嗨，我是 AI尹小歪 ，WaytoAGI视频板块版主。
你身边的AI工具分享家，专注挖掘实用AI工具与热门玩法，陪你用AI提效，创造更多价值。
搜索公众号 “小歪的AI工具箱” ，关注我不迷路\~
最近的视频模型，更新速度是真的有点夸张
Seedance 2.5、Flux 3.0、MiniMax H3、Wan 3.0，还有Meta Muse Video、Grok Imagine Video，一批模型前后脚出现
Seedance 2.5更偏长叙事和高画面质感的要求
但平时做15秒短剧、Vlog和舞台视频，我还是更关心 效果、抽卡和成本 能不能平衡
所以我这次派出 Seedance 2.0 fast 出战，跟 MiniMax H3 和 Wan 3.0 放在一起，用7组不同场景使用相同提示词做效果对比
其中古装微表情和两个短剧案例，我没有给人物参考图，而是直接用纯文生视频（T2V）来跑
因为在没有图像锚点兜底的情况下，人物长什么样、站位、构图、光影，全都要靠模型自己，这样更能看出它不靠参考图时的原生生成能力和基础能力边界
**1 多场景案例效果对比**
01 真人感
晨起Vlog
第一条我没有设计什么大场面，就是一个女生普通的夏日早晨
她从床边起身，去卫生间刷牙，再到厨房倒麦片和燕麦奶，最后到阳台，晨风吹来，她轻轻打了个喷嚏，揉揉鼻子笑了一下
卧室、卫生间、厨房和阳台连续换了四个空间，刷牙、倒奶、端碗、拿报纸都涉及手和物体的接触，其中一个动作穿模，或者换场景之后人物突然变了，整条Vlog就会立刻露出AI味
这类视频平时很实用，旅行记录、生活方式账号、探店和人物短片，都需要这种不那么像广告的随手拍质感
Seedance 2.0 fast VS Wan 3.0
提示词
@图片1提供了该女生的精准面部特征、发型、眼型和整体面部结构。请完全忽略参考图中的服装和背景。
生成一段连续向右平移镜头的真实夏日晨间 Vlog 片段。
参考图提供了女生的精准面部特征、发型、眼型和整体面部结构。请完全忽略参考图中的服装和背景。
0-3s – 卧室与卫生间： 女生穿着清爽的清浅色系夏日吊带睡衣，睡眼惺忪地从床边站起，画面硬切，她在卫生间，对着镜子刷牙。
3-8s – 开放式厨房：画面硬切， 她来到厨房岛台前，迅速将麦片和燕麦奶倒进碗里，双手端起碗大口喝完放下碗，擦了擦嘴角，转身推开阳台玻璃门。镜头继续平移。
8-13s – 阳光阳台： 她走到阳台，走到小茶几旁，顺手拿起上面放着的一份折叠报纸。这时，一阵晨风吹过，拂动她的发丝。她忍不住小声打了个轻微的喷嚏，随后揉了揉鼻子，有些呆萌地笑了笑。
视觉与胶片风格设置
视觉风格： 真实的 Vlog 质感，采用通透明亮的自然夏日晨光，略带一点温馨的暖色调，画面有轻微的自然手持感颗粒。 运镜运镜： 保持快速且平稳的连续向右平移镜头。
音频与环境音： 无对白。轻快紧凑的真实夏日晨间环境音（如风吹过树叶声、蝉鸣、鸟鸣、喷雾声、倒奶声、轻微喷嚏声）。小歪点评
这一条两个模型的差距确实不大，自然光和皮肤质感也都挺接近真人，没有哪一边明显把另一边拉开
Seedance 2.0 fast的优势主要在整段动作比较顺，从起床伸懒腰、刷牙，到厨房里倒麦片和燕麦奶，再端起碗喝完，最后走到阳台看报纸、打喷嚏，几个生活片段接起来比较自然，镜头也带着一点随手拍的轻微晃动，更像朋友顺手记录下来的晨间Vlog
