2026 年最佳 AI 视频生成工具：模型、编辑器与 Agent 工具对比

AI 视频的格局在过去几个月又变了一次。OpenAI 关停了 Sora，Google 把最新的视频模型推到 Gemini API 的正式可用（GA）， 字节跳动、快手和阿里巴巴相继推出 30 秒级模型，MiniMax 则发布了开放权重。如果你用视频做开发，或靠视频谋生， 问题已经不再是「哪个模型画面最好看」，而是「哪个有 API、价格我能预估、权利我能用」。

我们截至 2026 年 11 月 11 日的结论：Gemini Omni 1.2 Flash 是开发者的最佳默认选择， Wan 3.0 拿下文生视频盲测第一，Seedance 2.5 在图生视频质量上领先， MiniMax H3 是开放权重之选（有地域限制）， Kling 4.0 适合长镜头， 编辑器一组则按任务分流： HeyGen 做数字人，invideo 和 Descript 适合由 Agent 驱动的编辑。 细节、价格和注意事项见下文。

第三方创作者对 Gemini Omni 1.2 Flash 的讲解视频，该模型位居我们的开发者榜首。这不是 Google 官方视频； 视频里引用的数字与 Google 自己的定价页一致。

简短回答

如果只读一段：先按你要交付的东西选生成模型，再按谁来操作选编辑器。需要 API 的开发者从 Gemini Omni 1.2 Flash 开始。 用静态图做商品广告的团队，应让 Seedance 2.5 和 Omni 并排测试。想自托管的工作室，在读完许可证之后再看 MiniMax H3。 需要讲解员用十二种语言发言的营销人员，应跳过生成模型，直接用 HeyGen 或 Synthesia。 需要剪辑真实素材的 Agent，应接入 invideo 或 Descript。

有两个事实改变了通常的建议。第一，Sora 已经没了，所以任何把它排进去的 2025 年对比都已过时。 第二，Artificial Analysis 的盲测榜单现在在顶部挤了一批分差只有几个 Elo 的模型， 所以价格、时长、API 接入和权利比原始偏好分数更能决定选择。如果你想要一条完全不依赖这些厂商的自托管「脚本到短视频」流水线， 请看我们的 MoneyPrinterTurbo 指南。

快速选择

这些是没有付费置顶的编辑向推荐，每一项在下方都有专门的小节。

总对比表

所有工具集中在一处。价格来自各厂商自己的定价页或文档，抓取于 2026 年 11 月 11 日。 如果厂商页面没有给出某个值，我们写「未抓取」或「未核实」，而不是猜测。不同厂商的积分不可直接比较， 因此做预算时请使用各厂商小节里的每秒数字。

两点阅读提示。Runway、Luma、Pika 和 invideo 都转售第三方模型，所以它们对某个模型的积分成本包含自己的利润， 或沿用原始 API 价格；invideo 称模型按原始 API 价格计费。另外订阅价格变化频繁：Runway 和 Kling 都宣传了 Kling 4.0 到 2026 年 11 月 30 日的限时折扣，下文会提到。

独立数据：Artificial Analysis Video Arena

Artificial Analysis 运行一个盲测两两投票的竞技场。评审看到同一提示词（或同一张源图）生成的两段视频， 不知道哪段来自哪个模型，投票结果汇成 Elo 分数。下面的榜单抓取于 2026 年 11 月 11 日。 两个榜单都是 2.1 版，都对带音频的视频打分，并且都把 Kling 3.0 1080p（Pro）固定为 1000 作为参照点。 价格列是 Artificial Analysis 对「在模型创作方 API 上按基准设置生成一分钟视频」的成本估算，提供 1080p 时按 1080p 计。 我们展示的是每个榜单的一个选段，而非全部行。

