把 AI 视频生成想象成三位大厨的厨房：Sora 是米其林三星主厨，他端出的每道菜都像一幅会动的画，讲究意境、运镜和叙事，可一桌菜要等很久，价格也不便宜；可灵是社区食堂的镇店快刀手，出锅快、分量足、价格亲民，最懂街坊邻居（中文用户）的口味；Runway 则是分子料理先锋，擅长用精密仪器控制每一克调料和火候，还递给你“运动笔刷”这样的专业厨具，让你也能当主厨。我们就在三位大厨的厨房里走一圈：从生成时长、画面清晰度、运动控制、镜头语言、价格策略五张考卷逐一打分，最后帮你配出一份合口味的“点菜攻略”。听懂这场横评，你就能在短视频、广告、影视预演等真实场景里，为手头的需求挑对工具。

岗位关联

掌握三款主流 AI 视频模型的差异与选型逻辑，能帮你在实际项目中少走弯路、报对预算、选对工具，直接提升 AIGC 内容的制作效率与交付质量。

目录
  1. 可视化演示
  2. 三强登场
  3. 生成时长上限
  4. 画面清晰度
  5. 运动控制精度
  6. 镜头语言支持
  7. 价格策略
  8. 选型建议
  9. AI 应用场景
  10. Python 演示
  11. 常见误区
  12. 面试题

可视化演示

展示DevOps CI/CD全流程流水线，包含代码提交、自动构建、测试验证、部署发布和监控反馈，动态演示持续交付的闭环迭代过程。

本节配有交互动效（进入视口后自动加载，约 3KB）。

CI/CD持续交付流水线 代码提交触发自动化构建和测试流水线 通过所有检查后自动部署到预发布和生产环境 监控反馈驱动下一轮迭代，形成DevOps闭环 Commit → Build → Test → Deploy → Monitor → Repeat

三强登场

三位大厨的厨房，风格一眼便知：一位的灶台前摆满了精致的摆盘工具，一位的锅铲在铁锅里上下翻飞，还有一位把实验室的滴定管和温度计带进了后厨。Sora、可灵、Runway 就是这三间厨房的主人。它们本质上是同一个行当——把一句话或一张图“炒”成一段动态视频的生成式 AI, 但各自的食材（训练数据）、手法（模型架构）和待客之道（产品定位）完全不同。

Sora 由 OpenAI 推出，可以理解为一位“科班出身”的米其林主厨，它特别擅长把提示词读成一个个电影镜头，推拉摇移信手拈来。可灵来自快手，是接地气的“社区食堂快刀手”, 对中文场景、人物动作和长时长视频的驾驭能力十分突出。Runway 是深耕影视工具链多年的独立团队，其 Gen-3 系列像分子料理师，给创作者最专业的控制工具。三者同台，拼的其实是五张考卷：时长、画质、运动、镜头和价格。

要理解这场比拼，先要明白一个底层事实：视频不是一张照片，而是一连串照片。无论哪位大厨，都要为每一帧画面付出“脑力”。

三位大厨的“拿手菜”各不相同，但端上桌的每一道菜，都要先过“帧”这一关。

F=f×t\displaystyle F = f \times t
视频总帧数等于帧率乘以时长。帧率是每秒的画面张数，时长是视频持续秒数，两者相乘就是模型需要生成的总画面数，这也是衡量生成工作量的基础。
  1. 帧率 f视频每秒包含的静态画面张数，数值越高动作越顺滑，是衡量流畅度的第一指标。
    ff
  2. 时长 t视频持续的总秒数，反映模型一次“连续创作”能撑多久。
    tt
  3. 总帧数 F帧率与时长相乘，得到待生成画面的总张数，是后续所有计算成本的地基。
    F=f×tF = f \times t

生成时长上限

如果说帧率是菜品的“出锅节奏”, 那么单次生成时长就是“一道菜能做多大份量”。这是三家差距最直观的一张考卷。可灵凭借快手强大的算力调度与续写能力，单次生成最长可冲上 2 分钟级别，相当于直接端出一整桌宴席; Sora 的公开版本单次生成一般在 20 秒以内，像一道精致的主菜，分量不大但回味十足; Runway Gen-3 则更克制，单次多在 10 秒左右，像是分子料理的“一口食”, 讲究的是精准而非量多。

为什么“做长”这么难？回到总帧数公式，时长每翻一倍，总帧数就翻一倍，模型需要凭空“记住”和“画出”的画面随之翻倍，算力消耗与显存占用水涨船高。更棘手的是，长视频要求模型拥有连续记忆——第 100 帧的人物不能在第 300 帧换了一张脸，这对模型的语义一致性是极大考验。可灵能做得更长，离不开它对中文场景数据的深度训练与视频续写架构的优化。

