這次測試的每一支片段都使用完全相同的設定——8 秒、720p、16:9——確保比較公平。我們把所有生成長度都對齊到 Veo 3.1 Fast 的上限，讓任何一個模型都沒有餘裕去藏住自己的弱點。
三個模型速覽
這三個模型不是同一件事的三種版本，而是為不同任務打造的。搞清楚誰負責什麼，能幫你省下大量試錯的時間。
Veo 3.1 Fast — Google 的速度優先選項
Google DeepMind 將 Veo 3.1 分為 Quality 與 Fast 兩個等級。Fast 在維持幾乎相同規格的前提下，主打更快、更便宜。Curious Refuge Labs 給它 6.9/10 的整體評價，其中提示詞遵循度拿到 7.3/10，表現最突出——與 Quality 等級並駕齊驅。其餘項目：時間一致性 6.5、視覺保真度 7.1、動態品質 6.9、電影級真實感 6.5。他們的結論是：與 Quality 的差距比你想像的小，價格差距卻一點都不小。在 VidLux 中，Veo 3.1 Fast 可生成 4、6 或 8 秒的片段，最高支援 1080p。
Kling 3.0 Turbo — Kuaishou 的產量型主力
2026 年 6 月 17 日推出的 Kling 3.0 Turbo，是 Kling 3.0 的速度調校版本。真正重要的是兩個功能：多鏡頭提示（在一個提示詞中最多定義 6 個鏡頭，轉場由模型自行處理，不必在後製中拼接）與 vCoT 場景推理（在渲染前先推演場景邏輯，讓運鏡、燈光與主體動作比 2.x 世代更可靠）。3.0 世代也改善了嘴型同步與長片段穩定性。在 VidLux 中可生成 3–15 秒、720p/1080p 的片段。
Seedance 2.0 Mini — ByteDance 的輕量級選手
Seedance 2.0 Mini 是 Seedance 2.0 家族中主打經濟實惠的成員：單支片段更快、更便宜，並支援與標準版相同的多模態輸入（圖片、影片與音訊參考素材），但在 VidLux 中解析度上限為 480p/720p，片段長度 4–15 秒。官方資料幾乎是一片空白——正因如此，它在這次測試中的表現格外值得關注。沒有炒作，只有輸出。
時長選項與成本（為什麼我們鎖定 8 秒）
這三個模型之間最容易被忽略的差異，是它們單次生成能跑多長：
| 模型 | 時長選項 | 720p / 8 秒成本 |
|---|---|---|
| Veo 3.1 Fast | 僅 4 / 6 / 8 秒 | 30 點數 |
| Kling 3.0 Turbo | 3–15 秒（13 步驟） | 120 點數 |
| Seedance 2.0 Mini | 4–15 秒（12 步驟） | 160 點數 |
Veo 3.1 Fast 上限是 8 秒，但這支 8 秒片段只要 30 點數——大約是 Kling 3.0 Turbo 的四分之一、Seedance 2.0 Mini 的五分之一。如果你的內容本來就是短影音（社群短片、產品展示、反應影片），Veo 3.1 Fast 就是 CP 值之選。只有當你需要一支超過 8 秒的連續鏡頭時，才需要考慮 Kling 或 Seedance。
這也是為什麼這裡的每項比較都用 8 秒：這是唯一讓三個模型站在同一起跑線的長度。
各模型實際能做什麼
輸入選項也不一樣，而這在開始生成之前就很重要：
| 模式 | Veo 3.1 Fast | Kling 3.0 Turbo | Seedance 2.0 Mini |
|---|---|---|---|
| 文字轉影片 | ✅ | ✅ | ✅ |
| 圖片轉影片 | ✅ | ✅ | ✅ |
| 參考素材轉影片（圖片） | ✅（最多 3 張） | ❌ 不支援 | ✅（最多 9 張） |
| 參考素材轉影片（音訊） | ❌ 不支援 | ❌ 不支援 | ✅（最多 3 個） |
| 參考素材轉影片（影片） | ❌ 不支援 | ❌ 不支援 | ✅（最多 3 支） |
有兩點特別值得注意：
- Kling 3.0 Turbo 完全不支援參考素材轉影片。 它只能靠文字與單張圖片運作。如果你需要從參考素材生成，它第一時間就出局了。