文生视频（AA-Video-T2V v2.1）

图生视频（AA-Video-I2V v2.1）

如何诚实地解读。这些分数的置信区间大约是正负 13 到 15 个 Elo，所以文生视频榜的第 1 到第 8 名接近一个统计意义上的集群； Artificial Analysis 自己的排名区间显示 Wan 3.0 跨第 1 到 2 名，MiniMax H3 跨第 2 到 7 名。 190 分的差距，比如文生视频上 Gemini Omni Flash 1.2（1154）对 Veo 3.1（964），则不是噪声。 Omni Flash 1.2 是最近 30 天加入的，样本数（5,225）少于较早的条目；它在图生视频上的位置（1086，第 14 名） 也低于文生视频（第 5 名），所以以图为主的工作流在投入之前应先测试。

你可能期待出现的一些产品，在我们抓取的表格里缺席。Kling 4.0、Runway Gen-4.5 和 Luma Ray 系列没有出现在我们捕获的行中， 所以这里无法给出它们的独立 Elo 分数。Kling 3.0 出现了（1000 到 1020），但 Kling 4.0 已在 2026 年 10 月发布。 无声榜单也存在：在不带音频的文生视频上，HeyGen Video 1 以 1146 领先； 在开放权重模型中，MiniMax H3（768p）在文生视频（1161）和图生视频（1133）上都领先。关于价格的一个小提示： Gemini Omni Flash 1.2 列出的每分钟 $6.26，与 Google 的 1080p 每秒 $0.104（约每分钟 $6.24）一致， 而不是 720p 每秒 $0.07 的标题价，因为榜单在提供 1080p 时按 1080p 计价。

A 部分：生成模型

这些是从文本、图像或参考片段创建画面的模型。每一节都说明它是什么、多少钱、强在哪、弱在哪，以及适合谁。

Google Gemini Omni 1.2 Flash（以及 Veo 3.1）

它是什么。Gemini Omni 是 Google DeepMind 用于创建和编辑带声音视频的模型，5 月在 Google I/O 上发布。 1.2 Flash 版本于 2026 年 11 月 5 日在 Gemini API 和 Google Cloud 上正式可用。Google Cloud 模型页列出模型 ID gemini-omni-1.2-flash、360p、720p、1080p 或 4K 的 3 到 15 秒输出、16:9 与 9:16 画幅， 支持文生视频、图生视频、参考生视频和首尾帧生成，另有编辑、延长和放大。

Google 自己的 51 秒 Gemini Omni 发布短片，约在 2026 年 5 月 Google I/O 期间发布于 Google 官方频道。

价格。Google 列出 720p 视频每秒 $0.07，比 Omni 1.1 降低 30%。 Gemini API 按 token 对视频计价：每百万视频输出 token $12.00，720p 每秒 5,792 个 token。 定价页还列出 360p 约每秒 $0.023、1080p $0.104、4K $0.209，且没有免费额度。 Google 建议的成本控制方式是：以 360p 或 720p 出草稿，用后续编辑修正细节，最后只放大你要留下的片段。 按标价，一段 15 秒的 720p 片段约 $1.05。仍在调用 Omni 1.1 的应用将从 2026 年 12 月 3 日起被路由到 1.2。

优势。对话式多轮编辑让你可以在同一段片段上更换产品、灯光或机位，而不必从头开始。 Google 称参考素材可以锚定角色、产品和风格，并列出更清晰的口型同步和可区分的多说话人对话（均为 vendor-reported）。 输出带有 SynthID 水印，Google Cloud 提供 Provisioned Throughput，Vertex 页面列出支持 C2PA 内容凭证。 消费端入口也有：Flow、Google Vids（按 Google 的说法，Google 账号或 Workspace 订阅可免费生成 15 秒片段）， 以及面向 Google AI Ultra 订阅者的 Gemini app，Google 称仍在陆续开放。

劣势。Google 自己点名快速体育动作、快速的剧本变化和复杂物理仍在改进。 Google Cloud 的文章指出，音频参考需要通过白名单开通。Vertex 页面列出支持 Interactions API、 不支持该模型使用 GenerateContent，所以为其他 Gemini 模型写的代码需要调整。 另外它在 Artificial Analysis 榜上的图生视频分数（1086）落后于 Seedance 2.5（1161）。