当然，“长”不等于“好”。短视频平台上的爆款常常只有十几秒，长时长反而适合口播、产品演示这类需要完整叙事的场景。把“能做多长”和“需要多长”分开看，才不会被数字带偏。

可灵能端出“大份量”的菜，是因为它的厨房能同时运转更多灶台；而 Sora 和 Runway 选择在更短的单次长度里，把每一秒都做成精品。

M=F×P\displaystyle M = F \times P
模型在一次生成中需要处理的视觉 token 总量 M, 等于总帧数 F 乘以每帧拆分的 token 数 P。token 可以理解为图像被切成的“单词块”, 这道乘积决定了内存与算力的压力。
  1. 总帧数 F由帧率和时长相乘得到，帧数越多，需要处理的画面就越多。
    F=f×tF = f \times t
  2. 每帧 token 数 P模型把每张画面切分成许多小方块再逐一处理，P 是每帧切出的方块数。
    PP
  3. 总 token 数 M两者相乘得到总量，这一数值越庞大，生成耗时越长、显存需求越高，这就是长视频昂贵的根本原因。
    M=F×PM = F \times P

画面清晰度

菜品端上桌，第一眼看的永远是“卖相”。三款模型均能输出 1080P 甚至更高分辨率的画面，但“清晰”并不等于“好看”。Sora 在真实光线、皮肤质感和复杂纹理上最接近摄影机实拍，像是用最顶级的食材雕琢出的菜肴，每一处细节都经得起特写；可灵在中文字幕、招牌文字等中国元素渲染上更稳，不会把“奶茶店”写成乱码，像一道亲切的家常菜; Runway 的画面带有明显的电影调色与风格化倾向，高对比、高氛围，像分子料理的摆盘——很美，但带着主厨强烈的个人印记。

除了分辨率，用户真正该关注的是“语义一致性”——视频中的物体是否符合物理常识，人物奔跑时腿是否真的在交替迈步，文字是否拼写正确。有些工具虽然锐度高，但画面中的人物可能在“水上漂”, 或者墙面上的字会突然扭曲，这种“高糊却高糊”的问题比分辨率更能决定成片可用性。实际测评中，可灵在物理规律上表现扎实，Sora 在复杂语义理解上领先，Runway 则在风格化场景中出彩。

一张 1080P 的画面包含的信息量，是评估“清晰度”的起点，也是理解画质差异的第一把尺子。

“卖相”不仅要亮，更要真实。评分时不妨把画面放大到 200%, 看看边缘是否毛糙、物体是否穿帮，再决定谁才是你心中的“米其林”。

N=W×H×T\displaystyle N = W \times H \times T
一段视频的总像素量 N 等于宽 W 乘高 H 再乘帧数 T。像素总量越大，信息密度越高，对模型的分辨率、码率和细节还原能力要求也越高。
  1. 宽 W 与高 H画面的水平与垂直分辨率，如 1920×1080, 两者相乘得到单帧像素数。
    W×HW \times H
  2. 帧数 T在固定帧率下，视频的帧数越多，时长就越长，总像素随之线性增长。
    TT
  3. 总像素量 N三者相乘得到整段视频的信息总量，它是清晰度与生成成本的共同标尺。
    N=W×H×TN = W \times H \times T

运动控制精度

视频的灵魂是“动”, 而“怎么动”最能体现大厨的火候功夫。Runway 的招牌“运动笔刷”像一支魔法画笔：在人物衣袖上涂一笔，袖子就会随风摆动；给背景的湖面涂一笔，湖水便会泛起涟漪。这种“指哪打哪”的局部控制，让创作者不用费劲写提示词，直接上手“画”出运动的意志。可灵的人物跑跳、动物奔跑、风吹草动等物理规律表现自然，像是快刀手对食材本味的尊重——动作不生硬，符合真实世界经验。Sora 则更多依赖文本描述来驱动运动，你告诉它“镜头跟随一只猎豹奔跑”, 它能给出气势磅礴的追逐画面，但若想精确控制某个局部怎么动，细节上就不如专用工具那样得心应手。

运动控制的核心难点在于“物理合理性”: 衣服的褶皱要随身体摆动，水的波纹要随物体入水而扩散，影子要随光源方向变化。这需要模型在训练中大量观看真实世界视频，学会“万有引力”和“惯性”。可灵和 Runway 在动作连贯性上各有千秋，而 Sora 在处理大幅运动镜头时，偶尔会出现肢体变形或物体漂移——这就像再好的大厨也有失手翻锅的时候。

