问答 · 文生视频

文生视频模型

更新于 2026 年 11 月 18 日

简短回答:文生视频模型是把一段文字描述生成一段视频的 AI 模型,一次通常出几秒到几十秒。模型之间差在四样:清晰度、单段最长多少秒、能不能让人物开口说台词、每秒多少钱。文生视频不是某一家公司的东西,国内外很多公司都有自己的模型。SceneMixer 自己不训练视频模型,接了多家的模型分成档位,比如 万相 3.0 · 480P 每秒 8 积分、Seedance 2.5 Pro 每秒 60 积分,按段选。
SceneMixer 生成的 AI 短剧《两阵争一将》成片画面(4 个角色、1 集)
样片两阵争一将真人胶片质感1 集由 SceneMixer 流水线从剧本直接生成看整集

文生视频模型是怎么工作的

简单说,模型学过大量的视频和对应的文字,学会了「这句话大概对应什么样的画面和动作」。你给它一段描述,它从一片噪点开始,一步步「画」出每一帧,同时让前后帧连得上。描述越具体——谁、在哪、做什么、光从哪来——画面越接近你想的。再加上参考图,模型就知道这个人应该长什么样。

文生视频是哪家公司的

不是一家。文生视频是一类技术,就像「搜索引擎」不是某一家公司的名字。国内外有很多公司在做自己的视频模型,各有长处:有的画质好,有的动作自然,有的便宜快,有的单段能更长。SceneMixer 不自己训练模型,而是把几家的模型接进来,分成档位,你在每一段上选用哪一档。

模型之间差在哪

  • 清晰度:从 480P 到 1080P,另有 2K 的档。
  • 单段时长:有的一段最长 15 秒,有的最长 30 秒。
  • 会不会说话:有的模型能让画面里的人张嘴说出台词,声音和口型一次出来。
  • 价格:按秒计价,最便宜的档每秒 8 积分,最贵的每秒约 ¥2.44。
  • 风格擅长:有的写实更好,有的动画更好,有的动作戏更稳。

SceneMixer 里有哪些档

档位选择器把每一档的分辨率标在每秒积分旁边。举几档:万相 3.0 · 480P 每秒 8 积分,万相 3.0 · 720P 每秒 15 积分,万相 3.0 · 1080P 每秒 30 积分,Seedance 2.5 Flash 每秒 20 积分,Kling 4.0 每秒 30 积分,MiniMax H3 每秒 20 积分。默认档是最便宜的那一档。

文生视频模型,看这四样清晰度480P 到 1080P,另有 2K 档单段时长最长 15 秒或 30 秒,看档位说话声音和口型能不能一次出来价格按秒,从最便宜到最贵差好几倍没有一个模型样样最好。
按每一段要什么来选。

怎么选档

最省钱的做法是:整集先用默认档跑一遍,看剧情和节奏;再挑开场、高潮、结尾这几段换高档重新生成。特写和情绪戏值得用清楚的档,远景和过场留在便宜档。同一集里每一段可以用不同的档,合成时拼在一起。

模型之外,还要什么

单靠模型只能出一段画面。要做成一部片,还需要:把故事拆成镜头、让人物每一段长得一样、让台词由对的人说出来、把段接起来合成一集。SceneMixer 做的就是模型之外的这些事:解析剧本、出设定图、写分镜、逐段调模型、合成,每一段都把人物的设定图交给模型当参考。

模型会换代,怎么办

视频模型更新很快,几个月就有新版本。SceneMixer 的档位会跟着加进新模型;你在一个项目里可以换着用,同一个人物在不同档位上都按同一张设定图画,不用因为换了模型就重做人物。

模型为什么有时画不对

模型理解的是文字,不是你脑子里的画面。写「她很紧张」,模型不知道该画什么;写「她攥着衣角,眼睛一直盯着门口」,就画得出来。一镜里塞的事情太多、人太多,模型也容易顾此失彼。所以分镜要一镜一件事、写看得见的动作,这比换一个更贵的模型管用。

同一段换个档会怎样

画面会不一样:同一段分镜,换个档重新生成,表演、镜头、光线都会变,人物还是按设定图画。换高档一般更清楚、动作更稳,但每秒更贵;有的档单段只能到 15 秒,长镜段要拆开。换之前先看卡上的每秒价和预计时间。

AI 视频生成技术,大致怎么回事

现在的 AI 视频模型,是在大量视频上训练出来的:给它一段文字(有时加一张参考图),它一帧一帧地生成画面,并让前后帧连贯,有的还同时生成声音。不同档位的模型画质、时长、价格不同。SceneMixer 里每一档在生成按钮上写着每秒价格。

局限:模型本身做不到的

  • 一次生成几分钟:所有模型一次都只能出一段,长视频是接起来的。
  • 画面里清楚的文字:生成的招牌、字幕常常是乱的。
  • 每一帧都精确受控:动作细节要多生成几次挑。

常见问题

文生视频是哪家公司的?

不是一家的,很多公司都有自己的模型。SceneMixer 不自己训练模型,接了多家的模型分成档位。

文生视频模型哪个最清楚?

看档位标的分辨率。SceneMixer 的档位选择器把分辨率写在每秒积分旁边,最高到 2K。

不同模型做出来的人物会不一样吗?

先出设定图就能保持一致。SceneMixer 每个档位都按同一张设定图画这个人。

文生视频模型要自己部署吗?

不用。SceneMixer 在云端调模型,浏览器打开就能用。

档位怎么选见选哪个清晰度;按用途选模型见哪个模型最好,按用途选;文生视频是什么见文生视频是什么意思。

在档位选择器里比一比

每一档的清晰度和每秒积分写在一起。

免费注册

每秒视频的费率见定价页,数字一致。