰櫃、開門。
但是 MiniMax H3 收傘的時候傘出現了一次變形，開冰箱門時冷氣效果也很假，冷氣像是從哪噴出來的，沒有 Seedance 2.0 fast 自然，最後主角回頭看向窗外這個指令 MiniMax H3 也沒有很好的執行，人物拿出紅色汽水後就呆住了。
Case 2：多參考圖綁定
這一組同時輸入人物、道具和環境三張圖片。
模型需要保住人物的銀色短髮、黃色雨衣和紅色肩帶，還要準確還原音樂盒上的N7、機械鳥和列車包廂。鏡子裏的動作也必須同步。
信使素材：
機械鳥素材：
列車包廂素材：
提示詞：使用 @圖片1 作爲唯一人物參考，使用 @圖片2 作爲唯一道具參考，使用 @圖片3 作爲唯一環境參考。 生成一段 10 秒、16:9 的電影寫實視頻，全程一個連續鏡頭。 場景位於 @圖片3 的雨夜列車包廂。@圖片1 中的女性坐在桌前，保持相同的銀白色短髮、黃色雨衣、黑色手套和紅色斜肩帶。 桌上放着 @圖片2 中的紅色機械音樂盒。保持音樂盒的紅色外殼、N7 字樣、黃銅搖柄、銀色機械鳥和內部結構一致。 雖然參考圖中的音樂盒已經打開，視頻開始時必須讓盒蓋完全關閉，機械鳥收在盒內。 0 至 2 秒： 攝影機從包廂入口緩慢推進。人物把右手放在關閉的音樂盒上。桌面只能出現一個音樂盒，正面的 N7 字樣完整可讀。 2 至 5 秒： 人物用戴着黑色手套的右手打開盒蓋。盒蓋開啓後，一隻銀色機械鳥通過單一黃銅活塞緩慢升起。機械鳥不能變成真實鳥，不能增加第二隻鳥。 5 至 7 秒： 機械鳥左右兩側的金屬翅膀完整扇動兩次，只能兩次。每次扇動伴隨一次輕微金屬機械聲。 人物、音樂盒和機械鳥必須同時出現在橢圓鏡中。鏡面動作與現實同步，鏡子裏只能有一組人物和音樂盒，不能出現多餘面孔、第三隻手或第二隻機械鳥。 7 至 9 秒： 機械鳥收回盒內，人物關閉盒蓋。盒蓋關閉後，機械鳥和活塞都不能留在外面。 9 至 10 秒： 攝影機推進到音樂盒近景，結尾清楚顯示正面的 N7 字樣。列車輕微晃動，窗外雨水繼續流動。 保持人物臉部、髮型、衣服、手套和紅色肩帶穩定。保持列車包廂結構不變。不要切鏡，不要字幕，不要水印，不要背景音樂，只保留列車低頻運行聲、雨聲和機械音。
Seedance 2.0 fast 跑通了完整動作鏈：音樂盒從關閉到開啓，機械鳥升起，隨後縮回盒內，人物再把蓋子合上。整個過程保持單鏡頭，銀髮、黃色雨衣、紅色揹帶和黑手套都很穩定，音樂盒上的N7也沒有跑字。
最讓我滿意的是鏡面關係。鏡子確實在反射人物和紅色音樂盒，沒有直接把鏡子理解成一扇窗。
MiniMax H3 開盒、機械鳥出現、收回、合蓋以及最後的產品特寫也全部做出來了。
但是整個環境被錯誤的構造了，鏡子建成了車窗，車窗直接就不見了。人也坐在了原本是一堵牆的地方，以我給出的構造圖來說，人物應該是和 Seedance 2.0 fast 一樣坐在右邊的。
Case 3：雙人對白
雙人對白很容易暴露問題。
模型需要判斷誰說中文、誰說英文，還要讓紅色門卡從一個人手裏真正轉移到另一個人手裏。
首幀素材：
提示詞：使用 @圖片1 作爲視頻首幀，同時作爲兩個人物、電梯環境和紅色門卡的唯一參考。 生成一段 10 秒、16:9 的電影寫實視頻，全程保持同一個雙人鏡頭，生成原生對白、環境音和動作音效。 人物身份必須固定： 人物 A： 畫面左側的亞洲女性，黑色低馬尾，穿紅色長外套。視頻開始時，人物 A 的右手拿着唯一一張紅色門卡。 人物 B： 畫面右側的黑人男性，短髮，穿深藍色西裝和淺藍色襯衫。視頻開始時雙手爲空。 0 至 2.5 秒： 人物 A 看着人物 B，用自然普通話說： 「紅卡給你，七號門。」 只有人物 A 的嘴部運動。人物 B 保持安靜並看向人物 A。紅色門卡仍在人物 A 的右手中。 2.5 至 5 秒： 人物 A 將紅色門卡遞給人物 B。人物 B 只能用右手接卡。畫面中始終只有一張門卡，交接後人物 A 手中不能繼續保留門卡。 接到門卡後，人物 B 看着人物 A，用自然英語說： “Got it. Door seven.” 只有人物 B 的嘴部運動。人物 A 保持安靜。 5 至 7.5 秒： 人物 B 轉向右側控制面板，將同一張紅色門卡插入卡槽一次。 門卡插入前，控制面板指示燈爲紅色；門卡插入後，指示燈立即變成綠色，同時出現一次與動作同步的短促電子提示音。 人物 A 留在畫面左側，不能消失或更換位置。 7.5 至 10 秒： 人物 B 鬆開門卡。電梯門向左右兩側打開，門外是明亮的白色走廊。兩個人同時轉頭看向門外，不再說話。出現與開門動作同步的輕微機械聲。 保持兩個人的臉部、髮型、膚色和服裝全程一致。保持紅色門卡的顏色和大小穩定。電梯反光中不能出現額外人物。 普通話和英語必須由正確的人物說出，口型與各自台詞同步。不要交換聲音，不要增加對白，不要畫外音，不要字 幕，不要背景音樂，不要切鏡，不要水印。