- 只有 Seedance 2.0 Mini 接受音訊與影片參考素材——除了最多 9 張參考圖片之外，它還能吃 3 支參考影片與 3 段參考音訊。它可以模仿你提供的影片中的動作或運鏡，或是音訊片段的節奏。Veo 與 Kling 都沒有這個輸入維度。所以底下的參考素材轉影片測試，其實是兩強對決：Veo 3.1 Fast（僅圖片）vs Seedance 2.0 Mini（完整多模態）。
測試方法
每項測試都遵守相同規則：
- 相同設定：一律 8 秒、720p、16:9（Veo 3.1 Fast 的上限）
- 相同輸入：每項測試中三個模型使用同一個提示詞；圖片轉影片測試共享同一張輸入圖片，由 GPT Image 2 生成
- 相同評測：逐幀分析每支片段（動作量、剪接點、臉部穩定度），並輔以人工目視檢查實際畫面
- 涵蓋四種模式：文字轉影片（2 項測試）、圖片轉影片（2 項測試）、參考素材轉影片（1 項測試），外加一支多節拍故事作為加碼
所有測試素材都由 VidLux 自家的圖片模型（GPT Image 2）生成，輸入完全可重現——任何人都能跑同樣的測試。
測試結論
| 測試 | 表現較優者 | 拉開差距的關鍵 |
|---|---|---|
| 文字轉影片：快遞員追蹤鏡頭 | Kling 3.0 Turbo | 收尾的加速階段最乾淨；對運鏡指令的完成度最高 |
| 文字轉影片：雨夜街角 | Seedance 2.0 Mini | 停步抬頭的節拍詮釋最好；臉部最穩定 |
| 圖片轉影片：球場自拍 | 平分秋色 | Kling 3.0 Turbo 臉部保持最佳；Veo 3.1 Fast 動作最多但畫面破碎 |
| 圖片轉影片：香水瓶 | Kling 3.0 Turbo | 動作量最低——最接近鎖死的商品鏡頭 |
| 參考素材轉影片：兩個角色 | Seedance 2.0 Mini | 兩者都能處理雙角色；Seedance 多了別人沒有的音訊/影片參考輸入 |
| 多節拍故事（紙船） | Seedance 2.0 Mini | 三次場景轉換節奏均勻；故事節拍最清晰 |
結論：要穩定，選 Kling 3.0 Turbo。要 CP 值，選 Veo 3.1 Fast。要參考素材控制，選 Seedance 2.0 Mini。 證據如下。
文字轉影片：快遞員追蹤鏡頭
三個模型拿到同一個提示詞：一支連續的街頭追蹤鏡頭——快遞員從市場巷弄騎出、繞過一輛配送廂型車、經過攝影機前方，被平搖鏡頭追著跑。這測試的是動作連續性，以及每個模型對運鏡指令的掌握程度。
顯示三個模型共用的快遞員提示詞
One continuous street-level tracking shot at blue hour. A bicycle courier wearing a faded red jacket turns out of a narrow neighborhood market lane, leans around a slow delivery van, then accelerates past the camera as it pans and keeps pace beside him. Shopkeepers pull down metal shutters and two pedestrians step aside naturally. Wet pavement, ordinary storefront lighting, slight handheld movement, realistic wheel rotation, body balance and motion blur. Keep the same rider, bicycle, jacket and street layout throughout. Ambient traffic, bicycle chain and tires on wet road. No cuts, no slow motion, no text, no logos.
