承接上一篇通用大模型横评本篇专门聚焦视频生成专用模型面向分镜驱动、短剧 / 漫剧 / 短视频多 Agent 生产工作流做选型参考。 2026.09 现状单镜头生成已经成熟核心分化不在能不能出视频而在分镜适配度、I2V 参考图一致性、原生音频、异步任务 API、按秒成本、排队策略、是否可本地私有化、对批量重试链路友好度。很多做 Agent 视频工作流的坑不是画质坑而是 API 是同步阻塞、不支持首尾帧、没有参考图能力、计费不透明、排队超长、不适合逐镜头队列化生成。本文覆盖 Kling、Seedance、Wan、MiniMax H3、Vidu、Veo、Runway、Pika、Sora2分国产闭源 API、国产开源可部署、海外闭源旗舰三类从价格、核心定位、画面质量、控制能力、时长分辨率、角色一致性、音频、API 工程特征、适配分镜 Agent 程度做对比。重要前提几乎所有生产级视频 API 都是异步 task_id 轮询模式和 LLM 同步调用完全不一样天然适配队列 / 重试 / 状态机接入 Agent 工作流要单独封装 MCP / 任务 Worker。一、全模型核心信息总览对比表表格模型厂商类型计费基准典型单价 (720P)单段原生时长最佳输入方式角色参考一致性原生音频可本地部署核心定位最适配场景Kling 3.0 Omni快手闭源 API按秒~0.6-0.9 元 / 秒10s可续写最长 2minT2V / I2V / 首尾帧良好多参考图支持✅❌物理运动、动作、长镜头续写、写实人物短剧动作镜头、实拍风、长片段拼接Seedance 2.5字节 / 即梦闭源 API按秒 / 积分~0.3-0.5 元 / 秒5-15sI2V 优先、分镜 prompt优秀镜头语言 / 运镜强❌(新版可选)❌分镜叙事、短视频、漫剧、主体迁移分镜 Agent 逐镜头生成首选剪映生态打通Vidu数智新视界闭源 API按秒~0.3 元 / 秒10s多主体参考图 I2V极强专门做多角色锁定❌❌参考驱动、多角色一致性漫剧、固定 IP 系列内容Wan 3.0阿里闭源 API / 开源权重按秒~0.25-0.5 元 / 秒10-30sT2V/I2V中等❌✅开源 1.3B/14B性价比、长单段、产品演示低成本批量素材、本地开源链路MiniMax H3MiniMax开源 云端 APIAPI 按秒 / 本地无成本~0.4 元 / 秒4-15sT2V / I2V / 多参考 Ref2VA优秀多参考图锁定✅原生音画同步✅ 最低 12G 显存开源本地、音画同出、漫剧私有化工作流、不想外发素材、低成本迭代Google Veo 3.1Google闭源 API按秒~$0.1-0.4 / 秒8s支持延伸加长多参考图、导演级 prompt中等偏上✅原生音画❌电影级质感、原生音频、广告大片高质量关键镜头、海外业务Runway Gen4.5Runway闭源 API / 会员按 credits~$0.2-0.5 / 秒6-12s首帧 运动控制、视频编辑良好参考图 世界一致性❌❌专业后期、镜头控制、inpainting 编辑二次修改、镜头精修、创意剪辑 AgentPika 2.0Pika闭源 API按秒 / 会员~$0.15-0.3 / 秒3-8s风格化、局部编辑一般❌❌风格化、魔改、短视频创意风格化素材、非叙事单镜头Sora 2OpenAI闭源 API按秒~$0.2 / 秒20sT2V中等部分支持❌强物理、长叙事单镜头高预算少数关键镜头国内访问困难几个关键结论前置分镜驱动、逐镜头 I2V、短剧漫剧工作流优先 Seedance、Vidu、Kling、MiniMax H3这四个对参考图 / 角色资产链路最友好。追求本地私有化、数据不出网、无限试错成本只有 Wan、MiniMax H3 两个主流选项。原生音频同步目前 Veo、MiniMax H3 第一梯队其余绝大多数视频模型还是「出画面TTS 后配音」链路更符合现有 Agent 拆分工作流。