資料查核日期：2026 年 10 月 17 日。本文為重新查核後的原創整理；模型能力、價格與開放範圍可能持續變動，正式採購前仍應以帳號所在地、實際入口及官方控制台為準。
AI 影片模型的競爭，正在從「能不能生成一段好看的影片」，進入「能不能穩定完成一個可交付的鏡頭」。Seedance 2.5 把單次生成延長到 30 秒；可靈 4.0 正式上線後，也把 30 秒長鏡頭、全能參考與多關鍵幀控制放到核心位置；Vidu Q4 Preview 主打人物表演、動態鏡頭與較低的試錯成本；MiniMax H3 則同時提供多模態生成、原生立體聲與開放權重。Seedance 2.0 雖然不再是最新版本，仍可能是短鏡頭與成熟流程中的成本基準。
乍看之下，這像是一場「誰最強」的排名戰。實際進入短劇、漫劇、廣告或品牌影片製作後，真正影響預算的問題卻完全不同：同一角色跨鏡頭會不會變臉？手與道具能不能正確接觸？客戶只要求改一個動作時，其他已經正確的部分能否保留？生成二十秒素材，最後究竟有幾秒能用？因此，選模型不能只看宣傳片、單次價格或排行榜名次，而要看它是否適合你的鏡頭類型與返工方式。
Vidu Q4 Preview：表演、動態鏡頭與可量化的試錯成本
*圖說：先看任務，再選模型。AI 情境示意圖，非實測畫面。*
如果工作重點是多人場面、較長連續表演與大量多模態參考，Seedance 2.5 應優先測試；如果已有明確分鏡，需要用多個視覺節點控制動作與運鏡，可靈 4.0 更值得放在第一輪；如果靜態角色資產已經齊全，希望快速嘗試表情、動作與高張力鏡頭，Vidu Q4 Preview 的產品定位更直接；如果團隊具備研發、算力與維運能力，希望建立自己的生成管線，MiniMax H3 的開放權重具有其他託管模型沒有的戰略價值。至於數秒鐘的過場、簡單商品展示或既有提示詞已十分成熟的鏡頭，Seedance 2.0 仍值得保留作為對照。
這不是保守說法，而是目前公開資料最合理的解讀。模型的能力高度重疊，而且不同測試項目會得出不同排序。將「長片段」「可控性」「表演力」「開放權重」各自貼給某一家，只能幫助記憶，不能直接替代採購決策。
*圖說：長鏡頭：連續，也要能修。AI 情境示意圖，非實測畫面。*
火山引擎的 Seedance 2.5 官方文件 顯示，單次生成時長由 Seedance 2.0 系列的 15 秒提高到 30 秒，並支援多輪延長。單次參考素材上限也提升到 50 個，分類為最多 30 張圖片、10 段影片與 10 段音訊；同時加入更精準的時間戳編輯、運動參考與更長的參考音影片總時長。
這些升級對製作端的意義，不只是「多生成十五秒」。真正的價值，是一段從角色進場、互動到離場的表演，有機會在同一次生成中維持空間、光線、聲音與角色關係；複雜場景也能提供更完整的角色、道具、環境與聲音參考。對多人短劇、MV、長鏡頭廣告或需要延續既有影片運動的工作，這種上下文容量很重要。
但 30 秒也可能放大失敗成本。若前 24 秒都可用，最後 6 秒發生穿模、台詞錯位或角色漂移，而目前工作流無法只修最後一段，重做一次的代價反而更高。因此，Seedance 2.5 最適合「確實需要連續表演」的鏡頭，而不是把原本應該拆開的分鏡硬塞進一個長片段。
Seedance 2.0 也沒有因此失去用途。官方比較表仍列出它可使用圖片、影片與音訊參考，分類上限為 9 圖、3 影片、3 音訊，單次最長 15 秒。當任務只是三至八秒的過場、商品轉台、氣氛鏡頭或既有模板已經穩定時，2.0 是否能以更低總成本達標，仍應實測而不是直接淘汰。
*圖說：關鍵幀之間，也要驗收。AI 情境示意圖，非實測畫面。*
可靈 4.0 已於 2026 年 10 月 15 日正式上線。快手在 官方發布資訊 中確認三項重點：高動態與複雜運鏡的穩定性、單次原生最長 30 秒，以及最多 15 項參考素材與 10 張關鍵幀輸入。這也修正了較早資料中「仍待全面開放」的狀態判斷。
