最近视频生成这个赛道更新太快了，一个月出好几个新模型。正好项目里有批量出短视频的需求，趁这个机会把最近几个热门的新模型都测了一遍：Wan 2.7、PixVerse V6、Sora 2（快下线了）、Seedance 2.0。

结果跟我预期差别挺大的，特别是 Seedance 2.0，社区炒得很热但实际用下来感觉一般。下面聊聊具体的测试情况。

API 调用统一在 WaveSpeedAI 上跑的，上面这几个模型都集成了，切换模型改一行代码就行。

测试说明

统一生成 5 秒、16:9 视频。Prompt 覆盖四个场景：人物动作、自然风景、产品展示、创意特效。每个场景跑 3 次取最好的。

Wan 2.7：阿里的"思考模式"挺有意思

Wan 2.7 是阿里巴巴 4 月初发布的最新版本，最大的卖点是 "Thinking Mode"——模型会先理解 prompt 的意图、规划画面构成，然后再生成。有点像给视频生成加了 Chain of Thought。

实际效果确实能感觉到 prompt 遵循度比之前的 Wan 2.5 高了一截。比如我写了一段比较复杂的 prompt："一个男人走进咖啡馆，推开门，抬头看菜单，然后转向柜台"，Wan 2.7 是几个模型里唯一把这个多步骤动作基本还原出来的。

其他亮点：支持原生音频同步、1080P 输出、最长 15 秒。四个子模型（文生视频、图生视频、参考视频生成、视频编辑）共用同一套 API。

缺点也有。某些场景下画面会有轻微的闪烁，尤其是皮肤和布料的纹理。速度中等，5 秒视频大概 70-80 秒。价格方面 720P 大约 $0.63/个，1080P 约 $0.94/个，不算便宜。

总结：Wan 2.7 的 Thinking Mode 对复杂多步骤 prompt 确实有效，适合需要精确叙事的场景。

PixVerse V6：速度和镜头控制是真的强

PixVerse V6 是 3 月 30 号刚发布的，打的就是"最快"这个定位。实测下来确实快——5 秒视频大概 40 几秒出结果，是这几个模型里最快的。

最让我意外的是它的镜头控制系统。V6 有 20 多种电影镜头参数可以调——不只是基础的推拉摇移，还有焦距、光圈、景深、镜头畸变这些专业参数。对于产品展示这类需要精确控制镜头运动的场景，这个功能太实用了。

另外 V6 支持 15 秒 1080P 输出和原生音频，可以单个 prompt 直接生成多镜头短片。官方说全球用户超过 1 亿，定位偏社交媒体创作者。

画面质量中上，不算最惊艳但胜在稳定。人物一致性也不错，测试中复杂表情和快速光线变化下主体基本没崩。

总结：如果你需要快速出片 + 精确镜头控制，PixVerse V6 目前是最好的选择。

Sora 2：画面仍然最好，但快下线了

要说画面质感，Sora 2 依然是天花板。光影、材质、运动流畅度都是一档的水准，其他模型目前还追不上这个画面品质。

但 OpenAI 已经在 3 月 24 号宣布关停 Sora 了。App 端 4 月 26 号下线，API 端 9 月 24 号下线。根据 TechCrunch 的报道，Sora 日均运营成本约 100 万美元，用户量峰值只到 100 万左右后就一路下滑到不到 50 万。算下来就是典型的技术强但商业化失败。

现在还能通过 API 用，但考虑到 9 月就彻底关了，新项目不建议再基于 Sora 做了。如果你有正在跑的 Sora 工作流，建议尽早迁移。

总结：画质仍然最强，但**即将下线，不推荐新项目使用**。

Seedance 2.0：名气很大，实测不太行

说实话 Seedance 2.0 是这次最让我失望的。字节在 2 月放出 beta 的时候社交媒体上铺天盖地的吹，说是"AI 导演"、多模态音视频一体生成、可以同时接受文本+图片+音频+视频输入。

概念确实超前。但实际生成的视频质量……没有宣传的那么惊艳。几个问题：

运动幅度不够大，很多场景生成出来的视频接近"微动"——人物的动作幅度很小，像是在慢放。跟 Kling 3.0 或 Wan 2.7 比起来，运动表现力差了一截。

多镜头生成的画面衔接不够自然，镜头切换的地方有时候会突然跳变。

原生音频这个确实做得不错，音画同步比其他模型好，这点要认可。

字节已经把 Seedance 2.0 集成到 CapCut 了，目前在巴西、印尼、马来等市场先行开放。考虑到字节的迭代速度，后续版本应该会改善，但现阶段不太推荐做生产力工具使用。

总结：**多模态概念先进，但生成质量目前不及预期**，适合关注但不急着用。

顺便说下 Kling 3.0

Kling 3.0 虽然不是最近刚出的，但在这次对比中它依然稳定在第一梯队。Prompt 遵循度高、中文理解好、人物一致性强。最长支持 15 秒、原生 4K 输出、有多语言配音和唇形同步。

在产品展示和商业广告这类需要稳定可控的场景，Kling 3.0 仍然是我目前的主力选择。

## 我的选型结论

说下我自己的最终方案：

**日常批量生产**用 Kling 3.0，稳定可控性价比高。**需要精确镜头控制或快速出片**的场景切 PixVerse V6。**复杂叙事类 prompt**（多步骤动作、情节推进）会试试 Wan 2.7 的 Thinking Mode。Sora 2 虽然画质最好但快下线了，新项目别碰了。Seedance 2.0 先观望，等后续版本再说。

代码层面就是改模型名的事：

```python
import wavespeed

result = wavespeed.run(
    "kwaivgi/kling-v3.0-std/text-to-video",  # 换模型改这行
    {
        "prompt": "产品特写，缓慢推进镜头，白色背景，柔和侧光",
        "duration": 5,
        "aspect_ratio": "16:9"
    }
)
print(result["outputs"][0])
```

几点建议

AI 视频生成现在更新太快了，每个月格局都在变。几条个人经验：

别押注单一模型。Sora 说关就关了，谁知道下一个是谁。建议通过统一 API 平台接入，切换成本低。

先想清楚你的核心需求是什么。要画质？要速度？要镜头控制？要中文理解？不同模型的长板差异很大，没有全能选手。

"新"不代表"好"。Seedance 2.0 就是典型——概念很超前但成熟度不够。老一代的 Kling 3.0 在很多场景下反而更可靠。

以上是截至 2026 年 4 月初的实测情况，这个领域变化很快，以上结论保质期可能只有一两个月。有同样在做视频生成的朋友欢迎评论区交流。