春节期间浅试了 ai 视频生成

由于春节期间无聊+当时Seedance 2.0上线各种吹将颠覆影视广告行业（好像ai视频生成要颠覆行业就没停过，哈哈哈哈）
就浅浅尝试了一下

先列一下ai的总结

2026主流视频生成AI模型终极对比（WAN 2.2、Seedance 2.0、Sora、Pika 1.0+、Runway Gen-2、Google Lumiere）

---

1. 详细核心对比

WAN 2.2（万兴科技）

• 定位：To B企业级批量高质视频合成，内容工业流水线。
• 最长时长/分辨率：30-60秒，最高4K，普及1080p。
• 物理与运动表现：业内靠前，尤其善于多镜头、结构化分镜、行业场景（广告、播报等）。
• 多模态能力：支持文本、图片、音频、视频风格参照，且可与音频模型协同生成。
• prompt/脚本理解：结构化商用脚本/分镜优于普通AI prompt，行业和场景化极强，定制能力顶尖。
• 中文/多语能力：中文本地化一流，同时支持多语言，商用脚本理解优于Seedance、Sora。
• 生成效率：4K级30秒视频3-10分钟，支持批量生产。
• 开放性：广泛API/SDK合作，专注B端，部分机构灰度公测。
• 典型场景：短视频平台、媒体自动化资讯、品牌广告、行业内容大批量生产。

Seedance 2.0（字节跳动）

• 定位：高质国创文生视频，生活写实&国风场景独步，国际第二梯队首位。
• 最长时长/分辨率：60秒，4K/1080p。
• 物理与运动表现：全球TOP2，生活、人物、自然高度逼真。
• 多模态能力：支持文本、图片、视频续写、分镜控制等。
• prompt/脚本理解：复杂中文prompt业内第一。
• 中文/多语能力：中文理解及语境切换全球顶级，国风场景独有。
• 生成效率：60s 1080p/4K，3-10分钟（超高配云端）。
• 开放性：To B+定向邀测，普通用户有限度尝鲜。
• 典型场景：国风创作、文旅、广告TVC、定制剧短片。

OpenAI Sora

• 定位：全球顶级通用生成模型，多语言多领域高泛化。
• 最长时长/分辨率：60秒，1080p，物理世界建模最真实。
• 物理与运动表现：与Seedance并列最顶尖，复杂物体互动、写实仿真、镜头语言电影级。
• 多模态能力：文本、图片输入，后续支持视频补全。
• prompt/脚本理解：长且复杂prompt处理极强，英文/国际场景首选。
• 中文/多语能力：中文弱于Seedance和WAN，但基础表达合格。
• 生成效率：长视频10分钟左右，大算力支持。
• 开放性：测试邀测为主，无完整开放。
• 典型场景：内容创意、品牌宣传、影视预演、全球广告大制作。

Pika 1.0+

• 定位：轻量级易用视频AI，短内容&二次元短剧/花式动画。
• 最长时长/分辨率：10-16秒，720P/1080p。
• 物理与运动表现：有趣但表达简单，艺术性高于写实性。
• 多模态能力：文本、图片、简易视频。
• prompt/脚本理解：中短prompt易用友好，风格模板丰富。
• 中文/多语能力：支持中英，中文力度有限。
• 生成效率：几十秒出片，高并发友好。
• 开放性：公开API/Web端广泛消费级。
• 典型场景：二次元、趣味视频、社交短片。

Runway Gen-2

• 定位：艺术、实验型视频生成，概念动画、策展。
• 最长时长/分辨率：16秒，720p/1080p。
• 物理与运动表现：实验先锋，多风格但真实感有限。
• 多模态能力：文本、图片、视频参考。
• prompt/脚本理解：以创意为主，泛 prompt 可控性较弱。
• 中文/多语能力：支持基本中英，主要面向英文和艺术场景。
• 生成效率：数十秒内完成。
• 开放性：完全公开。
• 典型场景：策展、实验短片、概念草稿。

Google Lumiere

• 定位：学术风格动画、连续性研究SOTA。
• 最长时长/分辨率：5-10秒，1080p。
• 物理与运动表现：时序衔接流畅，风格动画表现佳，写实欠佳。
• 多模态能力：文本、图片、视频。
• prompt/脚本理解：偏学术与动画风格。
• 中文/多语能力：学术层面支持，实际内容以英文为主。
• 生成效率：DEMO为主。
• 开放性：主要为Paper Demo。
• 典型场景：风格动画、连贯动画研究、学术应用。