Veo 3.1。Veo 是 Google 较早的视频产品线。Artificial Analysis 仍列出 Veo 3.1（2026 年 1 月）、 Veo 3.1 Fast 和 Veo 3.1 Lite，每分钟 API 成本为 $24.00、$7.20 和 $4.80，文生视频 Elo 分别为 964、955 和 948。 在同一榜单上，这与 Omni Flash 1.2 相差甚远。Google 的 Veo 文档现在写明，Gemini API 中的 Veo 3.1 预览版模型 （veo-3.1-generate-preview，以及 Fast 和 Lite 变体）已于 2026 年 10 月 22 日停用， 并要求开发者迁移到 Gemini Omni Flash（gemini-omni-1.2-flash）或 Gemini Enterprise Agent Platform 上的 GA 模型。 同一页面把 Veo 3.1 描述为 8 秒视频，720p、1080p 或 4K，带原生音频，最多三张参考图，并支持首尾帧控制。 关于 Omni 与 Veo、Sora、Seedance、Kling 在发布时的更深入对比，请看我们的 Omni Flash 对比（英文） 和 Omni 完整指南（英文）。

最适合：批量制作短商品视频、广告和讲解视频的开发者与代理商，尤其是企业云合同有要求的场景。 我们面向开发者的操作说明见 Omni Flash 开发者指南（英文）。

OpenAI Sora

状态：已停止服务。OpenAI 的 Sora 2 页面写道：“As of April 26, 2026, the Sora product is no longer available.”（自 2026 年 4 月 26 日起，Sora 产品不再提供。）OpenAI 的视频生成指南补充说， Sora 2 模型和 Videos API 已于 2026 年 9 月 24 日关闭，且没有一对一的替代 API。 我们不对 Sora 排名，也建议不要在仍依赖它的任何东西上构建。如果你有过 Sora 工作流， 按 API 形态最接近的替代是本文介绍的 Gemini API、Runway Dev 和 MiniMax 平台。 我们没有找到仍然有效的 Sora 一手价格数据，所以省略费率，而不是引用第三方的回忆。

Wan 3.0（阿里巴巴）

它是什么。Wan 是阿里巴巴的视频模型家族，Wan 3.0 是其最新一代。阿里云 Model Studio 文档称它是一个「一体化」模型： 同一个模型处理文生视频、图生视频（首帧或首尾帧）以及基于文本、图像、视频和音频输入的参考生成， 输出 480p、720p 或 1080p，单个视频最长 30 秒。Model Studio 博客（日期为 2026 年 8 月 6 日）补充说， 它还接受 PPT、PDF、DOC 等文档作为输入，这在这一组里不常见。这是厂商文案，所以质量相关的说法请视为 vendor-reported。

证据。Wan 3.0 在 Artificial Analysis 文生视频榜上排第一，Elo 为 1175，创作方 API 每分钟 $12.00。 它的排名区间是 1 到 2，置信区间为 1162 到 1188，所以它对 Utopai X（1170）和 MiniMax H3（1161）的领先在噪声范围内。 在图生视频上它跌到第十一（1108），明显落后于 Seedance 2.5（1161）。如果你的工作流从提示词而不是静态图开始， 它应该进入你的候选名单；如果从静态图开始，请把它与 Seedance 和 MiniMax 对比测试。

价格与接入。Model Studio 页面列出国际区每秒价格：480p $0.05、720p $0.10、1080p $0.20， 与 Artificial Analysis 显示的每分钟 $12.00（1080p）吻合。同一页面上其他部署范围列出每秒 $0.041256、$0.082513 和 $0.165025， 且页面注明展示的是不含限时优惠的原价。速率限制为每分钟 300 次请求。模型 ID 为 wan3.0-video，由阿里云 Model Studio 提供服务。 根据其定价页，Pika 也托管 Wan 3.0。我们在抓取的阿里巴巴页面中没有找到开放权重发布，所以不把它列为开放。