Wan 3.0女生的皮肤、头发和晨间光线都挺真实，后面的刷牙、准备早餐和看报纸也没有太大问题，比较可惜的是Wan 3.0开场起床的位置有点不对，看起来像直接从床中间穿了出来
古装微表情
这是一条测试人物微表情和多段不同情绪，能不能在固定近景里丝滑转化的演技场景
故事里，她早就知道自己要嫁的人不是心上人，看到画面右侧来接她的迎亲队已经到了门口，她知道自己要出嫁了再也回不了头了
这条重点看人物能不能从平静、察觉、迟疑，一路过渡到失落、强撑和含泪重新面对，而不是一开场就直接演成伤心哭戏
Seedance 2.0 fast VS H3
提示词
连续单镜头人物近景表演，一个年轻的古装女子，固定机位，浅景深，焦点始终锁定人物双眼，背景柔和虚化，画面右侧边缘保留少量前景散景，暗示人物正在观察镜头外的人或事。柔和侧光照亮眼睛，保留自然皮肤纹理、细微唇纹，不过度磨皮。
【0至2秒：察觉异常】 人物像是突然注意到画面右侧的动静。视线先于头部缓慢移向右侧，停顿约半秒后，下巴和头部才轻轻抬起并随之转动。嘴角的笑意逐层消失：先是嘴角放松，随后双唇恢复平直。眼神从柔和游离转为专注留意，动作轻微，不表现为受惊。
【2至4秒：疑惑与担忧】 视线持续锁定画面右侧。双眼自然微睁，下眼睑出现极轻的紧张感，眉心略微内收，但不明显皱眉。人物短促吸气后稍作停顿，双唇轻启约一至两毫米，似乎想开口询问，却没有发出声音。喉部出现一次很轻的吞咽动作，呈现担忧、迟疑和欲言又止。
【4至6秒：失落下沉】 人物似乎从镜头外得到一个令自己失望的答案。视线先缓慢下沉，随后头部才轻轻低下。双唇重新闭合，下颌出现极轻的收紧感，嘴角完全失去笑意。人物缓慢呼出一口气，肩膀只随呼吸产生极小幅度的自然下沉。
【6至8秒：掩饰难过】 人物低头轻轻闭眼，停留短暂片刻，像是在压下即将外露的情绪。呼气结束后，双唇先轻抿一下，随后一侧嘴角极轻地抬起，形成一抹短暂、自嘲而无奈的浅笑。笑意没有进入眼睛，眼周仍保留淡淡的疲惫和失落。
【8至10秒：重新面对】 人物缓慢吸气，睁开双眼并抬起头，重新望向前方偏右的柔光。眼神逐渐恢复一点亮度，但依旧克制。泪水湿润了眼眶。唇角残留一丝温柔而委屈的淡意，像是在努力让自己平静下来。小歪点评
这一条的人脸真人感，我觉得MiniMax H3其实挺能打，皮肤、眼神和最后的泪水都更贴近真人演员的近景状态
但把10秒连起来看，Seedance 2.0 fast 的情绪转变节拍更清楚：一开始还有一点放松的笑意，接着才把视线移向右侧，嘴角慢慢收住，到了后面才低头闭眼，最后再抬起脸时，眼眶湿了，嘴角还在努力留住一点笑，这个“我没事”的感觉是成立的
H3的问题不在人脸不真实，而是情绪进得太早了，开场就已经是偏低沉、偏收着的状态，中间虽然也有闭眼、低头和落泪，但“察觉到迎亲队来了”到“自己马上要嫁给自己不喜欢的人了”的那一下转折没那么明显，整条更像从一开始就在难过
这条我不会说Seedance 2.0 fast在真人感上全面超过H3，但如果是测多段微表情和情绪递进，我会选Seedance 2.0 fast，它把五段表演拆得更开，观众更容易看懂她到底是怎么从平静走到难过的
02 短剧
人物演技之后，我又安排了两条狗血短剧
豪门反转
第一条是典型的豪门打脸戏，测试短剧节奏和剧情接力的场景，提示词给得比较简单，镜头怎么切、人物怎么站、情绪怎么往上推，基本都交给模型自由发挥