| 指標 | Veo 3.1 Fast | Kling 3.0 Turbo | Seedance 2.0 Mini |
|---|---|---|---|
| 動態量（平均） | 14.6 | 9.1 | 10.1 |
| 節奏（前/中/後段） | 12.2 / 17.2 / 14.6 | 3.1 / 11.4 / 12.8 | 9.6 / 9.7 / 11.0 |
| 臉部偏移（X 軸） | 78.4% | 71.7% | 58.7% |
Kling 3.0 Turbo 的動作曲線本身就說明了一切：開頭安靜（3.1，快遞員幾乎看不到）、中段忙碌（11.4，繞過廂型車）、收尾最強（12.8，加速）。這正好對應提示詞裡的三個節拍。Veo 3.1 Fast 整體動作最多（14.6），但全程節奏大致持平——動作很足，卻沒有層次。Seedance 2.0 Mini 居中，動作都有做到，但節奏起伏不明顯。
這一局 Kling 3.0 Turbo 贏在完成度——不是動得多，而是在對的時機動。
文字轉影片：雨夜街角
三個模型共用同一個提示詞：一名身穿芥末黃雨衣的女性，夜裡走在雨中的城市巷弄，在紅色雨棚下停步，抬頭望向霓虹燈的倒影。這測試的是電影感氛圍與表演的時機。
顯示三個模型共用的雨夜街角提示詞
Medium-wide cinematic shot of a woman in a mustard-yellow raincoat walking through a rainy city side street at night. She pauses under a red awning and looks up as neon reflections ripple across the wet pavement. Slow dolly-in, natural body motion, realistic face, consistent clothing, ambient rain, no text, no logos.
| 指標 | Veo 3.1 Fast | Kling 3.0 Turbo | Seedance 2.0 Mini |
|---|---|---|---|
| 動態量（平均） | 4.0 | 4.0 | 5.4 |
| 片段中段節奏 | 5.0 | 4.3 | 8.2 |
| 臉部偏移（X 軸） | 26.6% | 36.2% | 14.2% |
| 臉部偏移（Y 軸） | 11.3% | 11.6% | 19.2% |
Seedance 2.0 Mini 在中段的峰值（8.2）正是停步抬頭的節拍——也是唯一讀得出「刻意為之」的表演時刻。它的臉部偏移（14.2%）在鏡頭推進時也是三者中最低。Kling 3.0 Turbo 在約 3.25 秒處有一次生硬的剪接，可能是雨棚下的燈光變化所致；Veo 3.1 Fast 全程穩定，但表演始終放不開。
這一局 Seedance 的表演最有說服力：走路、停下、抬頭、霓虹倒影——全部收進一個連貫的節拍裡。
圖片轉影片：球場自拍
我們用 GPT Image 2 生成了一張夜間球場自拍，再把這張一模一樣的圖片餵給三個模型。提示詞：對鏡頭外的進球做出反應、把手機轉向觀眾席、再轉回自拍。這測試的是臉部穩定度與身分保持。
顯示三個模型共用的球場提示詞
The woman hears a goal happen off-camera and the crowd erupts. She reacts instantly with a surprised laugh, jumps slightly, then turns her phone toward the cheering crowd for a moment and back to her face. Natural blinking and arm movement, realistic low-light grain, slight exposure shifts under stadium floodlights, motion blur during the sudden reaction, candid smartphone realism, no cinematic camera movement. Sound: crowd murmur, a sudden loud cheer, and her natural laugh. No cuts, no text, no logos.
| 指標 | Veo 3.1 Fast | Kling 3.0 Turbo | Seedance 2.0 Mini |
|---|---|---|---|
| 動態量（平均） | 13.3 | 6.5 | 10.7 |
| 可見剪接點 | 18 | 0 | 12 |
| 臉部偏移（X 軸） | 47.0% | 16.6% | 51.8% |
| 臉部偏移（Y 軸） | 32.5% | 12.1% | 36.7% |
每個模型在這裡都有一個明顯的弱點：
- Veo 3.1 Fast：動作最多（13.3），也完整演出整段反應——歡呼、轉向觀眾席、回到自拍。但畫面出現 18 個可見剪接點，集中在約 3 秒與 5 秒處，手機轉向期間還不斷冒出多餘物體。動作最完整，畫面也最破碎。
- Kling 3.0 Turbo：動作最少（6.5），臉部偏移也是三者中最低（X 16.6% / Y 12.1%）。臉就是不會崩。代價是：歡呼的力道略遜一籌。
- Seedance 2.0 Mini：居中（10.7），12 個剪接點集中在歡呼爆發的瞬間（3.7–4.9 秒）。情緒感染力強，但表情一放大，臉就變形。
總而言之：要穩定的臉選 Kling 3.0 Turbo，要完整動作選 Veo 3.1 Fast（接受畫面破碎），要原始情緒選 Seedance 2.0 Mini。
圖片轉影片：香水瓶
同一張 GPT Image 2 商品照餵給三個模型，搭配環繞運鏡。這測試的是物體一致性與商品鏡頭的質感。
顯示三個模型共用的香水提示詞
The camera makes a slow 120-degree orbit around the bottle while a narrow light sweeps across the glass. Keep the bottle shape, cap, reflections, and proportions consistent. Premium commercial lighting, no hands, no text, no logos.