为了量化“控制得好不好”, 行业常用预测轨迹与真实轨迹的偏差来衡量运动误差。

火候这东西，差一分都不行。选工具时要先问自己：我是要“整体氛围对”, 还是要“局部动作准”? 前者交给语义强的 Sora, 后者交给有笔刷的 Runway。

E=1n∑i=1n∣p^i−pi∣\displaystyle E = \frac{1}{n}\sum_{i=1}^{n} |\hat{p}_i - p_i|
运动误差 E 是预测位置与实际位置差值的平均绝对值。误差越小，说明模型对物体运动的跟踪越精准，物理上越可信。
  1. 预测位置 ŷpᵢ模型“想象”中物体在第 i 帧应处的位置。
    p^i\hat{p}_i
  2. 实际位置 pᵢ真实视频或标注中该物体在第 i 帧的位置。
    pip_i
  3. 差值的均值对所有帧的偏离取平均，得到整段视频的运动误差 E, 越小越好。
    E=1n∑i=1n∣p^i−pi∣E = \frac{1}{n}\sum_{i=1}^{n} |\hat{p}_i - p_i|

镜头语言支持

如果说运动控制是“食材熟不熟”, 镜头语言就是“摆盘美不美”——同样的菜，换个摆法，身价翻倍。Sora 在这张考卷上近乎满分：它能模拟无人机环绕、急速拉远、手持跟拍甚至一镜到底，镜头运动流畅且富有情绪，像一位天生会构图的导演。你不需要懂摄影，只要写出“镜头从窗外缓缓推入房间”, 它就能给你一段充满电影感的推进过程。可灵的“首尾帧”功能则另辟蹊径：你上传开头和结尾两张截图，AI 自动补全中间的故事，非常适合做“剧情闭合”的短叙事。Runway 的导演模式提供相机轨迹、焦距、目标点等参数，让你像在摄影棚里推滑轨一样精确调度镜头。

镜头语言的丰富程度，直接决定视频的“高级感”。一个 5 秒的环绕镜头，胜过 30 秒的固定机位；一次恰到好处的推近，能把观众的情绪带到顶点。Sora 的语义叙事能力让它成为氛围大片的首选，Runway 的参数化控制让它适配工业化流程，可灵的首尾帧则降低了镜头设计的门槛。三者各有路数，但归根结底都在帮创作者回答同一个问题：这段画面，该怎么讲才动人？

要量化“镜头感”, 可以把多个子维度按权重加总，得到镜头语言综合分。

摆盘的艺术，让同一条素材有了天壤之别。如果你追求“讲故事”的画面，Sora 和 Runway 会更懂你的心。

L=w1D+w2M+w3S\displaystyle L = w_1 D + w_2 M + w_3 S
镜头语言得分 L 由运镜多样性 D、运动匹配度 M 和叙事表现力 S 加权求和得到，权重 w 反映你对不同镜头要素的重视程度。
  1. 运镜多样性 D视频包含推、拉、摇、移、跟等多种运镜方式的丰富程度。
    DD
  2. 运动匹配度 M镜头运动与画面内容是否契合，例如追逐戏是否配了加速跟拍。
    MM
  3. 叙事表现力 S镜头是否服务于故事，能否带动观众情绪。
    SS
  4. 加权求和三项按设定的权重累加，得到镜头语言综合分 L, 权重由创作者偏好决定。
    L=w1D+w2M+w3SL = w_1 D + w_2 M + w_3 S

价格策略

去餐厅吃饭，最后买单的金额总是最现实的考量。三家模型的价格策略各有算计：Sora 走“高端会员”路线，它被整合进 ChatGPT 的 Plus/Pro 订阅中，每月约 20 美元起，按档位提供有限的生成次数，适合预算充裕、追求高质量成片的用户；可灵对国内用户最友好，提供免费体验额度，付费会员从数十元人民币起步，阶梯清晰，就像社区食堂的套餐价，童叟无欺; Runway 采用订阅制，入门档约 15 美元/月，更贵的计划解锁更多生成秒数、4K 升级和团队协作功能，像是分子料理的“品鉴套餐”, 每加一道菜就多一分价钱。

价格之外，更要算清“隐形成本”: 免费额度往往带有水印、时长限制和排队等待，商用项目还要额外购买版权授权。Sora 看似贵，但省去了后期调色的时间；可灵看似便宜，但若需要大量运镜精致的镜头，你可能要花更多时间去反复抽卡。把时间成本算进去，才是最真实的性价比。