關鍵幀與一般角色參考圖的差異很大。角色參考圖回答的是「人物長什麼樣」，關鍵幀則進一步指定「某個時間點，他站在哪裡、做什麼動作、鏡頭看到什麼」。對已有分鏡、產品動作、連續變裝、舞蹈或武打設計的專案，這種控制比單純增加提示詞更接近導演工作。
然而，十張關鍵幀不是十張保證書。模型仍需推算節點之間的速度、重心、遮擋與物理連續性；若兩張關鍵幀之間的姿勢差異太大，中段可能突然加速、形體變形或產生不自然的補間。驗收可靈 4.0 時，不只要看關鍵畫面是否到位，也要檢查中間運動是否合理，以及修改一個動作後，其他已正確的場景、服裝、人物和鏡位是否被連帶改變。
*圖說：角色表演：不只看漂亮。AI 情境示意圖，非實測畫面。*
Vidu 的 Q4 Preview API 文件 列出 3 至 16 秒影片、1 至 15 張參考圖片、0 至 3 段參考音訊，以及 540p、720p、1080p、2K、4K 等輸出檔位。現階段文件沒有列出影片參考輸入，因此不能把 Vidu 平台其他工具或舊模型的功能，自動算到 Q4 Preview 身上。
Q4 Preview 的優勢是產品邊界清楚：以圖片和聲音資產驅動人物表演、智慧切鏡、動態鏡頭和聲畫同步。若團隊已經有角色設定圖、服裝圖與聲音樣本，需要大量測試表情、跑跳、打鬥或情緒近景，它很適合進入候選名單。反過來說，若任務高度依賴既有影片的運動軌跡、白模調度或影片對影片編輯，就應先確認目前入口是否支援，而不能只看「可放十五張圖」。
Vidu 也是目前較容易直接換算成本的選項。官方 定價文件 以每積分人民幣 0.03125 元計算，Q4 Preview 每秒消耗 9、19、24、38、78 積分，分別對應 540p、720p、1080p、2K 與 4K。換算五秒影片，公開刊例約為人民幣 1.41、2.97、3.75、5.94 與 12.19 元。這只是 API 生成費，不含充值方案差異、人工、重試、剪輯或後期。
*圖說：開放權重 ≠ 完整服務。AI 情境示意圖，非實測畫面。*
MiniMax H3 的價值不能只用「開源替代品」概括。MiniMax 的 官方開放權重說明 顯示，H3 能理解文字、圖片、影片與音訊組成的上下文，生成帶原生立體聲的影片，時長為 4 至 15 秒。Ref2VA 路線可接收最多 9 張圖片、3 段影片與 3 段音訊；混合檔案總數與各類素材總時長仍有額外限制。
必須分清「開放權重」與「官方完整服務」。本地部署的 H3-Base 主要以短邊 768 像素生成；負責複雜上下文整理的 H3-Context-IR，以及將結果再生成為 2K 的流程，仍包含官方託管服務。團隊可以自行建立前處理、佇列、放大與微調系統，但不能因為權重可下載，就宣稱本地端已完整複製官方 2K 管線。
授權也屬於技術選型。H3 使用自己的 Community License，而非 MIT 或 Apache-2.0；商業規模、使用地區、介面標示與服務提供方式，都應在部署前逐項確認。官方全球 API 目前列出 768p 每秒 0.08 美元、2K 每秒 0.13 美元，另有圖片、影片參考與 2K 再生成費用。少量製作需求先用託管 API 驗證，通常比直接採購硬體更合理；只有工作量持續、設備利用率夠高，而且團隊願意負擔維運時，自建才可能形成成本優勢。
H3 Max 也不能與 H3-Base 混為一談。fal 的 H3 Max 文件 明確將它描述為在 H3 開放權重之上再訓練、並針對自家推理系統優化的衍生版本。它的效果、速度與價格屬於 fal 的產品，不應直接當成本地 H3 的能力證明。
*圖說：榜單是起點，專案才是考場。AI 情境示意圖，非實測畫面。*
截至查核日，Artificial Analysis 的 含音訊圖生影片榜 把 MiniMax H3（768p）列為 1141±17，Seedance 2.5 為 1139±17；兩者 95% 信賴區間大幅重疊，合理解讀是「目前無法證明兩者有顯著差距」，而不是 H3 已全面擊敗 Seedance。Vidu Q4 Preview 與可靈 4.0 尚未出現在這一版完整列表中，也不能把缺席誤解為落後。