---

2. 总览表格对比

模型	时长max	分辨率	物理/运动	多模态输入	Prompt&脚本理解	中文能力	开放性	典型场景/优势
WAN 2.2	30-60秒	4K/1080p	★★★★☆	文本/图片/音频/视频控	结构化ToB分镜优	★★★★☆	企业API/B端灰度	批量生产/品牌短片/行业新闻/To B类大体量视频
Seedance 2.0	60秒	4K/1080p	★★★★★	文本/图片/视频/分镜控	中文长prompt首选	★★★★★	定向邀测/ToB	国风/文化/生活/影视级定制短剧
Sora	60秒	1080p	★★★★★	文本/图片	国际长prompt强	★★	邀测	电影/广告/全球创意/物理场景复现
Pika 1.0+	10-16秒	720p/1080p	★★★★	文本/图片/视频	简易/模板丰富	★★★	公开API/Web	动漫/趣味/社交短视频
Runway Gen-2	16秒	720p/1080p	★★★	文本/图片/视频	艺术/实验为主	★★	公开	实验动画/策展/新媒体草图
Lumiere	5-10秒	1080p	★★★★	文本/图片/视频	学术动画	★★	demo	学术/动画/风格动画连贯性SOTA

---

3. 总结建议

• 企业To B、场景定制、效率与高质并重：WAN 2.2、Seedance 2.0
• 全球顶级写实、物理极致电影级：Sora
• 轻量内容、动漫、社交泛娱乐：Pika、Runway
• 学术、动画连贯研究：Lumiere

当时个人也是先看了这些总结，不过钱包实在是空空如也，所以 只尝试了免费的 Seedance 2.0 Fast 和 wan 2.2

Seedance 2.0 Fast

大过年刚开始，下了即梦ai app 试试，正好有新春活动，各种ai祝福视频模板很多，先试了试 数字分身 生成， 提示词当时应该是 把说的话换成 祝贺某某什么事业有成之类， 等了一夜（好像人太多了，也有可能为了春晚之类活动短时迁移机器干其他事了，俺也不知道实情），一看，话是说了，不过没换，是加在模板视频台词后面说的，哈哈 将就用把，反正都是祝福，后面几天没事就各种简单尝试

列举几个印象深的变化：

1. 原始提示词不见了

即梦 有个推荐ai 视频的功能，可以一直刷被推荐的各种制作精美的视频，每个都可以用自己或他人的 数字分身 改编

最初 原始提示词 直接可以从描述或者改编时直接看到
|
忘了初几，原始提示词 都看不见了，或者看的见的不能copy， 改编界面没有任何原始提示词了

2. 数字分身不能用了

除了用自己的数字分身外，还有一些人公开了自己的数字分身，大家都可以用

开始我用自己的，但确认人丑，比较影响视频美观度，后面用公开的尝试比较多
|
后面不少原本公开出境的数字分身突然不再允许别人使用
（也许原作者发现被用于下流台词、性感视频之类的情况很多，或者之前没注意时公开了等等，反正"演员"不好找了，哈哈哈）

3. 降智总是发生

每次生成时都有在刮彩票的感觉

明明同样提示词，别人的好帅，自己再来亿把就很low
动作场景越多，慢镜头越多，ai的发挥越奇怪
画面越静会好一些

（有人说是宣传初是完整版，人多了就为了节省算力换了阉割版，还有说最近被很多公司告版权了，所以很多数据为了规避版权，不再让ai使用了）

4. 审查限制越来越严

最初很多照片都可以直接用，
但是后面突然不行了，无论是我自己照片还是ai生成的图片都很容易被识别为真人，被版权肖像权侵犯危险声明挡住了
最初额度还被吃了不少，后面失败会返回了
不过图片要宽松一些

5. 提示词字数限制

app 有个最讨厌的限制，明明抄别人一模一样的提示词或者用ai 生成提示词，经常被字数超额，不让生成，
压缩字数又效果不好

wan 2.2

开源模型里面非常著名的，当然也是因为开源，被很多人用来 nfsw ，好像后续不再开源，也符合现实，现在本来都在商业闭源
结合 comfyui 有很多现成的工作流，基本使用还是比较简单的，不过大多普通人大概率网络是第一门槛
效果对比 seedance 是比不上的，（seedance 虽然现在降智，但是下限还是比较高的），
不过有很多现成的工作流可以生成比较长时间的视频（比如图片生成长视频常见方式是通过采样+多段提示词+多次生成+合并），
不过wan2.2时间一长，质量会逐步劣化，毕竟每次生成都会出现瑕疵，多次采样就会越来越多瑕疵

也许等seedance 2.0 正式api放开，有钱的同学们可以试试用它采样方式试试劣化程度

尚未入门者的总结

对于只是搞着玩的同学，随意用用挺好，写不来提示词和分镜就用ai 生成，其他就抽奖，中了开心，不中也可看笑话，就是少充值就好，不然一堆废料就会笑话钱包了

对于要搞好的同学，影视相关的能力依然非常重要，它决定创造的下限，在编剧和分镜上还是得花功夫，至少要达到你能对一个故事能完整理出怎么样用文字或分镜画面描述它，

至于ai ，大模型可以弥补下限，技术会进步。钱的多少决定容错下限，想用它赚钱，还是不要抱着什么都靠ai来懒人一夜暴富，运气外，上限多高会决定你有没有赚钱的机会

唉，学生时代那贫瘠的文化基础已经被我彻底丢失了，描述不了画面，年纪大了，这方面已经跟不上啦