MiniMax H3 的亞洲女性和黑人男性沒有換臉，紅色外套、藍色西裝也保持住了。紅卡從女性右手交到男性右手，交接過程中沒有複製出第二張卡。
但說英文與接卡在同一時間發生了，問我提示詞裏明確要求了接到卡再說話，指令遵循這塊還是不太行，
更大的問題在於卡刷完之後卡直接不見了，這也太難讓人接受了，屬於明顯要重新生成的鏡頭。
Seedance 2.0 fast 同樣保住了兩個人物和服裝，紅卡交接也很乾淨。女性先說完中文，再把唯一一張紅卡交給男性；男性拿穩卡片後，纔開始說英文。
語音順序更貼合提示詞，動作鏈排得更清楚。控制面板也完成了紅燈變綠，開門時間接近提示詞要求的7.5秒，提示音和開門聲出現在對應動作附近。
03. 對比總結
3 組測試跑下來，兩款模型的差距主要出現在複雜指令的完成度上。
Seedance 2.0 fast 在 3 組測試中完成了更多明確指令，人物、道具和環境之間的關係也更穩定。MiniMax H3 的單幀畫面不差，但漏動作和道具消失的問題就比較明顯。
兩款模型每秒只差約 0.1 元，但2.0fast的抽卡率顯然更低，大部分鏡頭拿來直接就能用。
所以我會選擇 Seedance 2.0 fast 作爲那個既保證效果又保證成本的模型。
每秒多花的 0.1 元，換來的是更高的成片可用率。正式項目裏，一條視頻因爲漏動作或道具消失而重新生成，成本馬上又多出 5 元，前面省下的錢也就沒了。
人物少、動作簡單、需要批量試素材時，MiniMax H3 依然可以用。涉及多參考圖、連續動作、雙人對白和空間關係時，Seedance 2.0 fast 更適合作爲主力模型。
04. 接 API 與本地部署如何選？
如果想把視頻模型接進工作流、Agent 或業務系統，我更建議先用 API。
API 的上手速度快很多。註冊賬號、創建 API Key、按照文檔發起請求，很快就能跑出第一條視頻。顯卡、CUDA、推理框架和模型權重都由平台處理，模型升級後也能直接調用新版本。
成本也更容易計算。項目還在測試階段時，用多少付多少，不需要先花幾萬元買顯卡，也不用擔心機器閒置。
本地部署就麻煩多了。下載權重只是第一步，後面還要處理顯存夠不夠、CUDA 和 PyTorch 版本能不能配上、推理速度是否達標。視頻模型對顯卡、硬盤和內存的要求更高，普通消費級顯卡很可能跑不動。強行量化雖然能省顯存，畫質和速度也可能受到影響。
模型跑起來以後，還要搭建接口、任務隊列、日誌和監控。併發一高，顯存溢出、任務排隊和服務中斷都得自己解決。模型發佈新版本，團隊還要重新下載、測試和部署。對缺少算法工程師和運維人員的小團隊來說，人力成本往往比 API 調用費更難控制。
API 還有一個很實用的優勢：換模型方便。業務層做好統一封裝後，可以用同一批素材和提示詞測試不同模型，再根據畫質、速度和價格選擇。這次對比 Seedance 2.0 fast 和 MiniMax H3，就是典型用法。
只有素材不能離開內網、調用量長期穩定，或者團隊需要深度修改模型時，本地部署才更合適。普通創作者和中小團隊可以先接 API，把產品跑通、把成本算清楚，再考慮要不要自建服務器。
05. 一些分享
這次實測後，我對視頻模型選型的思路也更清楚了。
最貴的模型可以留給最難的鏡頭。客戶需要電影感長鏡頭、多人劇情或者大量多模態素材時，再上 Seedance 2.5。日常製作商品廣告、劇情短片和賬號內容，Seedance 2.0 fast 已經能承擔大部分任務。
MiniMax H3 和 Seedance 2.0 mini 更適合拿來試方向、跑簡單素材或者批量生成。先用便宜模型確認構圖和創意，重要鏡頭再換更穩的模型，可以少花不少冤枉錢。
視頻模型的價格也不能只看每秒多少錢。生成失敗、人物變形、動作漏做，最後都要重新付費。成片可用率越高，實際成本越低。
我現在做 AI 視頻，會先挑 2 至 3 條最典型的素材，用相同的時長和提示詞跑一輪。確認人物穩定性、指令完成度和重跑次數後，再決定批量用哪款模型。
模型還會繼續更新，今天的結果也可能隨着版本變化。友友們可以記住這套測試方法：先看任務有沒有做完，再看效果，最後把重跑成本一起算進去。這樣選出來的模型，纔是真的適合自己的模型。
原文鏈接：AI 視頻模型集中發佈，我們到底該選哪個？