用一个简单的比值来衡量每家“花多少钱买到多少效果”。

点菜前先看钱包。预算紧的可灵，品质控的 Sora, 专业派的 Runway, 各有各的划算。

V=QC\displaystyle V = \frac{Q}{C}
性价比 V 等于产出质量 Q 除以单位成本 C。质量是主观打分，成本包括订阅费用、生成次数消耗与二次修改耗费的时间。
  1. 产出质量 Q综合画质、运动、镜头等因素得到的成片质量评分。
    QQ
  2. 单位成本 C平均生成一条可用视频所花的钱与时间之和。
    CC
  3. 性价比 V质量与成本之比，V 越高，说明每一块钱换来的效果越好。
    V=QCV = \frac{Q}{C}

选型建议

厨师再好，也要看顾客今天想吃什么。综合五张考卷，选型逻辑其实很简单：你的需求最看重哪个维度，就优先选那个维度最强的模型。预算有限、要快速量产短视频素材，可灵是稳妥之选，它的长时长和高性价比最适合口播、知识分享、电商展示；追求电影质感、要做品牌宣传片或氛围样片，Sora 的镜头语言和语义理解能力最能撑场面；需要做精细的产品演示、广告中指定某个区域运动，Runway 的运动笔刷和导演模式最值得入手。

更聪明的做法是“组合使用”: 用可灵快速铺量，用 Runway 精修关键镜头，用 Sora 打磨开篇的“惊艳三秒”。很多 AIGC 工作室正是这样搭起一条流水线——先把大量素材低价跑出来，再用高端工具做二次加工，既控成本又保质量。这就像去一家餐厅，不一定非要只点一桌菜，也可以让三位大厨每人贡献一道招牌。

把五张考卷的分数按自己的需求权重加总，就是一张个人定制的“点菜榜”。

没有绝对最强的模型，只有最匹配的组合。先想清楚自己要做什么内容，再让三位大厨各显神通，你就能用最合理的预算，端出最满意的那道视频大菜。

S=∑i=1nwixi\displaystyle S = \sum_{i=1}^{n} w_i x_i
综合得分 S 是各维度得分 xᵢ 与对应权重 wᵢ 的加权和。权重由你的业务需求决定，例如短视频运营可以给“时长”和“价格”更高权重，影视预演则给“镜头”和“画质”更高权重。
  1. 维度得分 xᵢ某模型在第 i 个维度（如时长、画质）上的表现分。
    xix_i
  2. 权重 wᵢ你对第 i 个维度的重视程度，所有权重之和通常为 1。
    wiw_i
  3. 加权求和将各维度得分乘以权重后累加，得到针对个人需求的综合分 S, 最高者即最推荐。
    S=∑i=1nwixiS = \sum_{i=1}^{n} w_i x_i

AI 应用场景

短视频运营：快速批量出片

阶段：内容量产

解决的问题：短视频团队过去一天只能人工剪辑 2-3 条素材，热点稍纵即逝。用可灵的长时长与亲民价格，可以批量生成口播背景、产品展示和场景空镜，再配合人工配音与快节奏转场，一人一天就能产出十余条成品，把“追热点”变成“批量下锅”。

具体案例：某本地生活账号运营者每天用可灵生成 10 条 30 秒的探店空镜，再叠加字幕与 BGM, 账号月涨粉从 2 万提升到 8 万，单条素材成本降到 3 元以内。

品牌广告：电影质感氛围样片

阶段：创意提案与预演

解决的问题：4A 广告公司在提案阶段常因“画不出分镜”而错失客户。用 Sora 把创意文案直接生成电影感样片，客户只需 30 秒就能感受到成片气质，不必等实拍团队进棚。相比传统拍 demo 动辄数万元，样片成本降低 90% 以上。

具体案例：某汽车品牌在新车发布前，用 Sora 生成 5 支不同调性的 15 秒概念预告，内部投票确定“沙漠日环食”风格后再进入实拍，提案通过率明显提升。

电商与产品设计：精确控制产品细节

阶段：产品演示生成

解决的问题：3C 产品的旋转展示、按键交互、防水测试等画面，传统渲染需要专业 3D 软件。Runway 的运动笔刷让设计师直接“画”出屏幕上的流光和机身的旋转轨迹，快速产出多角度演示视频，并嵌入官网与电商详情页。