劣势。阿里巴巴自己的 GA 文章称，音频质感和画面文字渲染的准确度仍在成熟中。 该 API 位于更大的云控制台之内，因此想要简单、可自助结账的视频 API 的团队，可能更倾向 Runway Dev 或 Gemini API。最适合：中等价位的长文生视频片段，以及从幻灯片或文档出发的工作流。

Seedance 2.5（字节跳动）

它是什么。Seedance 是字节跳动 Seed 团队的视频模型产品线。Seed 的 Seedance 2.5 页面描述了单次最长 30 秒的生成、 片段延长、音视频联合生成、参考视频与编辑模式，以及绿幕编辑。

证据。它在 Artificial Analysis 图生视频榜排第一（Elo 1161），文生视频榜排第四（1155）。 Seedance 2.0 仍在两个榜单上（图生视频 1140，文生视频 1136），每分钟 $22.45。

价格。Artificial Analysis 列出 2.5 在创作方 API 上每分钟 $34.12，是我们表中最贵的模型。 托管方按积分计价：Luma 列出 1080p 每秒 191 积分，在 10,000 积分的 Plus 计划上约合 52 秒视频； invideo Plus 列出 5 秒 1080p 片段约 96 积分，所以它每月的 2,000 积分约够 20 段这样的片段 （以上为我们根据所列费率的算术）。invideo Starter 不含 Seedance 2.5，只有 2.0 Fast 和 Mini。

劣势。成本，以及大多数人是通过托管方而不是与字节跳动直接签约来使用它， 这意味着适用托管方的条款、积分规则和水印政策。 最适合：参考素材很多的广告，以及单段真实感比每分钟成本更重要的静态图动画。

Kling 4.0（快手）

它是什么。Kling 4.0 是快手最新的模型。Runway 的产品页描述它一次生成最长 30 秒带声音的视频， 可由提示词、图像、视频参考或关键帧驱动，并可编辑现有素材，分辨率 720p 或 1080p，画幅从 9:16 到 21:9。 Runway Dev 的一条帖子列出最多 15 个参考和 10 个关键帧（通过 Runway 的 vendor-reported）。 一份日期为 2026 年 10 月 16 日的第三方报道称，Kling 4.0 于 10 月 15 日在 kling.ai 正式可用，并带有 MCP 端点和 CLI； 我们把这视为 Kling 自己未证实的说法。

价格。Kling 自己的会员页列出按年计费的计划：Standard 每年 $79.20（每月 660 积分）、 Pro 每年 $293.04（3,000）、Premier 每年 $728.64（8,000），另有免费的 Basic 档。 在 Runway 上，Kling 4.0 1080p 五秒需 118 积分，套用 Runway 页面所说的每个计划到 11 月 30 日的 25% 折扣后为 89。 Runway Dev 的帖子称同期 API 用量享 20% 折扣；两处 Runway 来源的数字不一致，所以请在结账时核对价格。 Kling 自己的开发者平台在 2026 年 10 月 26 日 Runway Dev 检查时把 Kling 4.0 列为抢先体验， 这就是为什么许多开发者通过 Runway Dev 使用它，模型 ID 为 kling_4。

证据缺口。在我们抓取的 Artificial Analysis 榜单上只有 Kling 3.0（1000 到 1020）， 所以我们没有 4.0 的中立分数。我们看过一份创作者对比（由一家托管平台赞助，因此我们不嵌入也不依赖它）， 结论是 Kling 4.0 在真实感上弱于 Seedance 2.5，但在动画风格上更强，且每段便宜得多；请把它视为一位测试者的意见。最适合：长单镜头和预算敏感的批量制作。免费输出带水印， 且按一份第三方对 Kling 计划文案的摘要，不允许商用。

MiniMax Hailuo H3

它是什么。MiniMax H3 是一个通用的全模态视频模型，2026 年 7 月在 Hailuo 应用和 MiniMax API 上发布，8 月以权重形式开放。 MiniMax 列出 4 到 15 秒的输出、24 fps、32 kHz 立体声音频、默认 768p、通过单独的重生成步骤得到 2K、 11 种语言的稳定对话，以及一个最多接受 9 张图像、3 段视频和 3 段音频的参考模式。