这条主要看人物站位和动作接触是否合理，以及台词情绪、切镜节奏和最后的反转，能不能撑起爆款短剧需要的强情绪和爽感
Seedance 2.0 fast VS H3
提示词
爆款豪门都市短剧，【角色】少爷、老管家、母亲 【场景】豪门家宴
0至3秒 少爷把水杯里的水泼在老管家身上。少爷：“一个管家，也配坐在主桌？”
3至11秒 母亲突然起身，一巴掌扇向少爷。母亲：“跪下，给他道歉！”少爷捂脸：“妈，你为了一个管家打我？”
11至15秒 老管家脱下工作外套，露出左边衣服的董事长胸针。母亲低声：“他是集团真正的创始人——也是你外公。”
【卡点】少爷手中的水杯落地。
全片无字幕，无水印小歪点评
这条 Seedance 2.0 fast 切镜更懂得往人物的表情上落，人物说话时的情绪张力更足，15秒看下来会更像短剧
H3的优点是真人感更好一些，人物皮肤和整个家宴环境看着更接近真人实拍，不过它的动作关系有点可惜，母亲站位有点奇怪。更明显的是，少爷脸上的红印在视频刚开始就已经出现了，有点穿帮，另外，人物说话的节奏和情绪起伏偏平，少了一点豪门短剧该有的“爽感”
Seedance 2.0 fast 也不是全对，挨打之后痕迹重了点，人物皮肤细节处理的不错，真人感和H3不相上下，不过这条短剧节奏、情绪张力和剧情反转，Seedance 2.0 fast 还是胜出的
情侣对峙
第二条换成都市情侣短剧，提示词也给的比较简单，只有台词和基本设定，其余镜头和表演都交给模型自由发挥
这条重点看模型能不能围绕矛盾升级安排情绪切镜，人物说台词时有没有真正进入状态，情绪能不能通过眼神、语气和动作演出来，同时也看整段的节奏感和冲突张力
Seedance 2.0 fast VS H3
提示词
给我出一个爆款短剧
【角色】 男生：26岁咖啡店老板，穿日常衬衫。 女友：27岁旅行摄影师，穿长款风衣。
【场景】情侣公寓
0至3秒 桌子上放着一个手机，男生把一枚男士戒指拍在桌上说：“这是谁的？”女友慌忙抱住他：“你要相信我。”
3至11秒 桌子上的手机突然响起。男生拿起桌上的手机接通电话说：“喂”，电话里传来一个陌生男人质问：“你是谁？为什么接婉婉的电话？”
11至15秒 男生愤怒的挂断电话，摘下情侣项链丢地上，对女生说：“这次不用你选，我退出。”
【卡点】男生转身离开，项链落在女友脚边。小歪点评
这条 Seedance 2.0 fast 处理明显更懂短视频里的网剧节奏，开场直接给戒指特写，马上把矛盾抛出来
Seedance 2.0 fast的切镜也更密，会在戒指、来电界面和人物表情之间来回切换，尤其陌生男人的电话打进来以后，男生从怀疑到愤怒的情绪一下就被推上去了，最后再用项链落地和转身离开收尾，整体更像我们平时刷到的都市情感短剧
H3更像一段正常电视剧，它保留了更多两个人的同框和公寓环境，镜头没有那么急，人物的皮肤和表演状态也更接近真人，最后的项链落地和男生离开同样做出来了，这部分执行并不差
不过放在15秒短剧里，H3开场没有特写戒指，镜头在两个人身上停留得比较久，冲突来得慢了一点，后面的情绪也更克制，所以虽然看起来更像真人电视剧，但少了一点短剧需要的强钩子和爽感
03 多人物
女团舞
接下来测动作
这条不只是让人物完成几个舞蹈动作，还要同时处理音乐卡点、身体重心、面部表情、镜头追焦和整个舞台氛围
Seedance 2.0 fast VS H3
提示词