长段不是一次性生成 2 分钟Agent 工程最佳实践依然是拆 5-15 秒分镜逐镜生成再 TTSFFmpeg 拼接这也是上篇市场分析里路线 C 的核心逻辑。二、分阵营深度拆解阵营 A国产闭源 API绝大多数短剧 / 短视频 Agent 工作流首选1. Seedance 2.5字节即梦底层价格720P 性价比好1080P 加价积分 / 按秒双计费异步 API 成熟适配批量队列质量定位镜头语言、分镜理解、运镜、角色一致性是当前中文叙事最强一档天然懂推拉摇移、特写全景非常适配分镜 Agent 输出结构化 prompt图文动态化、漫剧、短视频种草是主场。能力I2V 强于纯文生支持主体参考迁移对接剪映生态链路完整。短板原生单段时长偏短复杂高速物理动作弱 Kling原生不带音频。Agent 适配度⭐⭐⭐⭐⭐ 最适合分镜→资产图→I2V 逐镜头生成链路MCP 封装友好大量内容团队已经在工作流里用它。不适合纯物理特效打斗、长镜头一次性生成。2. Kling 3.0 Omni可灵 / 快手价格中高高清 / 长片段加价明显高峰期排队严重。质量定位物理运动、流体、高速动作、写实人体、首尾帧控制、视频续写最强。适合武侠、实拍、动作类分镜。能力支持首尾帧控制、片段续写做镜头之间衔接比别家友好4K 能力强。短板纯分镜叙事感、运镜语义弱 Seedance跨镜头纯 prompt 角色漂移问题依然存在必须搭配参考资产图排队是 API 批量工作流大坑。Agent 适配度⭐⭐⭐⭐ 适合作为动作镜头专项模型混合调度。3. Vidu价格偏低错峰额度友好。质量定位多主体角色一致性专项强项专门支持多参考图锁定不同角色对漫剧 / 多人物短剧非常友好。短板运动流畅度、镜头语言弱 Seedance/Kling社区相对小。Agent 适配度⭐⭐⭐⭐ 角色资产库优先选型。4. Wan 3.0 阿里价格API 低价梯队480P 非常便宜。同时开源权重。质量定位均衡中文理解不错单段时长偏长产品展示、电商素材友好。Agent 适配度⭐⭐⭐ 低成本批量草稿、生成占位镜头、开源备选。阵营 B开源可本地部署MiniMax H3 / Wan 系列这一类是私有化 Agent 工作流最关键选项也是区别纯 API 调用 Demo 的重要工程分支1. MiniMax H3部署门槛最低 12G 显存推荐 24G支持 768P 原生音画同出Ref2VA 多参考图角色锁定、首尾帧能力强。2K 超分部分依赖云端 API。协议社区商用许可不是 Apache/MIT上线前细读。价格本地生成无按秒 API 成本算力成本前置同时也有官方异步 API。定位开源里面最适配分镜漫剧工作流原生音频 多参考一致性是杀手级特性不用分开视频 TTS 两条链路。短板生成速度慢于云端 API2K / 超分受限显存门槛高于小参数 Wan。Agent 适配度⭐⭐⭐⭐ 私有化、素材不能出网、迭代试错量大、想封装成本地 MCP 服务首选。2. Wan 2.x/ 3.0 开源版部署门槛1.3B 轻量版 8G 显存可跑14B 版需要 20G。定位轻量草稿、T2V、低成本本地占位生成生态好 ComfyUI 链路成熟。短板无原生音频角色一致性一般更适合单镜头素材不如 H3 适合多角色叙事短剧。Agent 适配度⭐⭐⭐ 低成本草稿层。重要提醒目前没有任何开源视频模型能在消费级显卡稳定跑 1080P 15 秒高质量且速度远慢云端 API。开源价值是私有化、中间草稿、无限重试成本不是同等质量替代云端。混合工作流是最优解本地跑草稿筛选 prompt优质分镜再调用云端高清 API。阵营 C海外闭源Veo / Runway / Pika / Sora2Google Veo 3.1原生音画同出、电影级画面质量、导演 prompt 理解强单价高国内网络 合规门槛适合预算高的关键镜头不适合中文短剧批量生产。Runway Gen4.5强在视频编辑、inpaint、运动轨迹控制、已有素材二次修改不是最优第一遍分镜生成非常适合审片 Agent 之后的修片 / 补镜头环节。它的价值在工作流后段不是前段 I2V 生成。