← 返回部落格
News預計閱讀 8 分鐘

同樣 15 秒,價格是 1.05、1.50 或 3.47 美元

發布於 2026年11月7日
同樣 15 秒,價格是 1.05、1.50 或 3.47 美元

這一年大部分時間裡,比較影片生成模型等於比較各家公司的示範影片。Google、ByteDance 與 Alibaba 各自發布一段能凸顯自家模型優勢的單鏡頭短片。這樣的情況在 11 月 6 日改變:Google 發布 Gemini Omni 1.2 Flash,針對它的首個獨立測試也同時出現,並伴隨 Artificial Analysis 的數據與其他創作者做的並排實測。

這堆資料中最有用的是價格表。一段 720p 的 15 秒影片,在 Omni 1.2 上要 1.05 美元,在 Wan 3.0 上要 1.50 美元,在 Seedance 2.5 上約 3.47 美元。同樣影片在 1080p 下則分別要 1.56、3.00 與 8.54 美元。Alibaba 也對 Wan 3.0 推出約 30% 的促銷,讓 1080p 最低可達每秒 0.14 美元。

最便宜級距的價差達三倍,1080p 則達五倍,而最便宜的模型只在少數類別領先。

各模型真正勝出的地方

截至 11 月 6 日,Artificial Analysis 將 Seedance 2.5 排在 20 個類別中的 13 個第一,包括對白與唇形同步,得分 1213。圖生影像是它最強的模式。Gemini Omni 1.1 在人體解剖與物理兩項中,於 20 個模型裡排名第 20。

剪輯是 Wan 3.0 領先之處,拿下複雜剪輯、物件編輯與視覺特效,而 Seedance 則拿下聲音與語音編輯。

來自公司外部的同提示詞測試,比排行榜更能說明問題。Krea 在 720p 下測試 Seedance 2.5 與 Wan 3.0,使用相同種子碼並關閉提示詞改寫功能。在一段滑板鏡頭中,Seedance 讓滑板者沿著提示詞描述的路線前進,Wan 則把他帶向鏡頭。在一段跟拍自行車手的 20 秒單鏡頭中,Seedance 一路維持鏡頭到最後,Wan 則在 13.6 秒時切走。Wan 渲染其八秒影片的速度也大約快了一倍。YouTube 創作者 JSFILMZ 用相同提示詞並排測試兩個模型,並公布了結果。

Omni 1.2 幾乎還沒有獨立測試。最接近的是 Segmind,它在發布當天跑了 20 項測試,並稱 Omni 1.2 Flash 是它測試過最精準遵循指令的影片模型,適合解說影片與動態文字。Segmind 也發現,擬真人物看起來有點漂浮感,臉部表現不如 Seedance,而且大約每四項指令就有一項被略過。

Google 自己也承認,從第一幀到最後一幀會有細微變化,並把高速運動場景與複雜物理列為仍在改進的項目。來源素材中的品牌標誌可能觸發版權封鎖。每段影片都帶有不可見的 SynthID 浮水印。

請求數據說明了什麼

OpenRouter 的影片排名(數據截至 11 月 6 日)顯示,HeyGen Video 以每週 65,000 次請求位居第一,Veo 3.1 Lite 以 50,000 次排名第二,Seedance 2.5 以 35,000 次第三,Wan 3.0 以 31,000 次第四,而 mischief 1 在暴增 481% 後排名第九。

依作者劃分的市佔率才是值得深思的數字。ByteDance 佔影片請求的 26.1%,HeyGen 19.7%,Google 18.5%,SpaceXAI 12.2%,Alibaba 在下降 53% 後為 9.3%,Kwaivgi 6.0%,MiniMax 5.0%。

三個高度不同的透明玻璃杯放在淺色石材檯面上。

最大聚合平台上請求量最高的影片模型是虛擬人。贏得這些流量的不是哪家公司的產品發表,而是對鏡講解影片與訓練影片。Seedance 與 Wan 在電影感類別領先,但相較於虛擬人流量,它們佔總請求量的比重只是可忽略不計的零頭。

不是電影感的那種需求

再看一次請求流向。HeyGen Video 以每週 65,000 次請求位居榜首,而 HeyGen 是一家虛擬人公司。企業安全與賦能團隊已開始用 AI 生成的講解者影片,取代定期舉行的即時產品導覽;依他們自己的估算,每個團隊每年可省下超過 100 小時。根據 Colossyan 引用的一項 2026 年調查,行銷人員的採用率約為 63%。

同時,原生音訊已從特色功能變成整個類別的預設。Veo 3.1 Audio 及其 Fast 版本會生成與畫面匹配的聲音,Kling 的音訊等級方案可產生立體聲並改善唇形同步,Canva 的文字轉影片工具則能產出對白與效果同步的影片。

這形成的區隔很有用。虛擬人與對鏡講解作品要求角色保持一致、聲音穩定、表達到位。電影感作品則要鏡頭在八秒內留下深刻印象。這些是不同的需求,由不同模型來滿足,這也是為什麼涵蓋兩者的單一排行榜,反而比請求分佈透露的資訊更少。

Sora 退場後改變了什麼

Sora 在四月從網站與 App 退場、九月從 API 退場,帶來的不只是少了一個競爭者。它重新設定了人們預期為什麼付費、預期哪些功能可用,也讓其餘平台在真正決定使用量的軸線上競爭:影片能多長、音訊是否隨影片一起生成,以及角色在鏡頭與鏡頭之間會發生什麼變化。

兩年前,新產品合理的預設做法是建立在 OpenAI 的影片 API 上。那個預設已經消失。任何建立在其上的東西都需要替代方案,而現在的替代方案在價格與長度上差異夠大,使得模型選擇成了商業決策,而非技術決策。

轉售層還多了一個值得納入定價考量的變數。官方 API 費率是下限,不是市面價格。例如 fal 將 Seedance 2.5 標價為約 BytePlus 費率的兩倍。團隊若在市場平台上測試,再依那個數字規劃製作預算,將會大吃一驚;官方與轉售價格之間的差距,大到足以改變專案選擇哪個模型。

用這些數字做選擇

如果任務是對白、唇形同步或音訊,Seedance 2.5 是較穩妥的選擇,但價格約為三倍。如果任務是剪輯現有影片,Wan 3.0 領先,而其促銷價格讓它擁有榜上最低的每秒成本。如果任務是在解說影片中嚴格遵循指令,Omni 1.2 Flash 是早期測試者持續稱讚的選擇,也是三者中 720p 最便宜的,不過 Segmind 自己的測試每段影片要花 40 到 70 秒。

正確的比較方式是每段可用影片的價格。一個模型若需要四次嘗試,才能在 15 秒鏡頭中維持同一張臉,成本就是標價的四倍,而排行榜看不到這一點。

三家公司都尚未公布涵蓋全部三個模型的盲測、同提示詞、同種子比較。在有人實際執行之前,這個類別中每一項跨模型品質主張,包括本文中的主張,都只能視為方向性參考。

從請求數據可以清楚看出的一件事是:較便宜的模型只有在產出能通過審核時才真的便宜,而對大多數大量交付影片的團隊來說,成本就藏在審核環節。

相關文章