在 含音訊文生影片榜 中，Seedance 2.5、H3 與 H3 Max 同樣處於分數區間高度重疊的前段位置。排行榜提供的是標準化提示詞下的人類偏好比較，無法直接回答你的商品包裝是否穩定、特定語言口型是否正確，或客戶修改三次後的總成本。它適合篩選候選模型，不適合代替專案驗收。
*圖說：便宜，不一定省錢。AI 情境示意圖，非實測畫面。*
真正有意義的指標，是「每秒可用素材成本」：把所有生成、重試、局部修復、後期與人工時間加總，再除以最終保留下來的秒數。模型 A 每秒只要 0.6 元，但生成 20 秒只能留下 5 秒，實際生成成本就變成每秒 2.4 元；模型 B 每秒 1 元，生成 10 秒可留下 5 秒，結果反而是每秒 2 元。這只是示意，但它說明了單次便宜與最終省錢之間，還隔著「可用率」。
跨平台價格也不能硬比。Seedance 採 token 與不同任務條件計費，Vidu 採積分，MiniMax 採輸出秒數並另計部分輸入素材，可靈網頁會員與 API 又可能是不同體系。解析度名稱也不完全等價；768p 不是 720p，2K 可能是原生生成、再生成或後處理輸出。任何價格表都必須同時寫清楚模型、入口、解析度、時長、音訊、輸入素材與是否使用促銷方案。
*圖說：同一組鏡頭，公平測試。AI 情境示意圖，非實測畫面。*
不要用一支宣傳片決定整個專案。先挑出六種最常返工的真實鏡頭：情緒近景、雙人互動、手與道具接觸、連續運鏡、商品展示、外語對白。為每款模型設定相同的時長、畫面比例、角色資產與驗收標準，每題先生成三次，保留所有結果；再允許一次等時長的提示詞或參考素材優化。記錄生成費、等待時間、失敗原因、可用秒數與人工修復時間。
驗收時至少看五件事：第一，遮擋或切鏡後是否仍是同一角色；第二，手、道具、重心與因果順序是否正確；第三，站位、視線與運動方向能否延續；第四，說話人、停頓、口型、聲線與語言是否一致；第五，商品結構、包裝文字與品牌元素能否在運動中保持。快速運鏡、粒子與光效很容易掩蓋錯誤，應另外安排逐幀檢查。
第一輪測試只用來淘汰不合適的工具。找出兩款候選後，再以真實的一集短劇或一組廣告擴大測試，觀察排隊、並發、回調、審核與失敗重試。網頁端某次生成很快，不代表 API 在一晚可以穩定完成幾百個任務；同樣地，一次驚豔的結果也不能代表平均出片率。
Seedance 2.5 適合需要長段落、多參考與複雜場面調度的團隊；Seedance 2.0 適合短鏡頭與已有成熟工作流的成本對照。可靈 4.0 最值得用來驗證多關鍵幀、長鏡頭與修改保真；Vidu Q4 Preview 適合以圖片、聲音資產反覆嘗試人物表演與高動態鏡頭；MiniMax H3 則同時是品質候選與基礎設施選項，特別適合希望累積自有工作流的研發型團隊。
真正的分水嶺，不是誰能生成最華麗的展示片，而是當創作者已經得到滿意的表演，客戶只說「這裡再改一下」時，能否只修那個地方，保住其他正確內容。當局部修改變得穩定、便宜、可追蹤，AI 影片才會從抽卡工具，真正變成專業製作系統。
配圖重編說明：本文文字沿用所提供版本；本次重新編排配圖，未重新查核原文模型規格、價格與來源。首圖02為替換選項。
| 模型 | 優先驗證方向 | 驗收注意 |
|---|---|---|
| Seedance 2.5 | 長段落、多參考 | 連續性與長片段返工 |
| Seedance 2.0 | 短鏡頭、既有流程 | 總成本與可用率 |
| 可靈 4.0 | 關鍵幀控制 | 節點間運動與修改保真 |
| Vidu Q4 Preview | 角色表演、動態鏡頭 | 入口支援與聲畫同步 |
| MiniMax H3 | 自建工作流 | 授權、算力與維運 |
| 方案 | 生成單價 | 生成秒數 | 可用秒數 | 生成費÷可用秒數 |
|---|---|---|---|---|
| A | 0.6元／秒 | 20 | 5 | 2.4元／可用秒 |
| B | 1元／秒 | 10 | 5 | 2元／可用秒 |
完整成本還需納入人工、修復及後期。本表依提供文章整理，未重新查核模型與價格。
發表日期：Oct 17. 2026
