我拿 Seedance 2.0 Fast 和 MiniMax H3 做了一次多场景 AI 视频创作测评

目录

一、这次我怎么测：不看玄学，只看能不能用

二、第一组：电商产品展示，重点看“商品会不会乱变”

示例提示词

三、第二组：人物情绪短片，重点看表情和动作自然不自然

示例提示词

四、第三组：连续镜头，重点看人物和场景能不能接得上

示例提示词

五、第四组：复杂运动，重点看“别突然违背常识”

示例提示词

六、成本、参考图和最后选择

最近我集中试了一轮 AI 视频生成，主要对比的是Seedance 2.0 Fast和MiniMax H3。

一开始，我只是想看看谁的画面更惊艳。但真正测下来之后，我发现 AI 视频工具不能只看第一眼的观感。对于内容创作、广告、电商短片，或者短剧分镜来说，更关键的问题其实是：

• 角色能不能稳住；

• 商品会不会变形；

• 镜头是否听话；

• 返工次数多不多；

• 最后能不能真的拿去剪辑和交付。

这次我按照实际创作流程，重点测试了四类场景：电商产品展示、人物情绪短片、连续镜头、复杂运动。

一、这次我怎么测：不看玄学，只看能不能用

我的测试方法比较简单：同一主题下，两边使用相近提示词；部分场景加入参考图，观察模型能不能稳住人物、商品和风格；最后再从成片率、返工成本和剪辑可用性来判断。

我现在越来越觉得，AI 视频不应该完全变成“抽卡”。一个模型偶尔出一条神片当然很开心，但如果十次里只有一次能用，真做项目会非常累。每一次失败都不只是浪费时间，也是在消耗预算和交付周期。

这也是我关注 Seedance 2.0 Fast 的原因。它现在 720P 分辨率下的价格已经降到比较容易尝试的区间，按刊例 75 折计费后，最低约0.6 元/秒。对经常需要批量生成、反复试镜头的人来说，这个变化很实际。

二、第一组：电商产品展示，重点看“商品会不会乱变”

第一个场景我选了电商产品展示。

电商视频不是只要好看就行，商品本身必须稳定。像香水、鞋子、咖啡机这类产品，如果比例变了、材质变了，或者细节被模型重新设计，画面再高级也不能直接用。

这组测试里，我准备了一张深色玻璃香水瓶参考图，然后分别让两个模型生成 5 秒左右的产品广告镜头。

示例提示词

参考图中的黑色玻璃香水瓶保持外观一致，放在深灰色石材台面上。镜头从左侧缓慢推近，瓶身有细腻高光，背景是低饱和的暖色灯光和轻微水汽。整体质感高级、真实、适合奢侈品香水广告。不要改变瓶子的形状，不要增加多余文字，不要让瓶身变形。

两个模型各生成 1 条视频，参数为：720P 分辨率、9:16 比例、5 秒、无声。

生成结果如下：

这一组里，两个模型对“保持产品外观”的表现都不错。瓶子的轮廓、材质和高光基本能跟着参考图走，镜头推进也比较自然。

仔细看，H3 对轻微水汽的表现更精准一些；Seedance 2.0 Fast 在水汽表现上稍微弱一点，但整体画面看起来更真实。

所以如果是商品类内容，尤其是客户给了明确产品图的情况，我会更倾向 Seedance 2.0 Fast。它的表现不一定每个细节都最突出，但整体真实感更适合交付类内容。

三、第二组：人物情绪短片，重点看表情和动作自然不自然

第二组我测的是人物情绪短片。

这类内容看起来简单，其实很容易翻车。人物视频最怕的不是大动作，而是小动作：眼神飘、嘴角僵、手部不自然、转头时五官变形，都会让人一下出戏。

我准备了一张人物参考图：一个穿灰色毛衣的女生坐在咖啡馆窗边，光线比较柔和。然后让模型生成“看到消息后情绪变化”的镜头。

示例提示词

参考图中的女生保持面部特征和穿着一致，坐在咖啡馆靠窗的位置。她低头看手机，看到一条消息后先愣住，然后轻轻笑了一下，抬头看向窗外。镜头固定，中近景，下午自然光，情绪细腻，不夸张，不要做大幅度表演。人物五官保持稳定，手部动作自然。

这一次我发现，Seedance 2.0 Fast 对图像版权要求更严格一些。原参考图无法直接使用，最后只能把参考图转成彩铅风格后再生成视频。

生成结果如下：

这一组测试下来，H3 生成的视频更贴合实际女孩的面貌；Seedance 2.0 Fast 则更贴合参考图里的周边环境。

光影方面，H3 对人物的处理更好一些，比如光线在面部和衣服上的变化更明显。至于“看到消息后愣一下”的表情，H3 看起来也更能表现出来一点。

整体情绪实现上，两者差距没有拉得特别大，但侧重点不太一样：H3 更贴近人物本身，Seedance 2.0 Fast 更能保持环境氛围。

四、第三组：连续镜头，重点看人物和场景能不能接得上

AI 视频真正难的不是生成一条 5 秒视频，而是生成一组能剪在一起的视频。

比如短剧里，夫妻两人的互动对话，如果每条里脸、衣服、房间布局都变一点，剪起来就会很痛苦。

这组我设定了一个更生活化的夫妻互动场景：男生深夜回家，妻子在门口迎接，有简短对话，随后坐下。参考素材包括男生正面图、服装细节图和客厅场景图。这样做的目的，是看模型能不能更好地把握双人角色的一致性和剧情连贯性。