证据与价格。MiniMax H3（768p）在 Artificial Analysis 文生视频榜排第三（1161），图生视频榜排第四（1133）， 是两个榜单上得分最高的开放权重模型，API 每分钟 $4.80；H3 Max 每分钟 $9.60。

许可证的陷阱。Community License（日期为 2026 年 8 月 2 日）授予免版税许可， 但其适用地域是全球，不含欧盟、英国、韩国和美国。你必须在商业产品上显示「MiniMax H3」， 年收入超过 2,000 万美元需要书面授权，且不得用权重或输出改进其他 AI 模型。 MiniMax 称对你的输出不主张任何权利。被排除地区的机构可以联系 MiniMax 洽谈单独许可， 许可证文本称将基于这些地区的控制与护栏措施授予。H3-Context-IR 和 2K 重生成模块不在开源发布中。

# Original checkpoint, both task families
hf download MiniMaxAI/MiniMax-H3 --include "FL2VA/*" "Ref2VA/*" --local-dir MiniMax-H3

最适合：位于被排除地区之外、想自托管或微调的团队，以及想要低价 API 的人。 如果你打算在租用的硬件上运行，我们的 GPU 云对比（英文）涵盖了相关选项。 模型卡把 H3-Omni-Transformer 描述为 330 亿参数的稠密模型，所以请规划服务器级显存，并查看模型卡中的最新硬件说明。

Runway

它是什么。Runway 自己做模型（生成用 Gen-4.5，编辑现有素材用 Aleph 2.0）， 也在同一个工作区和 API 里提供第三方模型。其开发者文档描述了一套 API，可接入 Runway 模型以及 Kling、Seedance 和 GPT Image， 带有 Node 和 Python SDK、按成本、质量或延迟选择模型的 Model Router，以及面向编程 Agent 的 MCP 和 skills 包。

价格。Standard 每月 $15（年付 $12），625 积分；Pro $35（$28），2,250；Max $95（$76），9,500。 Free 一次性给 125 积分。付费计划去除水印并含 4K 放大。Gen-4.5 每秒 12 积分（五秒 60 积分）， 所以按我们的算术，Standard 每月大约够生成 52 秒 Gen-4.5。Aleph 2.0 五秒 140 积分。 积分只有 Max 计划可以结转，且仅一个月。Seedance 2.0 Pro 1080p 列为四秒 160 积分。

劣势。Gen-4.5 没有出现在我们捕获的 Artificial Analysis 榜单上， 所以这里无法用独立数据支撑它的质量，第三方评测也褒贬不一。它的价值在于工作区和多厂商 API，而不是榜单名次。最适合：想换模型而不换厂商的团队，以及需要用 Aleph 修改现有素材的剪辑师。

Luma

它是什么。Luma 出售 Ray 系列模型（定价页上有 Ray3.2 和 Ray3.14），并托管其他模型，包括 Seedance 2.0 和 2.5。 计划：Plus 每月 $30（年付 $25），10,000 积分并含商用；Pro $90（$75），40,000；Ultra $300（$250），150,000； 另有 Team 和 Enterprise 需联系。Ray3.2 1080p 五秒 400 积分，所以 Plus 约够 25 段这样的片段（我们的算术）。

API。Luma 的文档描述了新的 Luma Agents API，并把 Dream Machine API 标记为旧版。劣势：我们抓取的页面上没有免费计划，在我们捕获的榜单上也没有 Ray 的独立分数。最适合：想要 Ray 式关键帧导演，并希望在同一处顺便试用 Seedance 的创作者。

Pika

它是什么。Pika 的定价页（最后更新于 2026 年 10 月 28 日）列出 Free $0、 Starter 每月 $10（年付 $8）600 积分、Creator $35（$28）2,600、Fancy 起价 $95（$76）8,550 及以上， Starter 起含商业许可，所有模型在所有计划中可用。它在自家的 Pika 2.5 和开放权重的 Pika H3 Flex 之外， 还托管 Seedance 2.5、Kling 4.0、Veo 3.1、Wan 3.0、MiniMax H3 和 Gemini Omni。