| 指標 | Veo 3.1 Fast | Kling 3.0 Turbo | Seedance 2.0 Mini |
|---|---|---|---|
| 動態量（平均） | 2.0 | 1.5 | 2.6 |
| 動態峰值 | 2.4 | 2.1 | 4.6 |
商品鏡頭是這批測試中最安靜的一項：三個模型動得都很少（1.5–2.6），因為主體是靜止的瓶子。差異藏在細節裡。Kling 3.0 Turbo 的動態量最低（1.5）——最接近鎖死的商品機位，瓶子穩如磐石。Seedance 2.0 Mini 的峰值最高（4.6），環繞感最清楚，能感受到瓶子在旋轉。Veo 3.1 Fast 穩定，但環繞運鏡最保守。
電商商品影片：要穩定選 Kling，要看得見環繞選 Seedance。
參考素材轉影片：兩個角色 + 一個場景
這項測試使用 3 張 GPT Image 2 參考圖片：角色 A（身穿米白針織衫的女性）、角色 B（戴眼鏡、穿深橄欖綠夾克的男性），以及一個場景（現代咖啡廳內裝）。提示詞讓兩人在那家咖啡廳裡面對面坐著聊天。
先快速說明參考素材轉影片的運作方式：參考素材決定「誰、在哪裡」，提示詞決定「發生什麼事」。 模型從角色圖片中提取臉孔、髮型與服裝，從場景圖片中取得環境，再生成提示詞所描述的動作。這項測試刻意更難：兩個身分都要保持不變，場景也要對得上。
注意：Kling 3.0 Turbo 不支援參考素材轉影片，所以這一輪只有 Veo 3.1 Fast 對決 Seedance 2.0 Mini。
顯示參考素材轉影片的提示詞
The young woman in the cream knit sweater and the man with glasses in the dark olive jacket are sitting across from each other at a small wooden table inside a cozy modern cafe with large windows and warm pendant lights, matching the cafe interior in the reference image. She laughs while telling a story, he listens and smiles, then they both raise their coffee cups for a toast. Keep both faces, hairstyles and outfits consistent. Natural conversational movements, warm afternoon light through the window. No text, no logos.
| 指標 | Veo 3.1 Fast | Seedance 2.0 Mini |
|---|---|---|
| 動態量（平均） | 3.1 | 6.4 |
| 全程偵測到臉部 | 100% | 100% |
兩個模型扛住「雙角色加場景」的負載都沒有崩掉。Veo 3.1 Fast 動作較少（3.1，接近對話場景的靜止感），兩個角色與咖啡廳都渲染得乾淨俐落。Seedance 2.0 Mini 動作較多（6.4——更大的肢體動作、乾杯、更多笑聲），兩個角色依然一致且區隔清楚。
這裡也正好呼應前面的模式表：Seedance 2.0 Mini 是唯一在圖片之外還接受音訊與影片參考素材的模型，所以也只有它能跟隨參考影片的動作或參考音訊的節奏。如果可控、以參考素材驅動的生成是你的目標，Seedance 2.0 Mini 是這裡唯一認真的選項。
加碼：紙船的故事（多節拍敘事）
快遞員與雨夜街角測試檢驗的是單鏡頭能力。這項加碼測試檢驗多節拍敘事：提示詞包含三個節拍——紅色紙船躲避雨水、拯救螢火蟲、與其他紙船一起抵達溫暖的水域。三個模型都只有 8 秒。誰能在同樣的容量裡塞進三個節拍，還塞得最乾淨？
顯示三個模型共用的紙船提示詞
A cinematic animated short in three connected shots about a tiny red paper boat that is afraid of rain. First shot: at blue-hour dusk, the red paper boat hides under a curled green leaf beside a rain-filled street gutter while several blue paper boats race past. The boat trembles as large drops hit the pavement. Second shot: a sudden stream carries a stranded glowing firefly toward a drain. The red boat sails out, catches the firefly beneath its folded paper sail, and turns across the current. Third shot: the storm softens. The red boat and firefly glide into a warm city-square reflection as the other paper boats gather around. The firefly rises and lights the scene; end on the red boat looking proud. Ambient rain and water sounds only. Keep the same red boat shape, fold lines, scale, and painted eyes in every shot. No music, no singing, no text, no logos.