示例提示词

请生成一段真人视频，参考图片男人人物一致，客厅场景一致，男人服装一致，妻子形象可以自行生成，切换镜头人物场景服饰等也要保持一致。夜晚室内客厅，妻子穿浅色家居服，在门口迎接深夜回家的丈夫。丈夫穿深灰色卫衣，略显疲惫。两人对视，妻子微笑着递上拖鞋。镜头中景，暖色台灯光，真实生活感。不要改变人物脸型和服装，不要改变客厅布局。同一个客厅场景。两人走到沙发旁，妻子关心地问：“今天怎么这么晚？”丈夫坐下，略带疲惫地回答：“加班结束了。”镜头轻微跟随，保持中景，人物面部和服装保持一致，光线保持暖色。丈夫坐到沙发上，低头揉了揉眼睛，妻子在旁边递上一杯温水。镜头从侧前方拍摄，浅景深，客厅暖色灯光，保持真实短剧质感。人物、服装、沙发和桌面布局保持稳定。

参考图如下：

两个模型原计划各生成 1 条视频，参数为：720P 分辨率、16:9 比例、15 秒、有声。

但测试下来，Seedance 2.0 Fast 对素材和文字的版权问题比较严格。参考图转成彩铅风格也不行，去掉所有参考图也不行，Web 端始终提示版权相关问题。

甚至使用 API 调用方式生成，仍然提示版权问题：

{'id': 'cgt-20260814181211-7x4hh', 'model': 'doubao-seedance-2-0-fast-260128', 'status': 'failed', 'error': {'code': 'OutputVideoSensitiveContentDetected.PolicyViolation', 'message': 'The request failed because the output video may be related to copyright restrictions. Request id: 02178670233414500000000000000000000ffffac1777f63c6880'}, 'created_at': 1786702334, 'updated_at': 1786702489, 'service_tier': 'default', 'execution_expires_after': 172800, 'generate_audio': True, 'draft': False, 'priority': 0, 'output_format': 'mp4'}

最后，Seedance 2.0 Fast 只能改成下面这版更强调“原创虚构”的提示词：

生成一段原创电影叙事片段，夜晚现代客厅空间，暖色台灯和柔和室内灯光。画面中是两个原创虚构亚洲角色，男性三十岁左右，穿深灰色宽松连帽卫衣和深色休闲裤，神情疲惫；女性二十八岁左右，穿米白色浅色家居服，长发自然披散，表情温柔。男人回到家中，女人在门口迎接，微笑递上拖鞋，两人短暂对视。镜头采用中景，浅景深，光影自然。随后两人走到沙发区域，女人关心地问：“今天怎么这么晚？” 男人坐下回答：“加班结束了。” 镜头轻微跟随人物移动，尽量保持角色外观、服装、发型、客厅布局、沙发位置和桌面物品一致。男人坐到沙发上低头揉眼睛，女人从旁边递上一杯温水，镜头从侧前方拍摄，保持中景，暖色光线，连续叙事稳定，原创虚构人物，不对应任何真实人物，不模仿真实事件，不复刻现有影视作品。

H3 在这组里宽松一些，可以继续沿用前面的提示词和参考图片，并没有因为版权问题拒绝生成。

最终生成结果如下：

因为这组测试里，两边使用的提示词并不完全一致，参考图也只有 H3 用上了，所以不能把结果简单理解成完全同条件对比。

但就最终视频来看，在同一个人物、同一个场景，以及多镜头连续性方面，两者表现都不错。H3 对参考图和提示词的处理更宽松，因此更贴近我最初提供的素材和描述；Seedance 2.0 Fast 虽然限制更多，但在情绪表现和场景展示细节上也有自己的优势。

五、第四组：复杂运动，重点看“别突然违背常识”

最后我测了一个容易翻车的场景：玻璃杯被碰倒，水洒出来，人物伸手去扶。

这个场景难在动作链条：杯子要倒得合理，水流不能太假，手部动作也要自然。

示例提示词

真实生活场景，木质餐桌上有一个透明玻璃杯，杯中有半杯水。人物的手不小心碰到杯子，杯子向右侧倾倒，水自然洒到桌面上，人物立刻伸手去扶。镜头近景拍摄，轻微手持感，但不要剧烈晃动。水流和杯子的运动符合真实物理规律，手部动作自然，不要出现多余手指。

这类场景目前没有哪个模型能百分百完美表现出来。各自生成结果如下：

但这组里，Seedance 2.0 Fast 给我的结果更贴合一点。虽然它也有明显瑕疵，比如对“不小心碰倒水杯”的理解还不够准确，但它对“杯子碰倒—水洒出—手伸过去”这个过程的理解还算可以，甚至出现了一个慢动作镜头。

相比之下，H3 的表现更生硬一些，也更不符合我原本想要的逻辑。它看起来更像是主动把水碰倒，而不是“不小心碰倒”后的自然反应。

六、成本、参考图和最后选择

一轮连续测试下来，Seedance 2.0 Fast 总共花了将近 20 元。

H3 这次看起来成本更低，是因为我使用了免费额度完成测试。单看价格信息，MiniMax H3 是 768P、按秒计费，价格为0.50 元/秒。

生成速度方面，两者差不多，H3 甚至更快一点。

如果只看这次测试，我的感受是：Seedance 2.0 Fast 不是每一条都最“炸”，但它更稳、更真实，尤其适合需要反复出片、需要控制返工成本的内容生产场景。

H3 值得欣赏的是它对参考图和提示词的包容度更高一些。在需要尽量贴合参考素材，或者希望少遇到输入限制的场景里，它会更顺手。

所以我的结论不是简单地说谁完全压过谁，而是：

• Seedance 2.0 Fast 更适合追求连贯稳定、真实、可剪辑、可交付的场景；

• MiniMax H3 更适合重视参考图兼容度、提示词自由度的场景。