文生视频模型排名

你可能正卡在这一步：翻了几份榜单，名次看懂了，但真到挑模型时还是不知道哪家适合手上的活。这篇不堆数字，只讲怎么看排名背后的维度——谁擅长写实、谁擅长运镜、谁擅长中文场景、谁胜在稳定出片，以及什么情况下榜单结论对你不适用。看完能自己排出一份贴合项目的候选名单。

排名到底在比什么：先看清榜单的口径

看到一份文生视频模型榜单，先别急着看谁排第一。同一个模型，在A榜上画质拔尖，在B榜上可能连指令都跟不准，在C榜上时长垫底——不是榜单造假，是它们测的根本不是一回事。名次高低之前，先问一句：这份榜测的到底是什么。

所以两张榜单的名次不能直接拼在一起看。A榜的第一名放到B榜可能掉到中游，不是谁退步了，而是两榜的评分维度和权重不同。想横向比，前提是两榜口径一致；口径不一致，就只能各看各的，别硬凑成一张总排名。

• 翻到评测说明页，看样本是怎么选的：随机构造、社区征集，还是挑的难题
• 确认评委是谁：纯自动指标，还是掺了人工偏好打分
• 看打分方式：是绝对分数，还是两两对比选更优
• 留意有没有声明测试集的来源和时间，过期的集子参考价值会打折
• 对比两榜时要看它们是否用了相同的评分维度和权重

站内已经收录了若干测评体系，具体当前有哪些、各自的口径和收录范围，别凭印象，直接去 /benchmarks 和 /benchmarks/registry 核对。看完再决定这份榜值不值得信、该拿它看哪一面。这招不适用于只想随便看个热闹的场景；真要选模型落地，口径没搞清就下结论容易踩坑。

看榜单先看口径，比看名次有用得多。

选型者真正该看的能力轴

看排行榜时最容易犯的错，是拿一个综合分数去对所有人的需求。真实情况是：同一批模型，在写实人物上强的，未必能听懂你「镜头从窗外推进到桌面」这种调度；能出长镜头的，画面里的中文字可能糊成一片。所以选型第一步不是看名次，而是先把自己要产出的内容归类，再对照下面几条能力轴挑。

这张表怎么用：先圈出你必须满足的那一两条轴，把不相关的能力轴直接降权，再去 模型资料库（/models） 按轴逐项看。别用「哪个分高用哪个」的思路，综合分高的模型往往在某一两条轴上反而不是最强。

• 画质与真实感：注册几个平台，用同一段描述词各跑一条写实人物特写，重点看手部、牙齿、皮肤反光和背景物体边缘
• 指令跟随与运镜：写一条带明确调度的提示词，比如「先中景、再推到近景、最后切到侧面」，看它执行到第几步开始丢指令
• 时长与连贯：按你实际要用的时长上限跑满，重点看中段主体有没有变形、场景有没有跳变
• 文字与中文场景：把一段中文字放进画面（招牌、包装、字幕），检查笔画是否成字、有没有乱码式伪文字
• 成本与产能：结合你们真实出片量，按当时的单价去 价格与计费（/pricing） 页面测算，不要只看单条便宜

1. 先定内容类型把团队接下来一个月的需求写成清单，标出每条属于品牌片、叙事分镜、口播背景还是电商中文物料，用这张清单决定哪几条轴是硬指标。
2. 按轴做对照测试每条轴只跑 2-3 条样例，用同一段提示词横向比，不用跑几十条，能看出差异就够。
3. 记录失效边界把「哪个模型在哪条轴上翻车」写下来，比如某条轴超过某个时长就开始崩。这份记录比名次有用。
4. 定期复核模型能力变化快，去 榜单与追踪（/rank） 看当时的结论，再决定是否需要重测，别用半年前的印象做决策。

差距一般出在哪几个环节

很多人看文生视频模型排名，第一反应是比画质、比谁更真。但实际做项目时会发现，同一款模型，换一种提示词写法，出来的片子能差出一整个档次。这种波动往往比换模型本身还大。所以先别急着下结论说某个模型不行，先回头看看自己的提示词是不是没喂明白。

另外两个容易被忽略的环节是跨镜头一致性和出片速度。人物换个镜头脸就变了、前后场景接不上，这是目前大多数模型的共同短板，不是某一家的锅。而排队时长和出片速度在赶工期时比画质更要命，你要的是按时交东西，不是拿最佳视觉奖。

• 提示词问题先别赖模型：把同一段提示词换个语序、加不加运镜描述，各跑一遍对比，波动大说明是你写法的问题，不是模型差距
• 人物一致性靠参考图顶：想做跨镜头稳定，先把主要角色的参考图固定下来，再分段生成，最后在剪辑里对齐
• 多镜头别硬一次性生成：拆成几个独立镜头分别出片，比让模型一口气演完更可控，衔接问题留到后期处理
• 赶工期就换权重：时间紧的时候，出片速度和排队时长比画质更值得优先考虑，去站内工具目录挑当前响应快的那个