证据。Pika H3 Flex 在文生视频上得 1124、图生视频上得 1114，每分钟 $2.10， 是我们选段中有分数的模型里价格最低的，并且在两个榜单上都是开放权重中仅次于 MiniMax H3 的第二名。 768p 五秒的 H3 Flex 片段花 10 积分，所以 Starter 约够 60 段（我们的算术）。Pika 还列出 pika.art/mcp 的 MCP 服务器。 最适合：便宜的草稿和特效驱动的社交短片，以及想要一个低成本第二来源的人。

B 部分：编辑器与 Agent 工具

这些产品建立在模型之上，或运行自己的模型，并补上原始生成缺少的东西：时间线、讲解员、字幕、文字稿， 以及让 Agent 驱动工作的方式。根据你需要的是画面、屏幕上的人，还是一次剪辑，把它们与 A 部分搭配使用。

invideo（含其 Agent 与 MCP 服务器）

它是什么。invideo 是编辑器加第三方模型中枢。它的 MCP 服务器让外部 Agent （Claude Code、Codex、Cursor、Hermes Agent、OpenClaw、网页版 Claude、通过其应用目录的 ChatGPT） 打开 invideo 项目并编辑真实的时间线，同时你能在浏览器里看到剪辑逐一落下。 结果是可编辑的时间线，而不是一段渲染好的片子，可以导出为视频，或导出为 Premiere Pro、Final Cut Pro 或 DaVinci Resolve 的项目。

接入。服务器使用 mcp.invideo.io/mcp 上的 Streamable HTTP。invideo 声明设计上没有 API key： 每次调用都以登录用户的身份在该用户的工作区里运行，并消耗该工作区的积分。另有 CLI 和用于 CI 的设备登录流程。 文档中列出的 MCP 工具包括 list_projects、 edit_timeline、generate 和 export。 把它接到编程 Agent 上只需一段配置；我们的 MCP 服务器汇总展示了通用模式。

{
  "mcpServers": {
    "invideo": { "url": "https://mcp.invideo.io/mcp" }
  }
}

# or, from a shell
curl -fsSL https://agents.invideo.io | sh
invideo auth login
invideo project list --json

价格。Starter 年付每席位每月 $10，400 积分，仅含 Seedance 2.0 Fast 和 Mini； Plus 年付每席位每月 $30，2,000 积分，含 1080p 的 Seedance 2.5、4K 的 Seedance 2.0 和 10 个访客席位。 Max 标有折扣，但价格在我们的抓取中没有渲染出来。积分不结转，invideo 称模型按原始 API 价格收费。 手动编辑器免费；生成消耗积分。 最适合：需要由人接手同一条时间线的 Agent 驱动编辑，以及想在一个登录下使用多个生成模型的团队。

HeyGen

它是什么。HeyGen 是一个数字人视频平台，现在也有自己的生成模型 HeyGen Video 1。 在 Artificial Analysis 榜单上，该模型在文生视频排第七（1152）、图生视频排第六（1124），每分钟 $2.40， 在无声文生视频榜上排第一（1146）。这是编辑器一组中最强的独立证据。

价格。Free 每月 3 个带水印的视频，最长一分钟。Creator 每月 $29，600 积分，1080p、Avatar IV 和 HeyGen Video 1， 175+ 种语言，并可用你自己的形象和声音做自定义数字人。Pro 每月 $49，含 4K、Seedance 2.5 和 Veo 3.1 访问以及最长 30 分钟的视频。 Business 每月 $149，1,500 积分，视频最长 60 分钟，含 SSO 以及 n8n、Make 和 Zapier 集成。Enterprise 需联系。 页面有月付与年付切换；做预算前请确认你看到的是哪一种。