严格锁定成年女团主舞 图片1的五官、发色、身材比例、妆容和舞台服装。15秒，9:16竖屏，85mm长焦户外音乐节直拍，一镜到底。舞台正在下细雨，主舞面部始终清晰，伴舞只作后景虚化陪衬。
0至4秒，主舞先专注看向镜头，随鼓点自然眨眼一次，嘴角出现明亮但不过分夸张的笑意。她双手从脸侧打开，在胸前交叉后向两侧甩开，同时向前踏两步，肩胯交替卡点；摄影机随她向前移动同步后退，胸口保持真实呼吸起伏。
4至8秒，副歌鼓点增强。她完成双臂从胸前向外甩开、两次肩胯交替卡点和连续脚步换重心。湿发贴住部分脸颊，又因动作惯性自然甩开；雨滴被舞台追光照亮。
8至12秒，她侧身压肩后快速回正，完成一次有力量感的甩发、半圈转身和身体波浪。摄影机轻微横移保持构图，焦点始终锁住面部。她的表情随节奏从专注转为灿笑，眼周、脸颊和嘴角同步参与，不出现假笑定格。
12至15秒，她向镜头前踏半步，单手停在脸侧，另一只手压住腰线，完成一次短促的肩部卡点后定住结束姿势，朝镜头自然眨眼并露出明朗笑容。发丝、耳坠和裙摆因惯性继续摆动，现场欢呼、雨声、舞台回声与原创女团流行音乐自然融合。人物是否自然开口或发声由模型自由发挥。
禁止换脸、换装、肢体穿插、脚底打滑、伴舞遮挡、失焦、乱切镜、字幕、Logo和水印。小歪点评
Seedance 2.0 fast的动作幅度更大，肩胯卡点、转身、甩发和身体重心都能连起来，人物不是站在原地摆几个姿势，能看出她在跟着音乐真正跳舞，摄影机也会随着人物移动，发丝和身上的装饰跟着动作甩起来以后，整个画面一下就有了舞台直拍的感觉
它还根据音乐自然补出了开口演唱的状态，表情也一直在变，从专注看镜头，到跟着节奏开口，再到转身以后笑起来，唱、跳和镜头互动是连在一起的。再加上细雨、追光和后方舞台环境，整体已经很接近真实的女团唱跳现场
H3的画面很清楚，人物的五官和妆容也保持得比较稳，单看某一个定格其实挺好看，但连续看下来，人物的动作幅度偏小，肩胯和身体重心变化不够明显，很多时候更像站在舞台上换姿势，表情也比较固定，少了一点跟着音乐越来越投入的状态
四人环绕豆志刚运镜
单人动作之后，我又拿四张不同的人物参考图，做了一条豆志刚运镜的女团舞台秀
这条不只测四张脸会不会串、会不会突然换成别的人，也看四个人在镜头推进里会不会少人或多出人，再看弧形运镜、焦点切换、光影、人物表情和最后定格的舞台感能不能一起撑起来
Seedance 2.0 fast VS H3
提示词
【基础设定】
女团成员一：外貌参考 图片1。超长黑色直发、齐刘海，身穿黑色微闪舞台装，气质清冷神秘。
女团成员二：外貌参考 图片2。粉色长发，身穿珍珠镶嵌短上衣与同系列舞台短裙，气质华丽甜酷。
女团成员三：外貌参考 图片3。浅金色长直发、齐刘海，身穿白银亮钻短上衣与白色舞台裙，气质明亮耀眼。
女团成员四：外貌参考 图片4。黑色长卷发、细框眼镜，身穿白色修身衬衫、黑色皮质短裙、黑色长袜与高跟鞋，气质利落冷艳。
全程仅出现四名女团成员，禁止出现伴舞、群演或多余人影。
场景：奢华午夜舞厅式舞台，顶部悬挂水晶吊灯，两侧是向黑暗深处延伸的大理石拱柱，黑色镜面地面倒映灯光，空间中漂浮淡淡薄雾。
【气氛与画质】
电影级写实质感，冷蓝环境光与暖色吊灯交织，浅景深，人物之间自然转移焦点，豆志刚式弧形环绕运镜，全程一镜到底。
【画面内容】
0至2秒：中景。镜头缓慢向左做弧形环绕。女团成员一独自站在中央聚光灯下，微微低头，随后踩着音乐节拍抬眼直视镜头，焦点锁定在她身上。
