数据核对于 2026-07-25。下面的价格与约束来自我们自己的线上对接,不是抄供应商的宣传页。
大多数「最好的 AI 视频生成器」榜单比的是宣传口径。这一篇比的是我们在生产环境里真正跑的 18 个模型——单镜头成本、合法时长、分辨率上限,都是我们自己撞出来的,不是读来的。
成本是 Tovaki 上的真实积分扣费,用的就是计费系统那套公式(`compute_generation_credits`)。表里的数字等于一个镜头真正扣掉的积分,不是标价。
时长与分辨率来自我们的对接契约——挨个调供应商 API 直到被拒才定下来的。凡是供应商宣传里有、但端点实际不给我们的档位,我们按端点真正给的写。
原生音频只标记那些对接说明里记录了我们已接线并跑通音频链路的模型。
本页刻意不做的事:画质排名。我们没有做过固定提示词 + 盲评的受控对照,那么排出来的名次就是把主观意见包装成测量结果。想知道谁好,拿同一条提示词在两个模型上各跑一遍自己判断——表里每个模型都只隔一个下拉框。
每个模型按它**自己能跑的最短档**报价——不是所有模型都有 5 秒档(Veo 是 4/6/8 秒,海螺是 6/10 秒),统一按「5 秒价」写等于报了一个它产不出的时长。跨模型比较请看每秒价一列。按每秒价从低到高排。
| 模型 | 出品方 | 最短档 · 720p | 最短档 · 1080p | 每秒积分 @720p | 最高分辨率 | 时长档 | 原生音频 |
|---|---|---|---|---|---|---|---|
| 即梦 1.5 Pro·带音频 | ByteDance | 5 秒 → 20 | 5 秒 → 40 | 4 | 1080p | 5–10s | 有 |
| 万相 2.1 极速 | Alibaba | 5 秒 → 25 | — | 5 | 720p | 5s | — |
| 可灵 2.6 | Kuaishou | 5 秒 → 30 | 5 秒 → 50 | 6 | 1080p | 5 / 10s | 有 |
| 可灵 2.5 极速 | Kuaishou | 5 秒 → 30 | 5 秒 → 50 | 6 | 1080p | 5 / 10s | — |
| 即梦 1.0 Pro | ByteDance | 5 秒 → 35 | 5 秒 → 75 | 7 | 1080p | 5–10s | — |
| 海螺 2.3 | MiniMax | 6 秒 → 48 | — | 8 | 720p | 6 / 10s | — |
| Veo 3.1 Lite | 4 秒 → 32 | 4 秒 → 48 | 8 | 1080p | 4 / 6 / 8s | 有 | |
| 海螺 02 | MiniMax | 6 秒 → 48 | — | 8 | 720p | 6 / 10s | — |
| 即梦 2.0 Mini | ByteDance | 5 秒 → 50 | — | 10 | 720p | 5–10s | — |
| 可灵 v3 | Kuaishou | 5 秒 → 60 | 5 秒 → 80 | 12 | 1080p | 5 / 10s | 有 |
| 可灵 v3 Omni | Kuaishou | 3 秒 → 36 | 3 秒 → 48 | 12 | 4k | 3–12s | 有 |
| 可灵 O1 | Kuaishou | 5 秒 → 60 | 5 秒 → 80 | 12 | 1080p | 5 / 10s | — |
| 通义万相 2.6 | Alibaba | 5 秒 → 60 | 5 秒 → 100 | 12 | 1080p | 5 / 10 / 15s | 有 |
| 通义万相 2.7 | Alibaba | 5 秒 → 60 | 5 秒 → 100 | 12 | 1080p | 5 / 10 / 15s | — |
| Veo 3.1 Fast | 4 秒 → 60 | 4 秒 → 72 | 15 | 4k | 4 / 6 / 8s | — | |
| 即梦 2.0 Fast | ByteDance | 5 秒 → 80 | — | 16 | 720p | 5–10s | — |
| 即梦 2.0 | ByteDance | 5 秒 → 100 | 5 秒 → 250 | 20 | 4k | 5–10s | — |
| Veo 3.1 | 4 秒 → 232 | 4 秒 → 232 | 58 | 4k | 4 / 6 / 8s | 有 |
音频列的横杠表示我们的对接说明里没有记录该模型的音频链路,不等于供应商没有。1080p 列的横杠表示该模型的端点对我们不开放 1080p 档。 另外要说清楚:这些模型确实能音画同出,但本站的视频生成目前没有音频开关,提交时音频一律关闭,所以你现在拿到的是无声视频。要配音请自己上传音轨,在合成节点里混。
即梦 1.5 Pro·带音频(ByteDance),每秒 4 积分——它最短的一档是 5 秒、20 积分,是表里每秒成本最低的。规划前先看时长一列:每秒便宜但只有短档的模型,单镜能拿到的长度仍然有限。
即梦 1.5 Pro·带音频,1080p 下每秒 8 积分。一个值得知道的事实:Veo 3.1 的 1080p 每秒价与 720p 完全相同(不加价),而表里加价最狠的是 2.5×(即梦 2.0)——所以 720p 最便宜的模型往往不是 1080p 最便宜的。
4 个:可灵 v3 Omni、Veo 3.1 Fast、即梦 2.0、Veo 3.1。其余模型在我们能用到的端点上都到不了 4K。
7 个模型在我们的对接里接了原生音频链路:即梦 1.5 Pro·带音频、可灵 2.6、Veo 3.1 Lite、可灵 v3、可灵 v3 Omni、通义万相 2.6、Veo 3.1。原生音频指的是模型把声音和画面一起生成,而不是你事后再配。
通义万相 2.6、通义万相 2.7,一次生成 15 秒。更长的片子是靠生成多个镜头再剪到一起,画布就是干这个的。
上面比的是模型。如果你要比的是平台,我们给每个竞品单独做了一页,价格是从对方自己的定价页上读的,并且明写了我们拒绝比较哪些项。
这 18 个模型和它们的费率核对于 2026-07-25。模型目录变动很快;每个模型自己的页面上是实时费率,两边对不上时以模型页为准。
因为「最好」取决于这个镜头要什么。对白戏要原生音频,产品循环要分辨率,60 个镜头的短剧要每秒成本最低。表给的是几根轴,让你按镜头挑——产品本身也是这么用的,模型是按镜头选而不是按账号绑定。
生成一个 5 秒 720p 镜头。用表里最便宜的 即梦 1.5 Pro·带音频,是 20 积分。同一条提示词在两三个模型上各跑一遍,比大多数月费订阅还便宜。
不用。一份 Tovaki 订阅覆盖表里全部模型,按镜头花积分,同一部片子里不同镜头可以换着用。