| 指標 | Veo 3.1 Fast | Kling 3.0 Turbo | Seedance 2.0 Mini |
|---|---|---|---|
| 可見剪接點 | 1（約 4.2 秒） | 2（2.3 秒、5.0 秒） | 3（1.8 秒、4.4 秒、7.6 秒） |
| 節奏（前/中/後段） | 14.1 / 13.7 / 7.2 | 4.9 / 5.3 / 3.3 | 8.0 / 7.7 / 8.8 |
| 動態量（平均） | 11.6 | 4.5 | 8.2 |
即使鎖在固定的 8 秒，Seedance 2.0 Mini 依然把三個節拍切得最乾淨：剪接點約在 1.8 秒、4.4 秒與 7.6 秒，節奏近乎均勻（8.0 / 7.7 / 8.8）——葉下躲雨、排水口救援、溫暖收尾，全部一目了然。
Kling 3.0 Turbo 有兩次剪接（約 2.3 秒與 5.0 秒），整體動作最穩，只比 Seedance 少一個節拍。Veo 3.1 Fast 只有一次明確剪接（約 4.2 秒），開頭動作密集（14.1 / 13.7）卻在尾段大幅衰退（7.2）——三個節拍塌縮成「連續動作，然後結尾」。
所以就算拿掉時長這個變數，多節拍敘事依然是 Seedance 2.0 Mini 的主場，Kling 3.0 Turbo 是穩健的第二名，Veo 3.1 Fast 則更適合單一連續動作，而不是塞入敘事節拍。
並排比較
| 類別 | Veo 3.1 Fast | Kling 3.0 Turbo | Seedance 2.0 Mini |
|---|---|---|---|
| 價格（720p / 8 秒） | 30 點數 | 120 點數 | 160 點數 |
| 時長選項 | 僅 4/6/8 秒 | 3–15 秒 | 4–15 秒 |
| 參考素材轉影片 | 僅圖片（≤3 張） | 不支援 | 圖片 + 音訊 + 影片 |
| 人物 | 動作完整，畫面破碎 | 臉部最穩定 | 情緒最強，大表情時臉部變形 |
| 動作 | 動態量最大，節奏平 | 完成度最高，有真實層次 | 穩定，節奏較平 |
| 商品鏡頭 | 穩定 | 最接近鎖死機位 | 環繞感最強 |
| 多節拍故事 | 單一連續動作 | 兩次剪接、穩定 | 三次剪接、節奏最均勻 |
| 參考角色保持 | 明顯偏移 | — | 穩如磐石 |
你該選哪一個？
- 預算有限、拍短影音 → Veo 3.1 Fast。30 點數換 8 秒是最便宜的入場方式，提示詞遵循度與動作涵蓋度也紮實。社群短片、產品展示、反應內容——從這裡開始。
- 臉不能崩、鏡頭要夠長 → Kling 3.0 Turbo。測試中最好的臉部穩定度、3–15 秒的時長範圍，以及最完整的運鏡指令完成度。以人物為主的影片與長追蹤鏡頭——從這裡開始。
- 參考素材控制是重點 → Seedance 2.0 Mini。唯一接受圖片、音訊與影片參考素材的模型，參考模式下角色保持穩如磐石，多節拍敘事也最乾淨。任何「從這份素材生成」的工作流程——從這裡開始。
沒有最強的模型，只有最合適的選擇。Veo 3.1 Fast 是 CP 值之選，Kling 3.0 Turbo 是穩定之選，Seedance 2.0 Mini 是參考控制之選。 依你的使用情境來選，別依名氣來選。