Pika 2.0风格化、创意、魔改强叙事一致性弱适合创意素材分支。Sora 2长镜头物理强价格高、访问受限国内批量业务基本不纳入主链路。三、几个工程关键维度专项讨论对接 Agent 工作流必看3.1 价格分层 批量生产成本低成本草稿层Wan API / Wan 本地 / MiniMax H3 本地主力分镜生产层Seedance / Vidu动作 / 高清关键镜头Kling 3.0后期编辑层Runway电影级少数镜头Veo / Sora2短剧 Agent 工作流成本控制最佳策略分模型分层调度不要全链路只用最贵一个模型大量草稿试镜用低价 / 本地模型确认分镜 prompt 再上主力高清 API。这和之前大模型分层选型逻辑完全一致。3.2 角色一致性模型能力 vs 工作流能力这是短剧漫剧最大卡点也是很多人对模型产生误解的地方没有任何一个模型单靠自由 T2V prompt 可以稳定跨镜头保持人物。当前可靠路径全部是Agent 工作流层解决 模型原生能力角色资产卡 参考 I2V / IPAdapter / LoRA 专门一致性模型 (Vidu/H3/Seedance) 纯文生视频。这也是我们上篇为什么把「资产 Agent、分镜结构化、引用 asset_id」作为核心环节而不是指望视频模型一步解决。3.3 API 异步任务特征对接多 Agent 队列系统几乎所有视频 API提交返回 task_id轮询状态排队 / 生成 / 成功 / 失败不能同步阻塞等待有并发限制、429 限流、高峰期排队差异巨大Kling 排队 Seedance Vidu失败分prompt 内容风控拒绝 / 生成崩坏 / 超时 / 资源满需要不同重试策略产物 URL 有时效业务侧必须下载归档到自有素材库结论封装成统一 MCP/Worker 层非常必要统一 task 状态、重试、计费统计、模型路由、资产绑定这是中篇技术选型部分会展开的架构点。3.4 原生音频怎么选MiniMax H3 / Veo原生音画同出绝大多数主力Seedance / Kling / Wan / Runway只出画面行业主流成熟链路依然是视频画面生成 独立 TTS Agent 字幕时间轴 Agent 拼接。可控性更好、换配音方便、成本拆分清晰更适配多 Agent 拆解架构。四、面向「分镜驱动短剧多 Agent 工作流」的选型推荐正好承接我们前面规划的 AIGC Agent 项目MVP 首选主力生成模型Seedance 2.5I2V、分镜理解、中文、异步 API、排队、成本、一致性综合最均衡最适配结构化分镜→参考资产→逐镜头生成链路。多角色漫剧优先Vidu / MiniMax H3多参考图角色锁定更强如果要求私有化数据不出网选 MiniMax H3 本地。动作 / 写实镜头专项Kling 3.0做成模型路由分支分镜识别到打斗 / 高速运动镜头切 Kling。草稿试错、私有化链路MiniMax H3 / Wan 开源先本地跑分镜小样筛选 prompt再上云端高清节省大量积分成本。后期修改、局部重绘Runway放在审片 Agent 之后处理坏镜头、局部修正而不是从头生成。TTS / 字幕 / 剪辑保持独立 Agent不要强行合并进视频生成模型。五、总结2026 下半年视频模型已经分化不是谁画质第一而是各自适配工作流不同环节分镜批量叙事、短剧漫剧有自己最优子集不等于通用最强模型。Seedance、Kling、Vidu、MiniMax H3 是中文分镜 Agent 工作流最值得优先接入的四个分别覆盖叙事、动作、多角色、私有化四个差异化位置。开源模型价值在本地草稿、私有化、无限试错云端闭源 API 适合最终高清成片混合分层调度是成本 / 质量最优工程方案。所有视频 API 天然异步 task 模式接入 Agent 系统必须封装队列、状态、重试、资产绑定 MCP 层和普通 LLM 调用完全不一样。角色一致性优先靠上层分镜 资产参考图工作流解决不要单纯期待底层模型自由生成解决跨镜头一致性。