API。HeyGen 的开发者文档列出 Avatars、Voices、Video Agent、Translation（30+ 种语言）和 Lipsync API， 单次最多批量 100 个请求并带 webhook，以及 REST、CLI 和 MCP 接入，每个端点都有 MCP 服务器和带类型的 schema。 我们的 HeyGen HyperFrames 指南介绍了它的代码驱动视频路线。 最适合：规模化的讲解员与培训视频，以及本地化。

Synthesia

它是什么。Synthesia 是偏企业风格的数字人平台。Basic 免费，每月 500 积分，带水印。 Starter 每月 $19（首月 $9），1,250 积分，125+ 个数字人和 3 位访客。Pro 每月 $89（首月 $49），180+ 个数字人和 5 个个人数字人。 Enterprise 列出 240+ 个数字人、SCORM 和 API 接入。它支持 140+ 种语言。 有些功能消耗积分很快：按定价页，Syren 视频 Agent 每分钟视频使用 1,000 到 2,000 积分，口型同步配音使用两倍积分。

劣势。没有独立的生成模型分数，Agent 功能的积分消耗可能超出 Starter 计划。 我们没有抓取到最大视频时长。docs.synthesia.io 记录了 Synthesia API，定价页把 API 列在 Enterprise 上。 最适合：在意 SCORM、治理和大型数字人库的企业培训与沟通。

Captions（Mirage）

它是什么。Captions 是一款创作者应用，其母品牌现在是 Mirage，我们抓取的页面显示的是 iOS 计划： Max 每月 $24.99，500 积分，2 个席位；Frontier 每月 $69.99，1,400 积分，3 个席位； 另有有限的免费计划和面向企业的 Tesseract 档。页面上提到的功能包括 AI Twin、AI Lipdub 和 AI Translate。

API。Mirage API 使用 x-api-key 请求头。它可由脚本、图像或演员 ID 生成口播视频， 另有单独的字幕端点把动画字幕渲染到最长 5 分钟、50 MB 的 9:16 视频上。劣势：我们能核实的计划数据只有 iOS 计划列表，网页端价格可能不同。最适合：短视频社交创作者，以及需要把口播生成或字幕渲染当作 API 调用的开发者。

Descript

它是什么。Descript 通过文字稿和名为 Underlord 的 AI 助手编辑视频和音频。 定价页列出免费计划，然后是 Hobbyist 每人每月 $16，10 个媒体小时和 400 AI 积分，1080p； Creator $24，30 个媒体小时、800 积分和 4K，外加使用最新 AI 模型生成视频； Business $50，40 小时、1,500 积分、30+ 种语言的翻译与配音以及自定义数字人。 页面提供计费切换并称可节省最多 35%，所以我们无法确认所示数字是否为年付费率。

API 与 Agent。descriptapi.com/v1 上的 Descript API 使用限定到某个 Drive 的个人令牌。 你导入媒体，用自然语言给 Underlord 一个任务（去除口头禅、添加字幕、剪切片段、翻译配音），然后轮询或接收回调。 列出的还有 CLI、面向 Claude、ChatGPT、Codex 和 Cursor 的 MCP 服务器，以及 Zapier。 付费用户包含 API 访问，并消耗计划积分和媒体分钟数。Descript 称 API 暂不支持直接导出媒体文件；你需要在应用里发布和下载。

curl https://descriptapi.com/v1/status \
  -H "Authorization: Bearer $DESCR...OKEN"

最适合：播客作者、访谈和网络研讨会团队，以及清理、剪辑现有录音而不是生成新画面的 Agent 流水线。

商用权利、水印与出处

权利因厂商和计划而异，细节在会变化的条款页里。我们抓取的定价页和许可证页所说的是： Luma 从 Plus 及以上列出商用。Pika 从 Starter 起列出商业许可。Runway 的计划去除水印。 Kling 的免费输出带水印，一份第三方对其计划文案的摘要称不可商用。 MiniMax H3 在 Community License 下允许商用，附带上述地域、收入和禁止蒸馏条件，且 MiniMax 对你的输出不主张权利。 Google 给 Omni 输出打上 SynthID，并在 Vertex 上列出支持 C2PA 内容凭证。