2至5秒：镜头继续向左环绕。女团成员二以模糊前景进入画面，焦点从成员一自然转移到成员二。成员二转头面向镜头，成员一逐渐虚化为焦外背景。
5至9秒：镜头开始后拉并继续向左横移。成员二退至中景，女团成员三从左侧大步走入前景，浅金长发与白银舞台装反射吊灯光芒，焦点转移到成员三，她冷静直视镜头。
9至12秒：镜头保持弧形环绕。成员三从前景向主位移动，女团成员四从右侧进入画面，转身面向镜头，焦点短暂转移到成员四，四名成员逐渐全部进入同一空间。
12至15秒：远景。镜头继续后撤并轻微升高，四人形成杜琪峰式站位，前中后层次清晰，人物互不遮挡。薄雾缓缓飘过，四人共同直视镜头并在最终阵型中定格。
【声音】
中速偏快的高级流行女团音乐，鼓点与抬眼、转身、焦点转移同步。最后三秒音乐逐渐增强，在四人定格时形成高潮。全程无对白、无字幕、无水印；镜头不切换、不倒放，人物不瞬移、不换脸，发型和服装始终与各自参考图一致。仅出现四名女团成员，禁止出现伴舞、群演或多余人影。小歪点评
这一条Seedance 2.0 fast的更自然，不仅是在运镜过程中发丝的飘动细节满满，我最喜欢的是最后的定格，Seedance 2.0 fast里四个人的站位、pose、身体方向和前后层次都有一点舞台队形的感觉，尤其站在中间的成员把姿势撑起来以后，整个画面会更有气场，不只是四个人站在镜头前
MiniMax H3的人物辨识其实挺清楚，最后四个人视觉上还是更像整齐地排开，人物大多直直站着，姿势和脚下没有太多设计感，所以定格会显得稍微有点呆
另外，H3这条的观感锐度偏高，五官、衣服和场景边缘都比较硬，画面是清楚的，但少了一点真实舞台里光线和空气混在一起的感觉
04 大场景
史前灾难片
真人、短剧和舞蹈测完，最后看大场面，这是一条测试大场景灾难特效，它不只是要生成恐龙，还要把陨石撞击、冲击波扩散、森林崩塌、火山喷发和恐龙逃生连成一段完整的末日场面
Seedance 2.0 fast VS H3
提示词
写实风格，大规模史前灾难动作电影大片，展现小行星撞击地球瞬间，巨型恐龙在史前世界末日中的震撼冲击与地貌崩塌场景。
角色：一只体型庞大的霸王龙与三角龙、腕龙、剑龙等多只不同种类的恐龙，皮肤纹理粗糙真实、肌肉紧绷，眼神中透出对天灾的本能恐惧与威严。
构图与位置：低角度仰拍与广角全景视角。前景为霸王龙屹立在开裂的原始大地中央，抬头仰望天空；中景为冲击波掀起的巨浪般尘土与崩塌的史前森林；背景为被撞击撕裂的巨大火球天幕、坠落的陨石雨与远处的火山喷发。
镜头参数：超广角电影镜头，高动态范围，配合高帧率升慢镜头呈现陨石冲击波与地表炸裂的慢动作颗粒感，极度逼真的 8K 特效与动作电影质感。
光影布光：天空中刺眼的白炽撞击火光与昏暗末日天幕形成剧烈对比，炽热的岩浆与坠落火球投下强烈的暖橙色侧逆光，勾勒出恐龙庞大的轮廓与空气中升腾的火山灰颗粒。
【时间轴】
0至4秒：【末日降临】伴随着撕裂天际的刺耳轰鸣与地底深处的震动。黄昏般的史前大地上空，一颗巨型陨石拖着滚滚浓烟与烈焰划破大气层，刺眼的强光瞬间照亮整片天空。霸王龙在开裂的大地上猛然抬头，发出震耳欲聋的咆哮。
4至9秒：【冲击波爆发】极速升慢镜头！陨石撞击远方地表，极其庞大的环形冲击波以排山倒海之势席卷而来，千年来屹立的巨型蕨类植物与巨石被瞬间粉碎，巨大的热浪与尘埃云推平史前森林。
