| 模型/平台 | 文生视频 | 图生视频 | 最长时长 | 角色一致性 | 中文理解 | 可控性 | 商用 |
|---|---|---|---|---|---|---|---|
| OpenAI Sora | 🟢 极好 | 🟢 极好 | ~60s | 🟡 较好 | 🟡 | 🟡 API 有限 | 💰 很贵 |
| Runway Gen-4 | 🟢 好 | 🟢 好 | ~30s | 🟡 Act-One 加持 | 🟡 | 🟢 较高 | ✅ 可用 |
| 快手可灵 Kling 2.0 | 🟢 好 | 🟢 好 | ~30s | 🟡 按角色生图可 | 🟢 强 | 🟡 中等 | ✅ 国内可用 |
| 字节即梦 Jimeng | 🟢 好 | 🟡 中等 | ~20s | 🟡 故事模式较好 | 🟢 强 | 🟢 模板多 | ✅ 免费额度 |
| Pika 3.0 | 🟡 中等偏上 | 🟢 好 | ~15s | 🟡 Scene change | 🟡 | 🟢 较高 | ✅ |
| MiniMax Hailuo | 🟡 中等 | 🟡 中等 | ~10s | 🟡 | 🟢 强 | 🟡 | ✅ 免费 |
| Vidu 生数科技 | 🟡 中等 | 🟡 中等 | ~15s | 🟡 故事线模式 | 🟢 强 | 🟡 | ✅ |
| Luma Ray 2 | 🟡 中等 | 🟢 好 | ~15s | 🟡 | 🟡 | 🟡 | ✅ |
当前最强大的节点化编排引擎。社区有 AnimateDiff、VideoHelperSuite、IPAdapter、ControlNet 等完整插件栈。
能做的事：图生视频 → 超分 → 补帧 → 拼接 → 配音的串行管线。
上限：非常依赖手工调参，无自动优化层，无叙事理解。
适合：技术型创作者，愿意调参的人。
字节推出的半自动短剧工具。用户输入分镜描述，平台自动生成角色一致的连续画面。
能做的事：生成 4-8 页的故事板（storyboard），角色保持同一个人。
上限：跨 page 切换场景偶尔崩，角色面容会漂移。不支持配音自动对齐。
适合：快速原型验证。
Gen-4 + Act-One 的组合。Act-One 用一段参考视频驱动角色表情，把演员表演映射到 AI 角色上。
能做的事：单角色+单场景的表情与口型驱动，质量极高。
上限：多角色交互无能。每镜头需独立生成，无法批量。
适合：精品短片/CG 替代。
创业公司，目标是从剧本到成片全自动。Showrunner（Fable Studio）尝试模拟"剧集生产"——用 Agent 分配角色 -> 生成剧情 -> 渲染。
能做的事：demo 级 2-5 分钟短片，叙事完整性比单模型好。
上限：不稳定，成功率低。10 次跑通 2-3 次。
适合：关注未来方向。
社区已有拼合式模板：LLM 写剧本 → ComfyUI 批量生成镜头 → TTS 配音 → 剪映自动剪辑。
能做的事：5 分钟以下的竖屏短剧，题材以"霸总/逆袭/甜宠"为主节奏快的类型。
上限：每部剧需要 10+ 小时人工调校。AI 生成场景之间的叙事断裂明显。
适合：玩票 / 探索 / 内容测试。
目前不存在真正意义上的"剧本丢进去，成片拿出来"的端到端管线。
最接近的尝试：
· Showrunner（质量不够）
· 即梦故事模式（功能太浅）
· ComfyUI 社区方案（需要人）
缺口在：叙事理解层 + 多镜头规划器 + 自动化质检 三个模块缺失。
中国是 AI 短剧最活跃的市场，没有之一。原因是：竖屏短剧本身已经有成熟的商业模式（充值/付费），AI 能大幅降低制作成本。
国内主力玩家：
关键趋势：2026 年上半年，国内 AI 短剧从"单镜头生成"进入了"故事板生成"阶段，但离"全剧自动生成"还有至少 1-2 年。
1. LLM（Claude/GPT）写 30 秒短剧脚本
2. 即梦「故事模式」生成 4-6 个分镜画面
3. 可灵 Kling 图生视频，每段 5 秒
4. Fish Audio TTS 配音
5. 剪映拼合
⏱ 总耗时约 30 分钟 · 可产出 30 秒 demo
1. ComfyUI + AnimateDiff + IPAdapter 搭建本地管线
2. 用 LLM 助手做分镜拆解 + 提示词生成
3. 用 Kling/Runway 生成核心镜头
4. Topaz 超分 + 补帧
5. 人工剪辑（剪映/Premiere）
⏱ 单部 5 分钟短剧约 10-20 小时