我们在本次抓取中没有核实 HeyGen、Synthesia、Captions 或 Descript 的商用条款。 数字人产品还带来第二个权利问题：屏幕上是谁的形象。HeyGen 和 Synthesia 都出售你自己面孔与声音的自定义数字人， HeyGen 的企业档还提到规模化生成数字人时的同意书上传。无论计划怎么写，克隆任何真人都请取得书面同意。

如何选择

把其中任何一个接入 Agent 时，请把视频当作异步工具：提交任务，保存任务 ID，轮询或接收 webhook， 并把每次生成都存进对象存储，因为积分在提交时就已扣除。如果你的 Agent 还需要发声，请看我们的姊妹指南：文本转语音 API和 语音 AI Agent 平台。 要通过 MCP 把视频工具暴露给 Claude Code，请从我们的 Claude Code MCP 服务器（英文）列表开始； 如果你通过一个端点路由多家模型厂商，请看 LLM API 网关和 MCP 集成平台。

评估方法

没有付费置顶。没有联盟链接，没有赞助标签，厂商也没有审阅这个页面。 每组内的排序反映我们对下列证据的编辑判断，厂商无法购买更靠前的位置。

• 价格与限制来自各厂商自己的定价页或文档，抓取于 2026 年 11 月 11 日。页面没有渲染出某个值时，我们会明说。
• 质量证据是 Artificial Analysis 的盲测榜单，同日抓取。我们把厂商自称标为 vendor-reported，把第三方说法标为第三方。
• 标准：API 可用性与成熟度、每秒输出价格、最长时长与分辨率、数字人与口型同步支持、商用权利以及开放权重。
• 我们没有测试：本文没有做我们自己的生成测试。引用创作者对比时，那只是一个人的意见，我们会注明。
• 我们未能补上的缺口：Kling 和 Sora 的一手价格页、Gen-4.5 和 Ray3.2 的独立分数、Kling 4.0 的独立分数，以及 HeyGen、Synthesia、Captions 和 Descript 的商用条款。

常见问题

来源

除非标签另有日期，均抓取于 2026 年 11 月 11 日。

• Artificial Analysis：文生视频榜单（2026 年 11 月 11 日抓取）
• Artificial Analysis：图生视频榜单（2026 年 11 月 11 日抓取）
• Google：Gemini Omni 1.2 Flash 发布文章，2026 年 11 月 5 日
• Google Cloud：Gemini Omni 1.2 Flash 正式可用
• Google Cloud 文档：Gemini Omni 1.2 Flash 模型页
• Google AI Studio：Gemini API 定价
• Google AI Studio：Veo 文档与 Veo 3.1 停用通知
• TechCrunch：Google 的 Gemini Omni 把图像、音频和文本变成视频（2026 年 5 月 19 日）
• 阿里云 Model Studio：wan3.0-video 文档
• 阿里云 Model Studio 博客：Wan3.0，30 秒 AI 视频生成（2026 年 8 月 6 日）
• 阿里云社区：Wan3.0 正式发布
• OpenAI：Sora 2
• OpenAI 开发者：视频生成指南
• Runway 定价
• Runway Dev：Kling 4.0 API
• Runway：Runway 上的 Kling 4.0
• Kling 会员计划
• Luma 定价
• Pika 定价
• MiniMax：H3 开源公告
• Hugging Face：MiniMax H3 模型卡
• MiniMax H3 Community License（Hugging Face）
• invideo MCP 服务器
• invideo：是否有 API
• invideo 定价
• HeyGen 定价
• HeyGen 开发者文档
• Synthesia 定价
• Synthesia 文档
• Captions 定价与 Mirage API 概览
• Descript 定价
• Descript API
• YouTube：Introducing Gemini Omni（Google）
• 第三方：Kling 4.0 GA 摘要（2026 年 10 月 16 日）