1. 先固定变量用同一段脚本、同一张参考图，只改提示词写法跑两条，看差异是来自写法还是模型本身。
2. 再测一致性让同一个角色出现在两个不同镜头里，检查脸和服装是否漂移，漂移明显就上参考图加分段生成。
3. 最后看交付节奏记录从提交到拿到可用片子的实际耗时，包括排队，再判断这个模型适不适合你当前的项目周期。

按你的产物对号入座

排名这东西，只有落到你的具体产物上才有意义。同一份榜单，做带货短片的团队和做分镜叙事的团队看出来的结论可能完全相反。先想清楚你要交的是什么，再回头去对号入座，能省掉一大半试错。

• 带货短片天然是「量」的生意，同一款商品要出很多条做投放测试，能稳定批量产出比偶尔出一条神作值钱。
• 口播背景往往是长时间铺在人物后面循环播放，中途跳一下、闪一下，观众立刻能看出来，稳定和衔接是硬指标。
• 分镜叙事最难的不是单帧好不好看，是第二个镜头里的东西还认不认得出来，多抽几次几乎是默认成本。
• 内部提案只需要让同事看懂你的构思，画质够用就行，把时间花在等一条高清片上并不划算。

1. 先定产物类型用一句话写清这条片子是投流、做口播底、讲故事还是内部汇报，别用「都想要」糊过去，四种诉求互相打架。
2. 挑出两项硬指标从表格里选你这一类对应的前两项，其他的当作加分项；验证方式就是拿同一段提示词连出几条，看这两项稳不稳。
3. 用站内资料核对到「/models」查各模型的擅长方向，再去「/pricing」看当时的计费方式，两边一起看才知道一次试错的真实代价。
4. 小额试跑再定别一上来就换主力工具，先用一个小任务跑通，确认产物达标再铺开。

想引用名次和参数，去站内看当时的数字

写文生视频模型排名这类内容，最容易踩的坑就是把某个时间点的名次、参数、价格写进正文——过两周就过时，还容易被人拿旧截图来对线。所以这里的规矩很简单：正文只给判断方法和该看哪个页面，所有会变的数字统一去站内页面当场核对。

模型规格

支持时长、分辨率、帧率、是否带音频这些，属于滚动更新项，去 /multimodal 看当下整理

参数与排名

各家新版本上了没、谁排前面，去 /models 按当时字段对照，不抄进正文

计费口径

按张、按秒、按积分三种都可能，去 /official-api 看官方口径、/price-watch 看波动

真实出片体验

排队、失败率、水印、审核卡点，看 /usage 与 /crowd-radar、/ai-status 的交叉信号

1. 先定你要比的是哪一类是比官方规格、比到手价格，还是比真实出片体验。三类数据的页面不在一起，混着看容易被官方样片带偏，先明确目标再进对应页面。
2. 把规格与计费口径抄成一张对照表去 /models 与 /multimodal 取时长、分辨率等规格，再去 /official-api 与 /price-watch 取计价单位。表格里只填「单位」和「来源页面」，不填具体数字，避免过时。
3. 用真实使用信号校验官方样片官方样片是精选结果。到 /usage、/crowd-radar 与 /ai-status 看排队、失败与故障信号，如果三项都偏负面，规格再好看也要降权。
4. 记录核对时间，标注会变的字段在表格里加一列「核对时间」，下次复查只更新这一列和会变的字段，省得整篇重写。

不适用的情况也说清楚：如果你只是给自己做一次性选型、不对外发布，那随手记下当时的数字没问题；但只要是给别人看、要长期挂在站上的内容，就必须走「查页面、不写死」这条路。反过来，如果某个字段已经明确标注为长期稳定（比如接口协议本身），那可以当作背景说明写，但仍要指向站内对应页面。

什么时候别信排名

榜单是给大多数人看的平均值，你的活儿往往只占其中一小块。如果你的需求是把同一款杯子拍出固定角度的旋转镜头，或者只做宠物口播那类重复画面，通用榜单里那些「综合最强」的模型跟你关系不大——它评的是泛化能力，你要的是这一件事上别翻车。

• 把榜单里的模型按「我能不能用」先筛一遍，不能用的直接划掉，剩下的才谈好坏；
• 用你自己最常做的那条 prompt 和素材，在候选模型上各跑一遍，看的是能不能稳定出可用的画面；
• 把你锁定的后期流程算进去：换模型后调色、补帧、剪辑节奏要不要重调；
• 如果收益只是好一点点，别换；要换就换明显能省掉一个环节的那种。

可用性清单

能注册、能付费、延迟能接受、输出格式能进你现有流程的模型集合，比排名更贴近现实。

场景权重

榜单给每项能力打的权重是平均来的，你的场景可能只占其中很小一块，权重自然不一样。

迁移成本

换模型要重写提示词模板、重调节奏、重跑几条样片验证，这些工时才是真正的代价。

什么情况下这条不适用？如果你做的是很宽泛的商单，客户什么风格都接，或者你还在摸索阶段没有固定套路，那通用排名还是有用的，它能帮你把明显不合适的选项排掉。但只要你已经有一条跑得顺的生产线，排名就退居其次了，先看可用性，再看迁移值不值。想核对各家当前的价格、模型清单和可用地区，去站内资料库和价格追踪页面看当时的数字，别拿旧印象做决定。