9至15秒：【震撼定格】各种恐龙拼命奔跑。空气中无数悬浮的火星与白炽灰烬在慢动作中优雅漂浮，远方火山接连喷发，大地裂开缝隙喷出岩浆。呈现极其震撼且充满史诗感的电影级末日奇观。小歪点评
这一条不是那种一眼就能分出胜负的，两个模型都把陨石坠落、霸王龙咆哮、冲击波扫过森林和恐龙逃生做出来了
仔细看的话，Seedance 2.0 fast 的烟尘、火光和恐龙融合得更自然，画面更接近写实灾难电影
H3的恐龙轮廓和皮肤质感有点太硬，植物也排列得比较规整，看着不算差，只是更像游戏CG或者3D动画里的画面
所以这条如果比灾难元素的完整度，两边没有特别大的差距，要是重点看写实感和整体环境的融合，我会更偏Seedance 2.0 fast
**2 大家关心的成本问题**
视频都看完，再聊成本
Seedance 2.0 fast 720P 和 Wan 3.0 720P 都是0.6元/秒，MiniMax H3 768P 是0.5元/秒
换算成一条15秒视频，大约是9元、9元和7.5元
只看一抽，H3价格最低，这个很直观
但现在算视频成本，不会只看“一抽多少钱”，大家更关心的是，为了得到一条能用的成片，最后到底抽了几次
7.5元一抽，如果三次才有一条能用，总生成成本就是22.5元，9元一抽，如果第一条就能交，反而更便宜
目前来看，我这次的这几种案例场景抽卡情况大概是这样的
- vlog和微表情用 Seedance 2.0 fast 基本一次就差不多了，H3要两次左右
- 短剧的一直是 Seedance 2.0 fast 比较擅长的，也是一次抽卡就差不多了，H3要两到三次，主要容易出现人物占位问题和画面切镜不够短剧感
- 多人物 Seedance 2.0 fast 抽卡会更稳一点，差不多两次
- 大场景基本上每个模型都是抽一次卡就差不多了
**3 API与本地部署怎么选**
H3还有一个很吸引人的地方：可以自己部署
工作室和企业除了直接接在线API，也可以把开源模型放在自己的机器或云服务器上
调用量足够大时，本地部署确实有机会把单条成本摊下来，还可以接进自己的Agent、Skill或自动化生产工具里
但“模型开源”和“完全免费”其实是两码事
显卡只是第一笔成本，系统内存、模型存储、驱动环境、并发队列、版本升级和日常维护
如果只是偶尔做几十条视频，或者项目经常在不同模型之间切换，直接接API通常更省事
本地部署更适合调用量长期稳定，或者准备把模型做成固定产品能力的团队。比如把某一类视频生成能力接进自己的Agent，专门服务一个稳定业务，而不是今天做短剧，明天又临时换成广告大片
**4 最后聊几句**
现在看视频模型，我已经越来越不想只盯着“最新”两个字了
旗舰模型适合高要求内容，低价模型适合简单批量任务
最难选的反而是中间这一档： 效果要能交付，价格不能太高，抽卡还不能没完没了
我这篇文章里面做的 7 组测评，各个模型的优缺点以及差异也还是比较直观的
短剧看情绪、切镜，Vlog看真人感，女团看卡点节奏和表情动作，多人镜头看脸会不会串，大场景看画面感和视觉冲击
大家平时最常用的是什么场景呢？
感谢你看到最后
我是小歪
专注于带给大家人人都能看懂、人人都能学会的实用AI工具教程
🌟 如果这篇教程对你有帮助，别忘了点赞👍、转发📤、推荐❤️、三连支持！
想要第一时间获取最新AI资讯，了解最新最热AI工具玩法，学习AI新手入门教程，记得关注 *“小歪的AI工具箱” 加星标哦⭐*