具体案例：某手机厂商用 Runway 生成新机的 360° 环绕演示，从建模到出片仅用 2 天，较传统 3D 渲染节省约 10 万元外包费用。

Python 演示

python52 行
# -*- coding: utf-8 -*-"""AI视频模型选型评分器:输入你对各维度的重视程度, 计算三个模型的加权总分并给出推荐."""DIMS = ["生成时长", "画面清晰度", "运动控制", "镜头语言", "价格"] MODELS = {    "Sora": [65, 90, 75, 95, 60],    "可灵": [95, 85, 80, 70, 90],    "Runway": [55, 80, 90, 85, 70],} DEFAULT_W = [0.8, 0.7, 0.6, 0.7, 0.5]  def evaluate(weights):    result = {}    for name, scores in MODELS.items():        total = 0        for w, s in zip(weights, scores):            total += w * s        result[name] = total    return result  def read_weights():    weights = []    for d in DIMS:        while True:            try:                v = float(input("{}权重(0-1): ".format(d)))                if 0 <= v <= 1:                    break                print("请输入0到1之间的数字")            except ValueError:                print("输入无效, 请重试")        weights.append(v)    return weights  def main():    import sys    weights = read_weights() if len(sys.argv) > 1 and sys.argv[1] == "-i" else DEFAULT_W    result = evaluate(weights)    for name, s in sorted(result.items(), key=lambda kv: kv[1], reverse=True):        print("{}: {:.1f}分".format(name, s))    best = max(result, key=result.get)    print("推荐: {}".format(best))  if __name__ == "__main__":    main()
目的：这是一个命令行下的“选型评分器”, 你只需输入自己对五个维度的重视程度（0-1）, 程序就会按加权公式算出三家模型的综合得分，并给出推荐。
  1. MODELS = { "Sora": ... }存放三款模型在五张考卷上的相对得分，对应正文中的评分表
  2. DEFAULT_W = [0.8, 0.7, ...]默认权重代表一个“均衡型创作者”的偏好，可直接运行演示
  3. def evaluate(weights)实现加权求和公式 S = Σ wᵢxᵢ, 对每个模型逐一计算总分
  4. zip(weights, scores)将权重列表与得分列表逐位配对，简洁地完成“权重×得分”的累加
  5. def read_weights()用循环读取五个维度的输入，并做 0-1 范围校验，避免非法数据
  6. if __name__ == "__main__"保证代码既可被 import 调用，也能直接作为脚本执行
  7. main()` 中的 i 参数 — 传入 -i` 进入交互模式，不带参数则使用默认权重一键出结果

常见误区

误区很多人选模型时只看“单次能生成多长的视频”, 觉得可灵能生成 2 分钟就一定比只能生成 10 秒的 Runway 厉害，于是无脑选长。

正解时长只是五个维度之一，长视频伴随的是控制难度上升和细节损失。Runway 虽然单次短，但运动笔刷和导演模式让每个镜头都可精修; Sora 短短 20 秒却能讲出一个完整故事。就像一份 2 斤重的乱炖未必比一道 100 克的分子料理值钱，关键看你追求“量”还是“质”。

为何常见：因为时长是最直观、最好比较的数字化指标，用户容易被“数字越大越好”的直觉带偏，忽略了视频创作的真实目标是信息与美感。

误区看到“支持 4K 输出”就认定画质天花板，认为 1080P 的可灵一定不如 4K 的某款工具，下载回来却发现画面变形、文字乱码。

正解分辨率只是画质的其中一个维度。语义一致性同样重要——人物有没有六根手指、墙面文字是否拼写正确、物体运动是否符合物理规律，这些“硬伤”比分辨率更能毁掉一条视频。Sora 的真实质感来自它对光照和细节的理解，而非单纯像素堆砌。

为何常见：因为分辨率是一个宣传上最好看的数字，而“语义一致性”需要实际测试才能感知，用户被营销话术引导，忽略了生成模型的核心短板。

误区有人觉得 Sora 订阅最贵，所以任何项目都该用它，结果做短视频口播素材时既慢又贵，效率远不如可灵免费版。

正解工具的“好”是相对于需求而言的。Sora 的贵在于镜头语言和语义理解，适合品牌片与电影预演；可灵的便宜在于长时长和中文友好，适合量产与快节奏内容; Runway 的性价比体现在专业控制。贵有贵的道理，但不适合你的场景，再贵也是浪费。

为何常见：人们习惯用价格锚定质量，把“贵”等同于“万能”, 忽略了选型本质上是需求与能力的匹配过程。

误区看到“可灵有免费体验”“Runway 有免费积分”就以为能零成本量产，结果生成视频带水印、分辨率被压缩，商用更是直接侵权的“雷”。

正解免费额度的定位是“试用装”, 不是“免费食堂”。它通常限制时长、分辨率、生成次数和商用授权，商业项目必须购买对应会员并确认商用条款。把免费额度当生产工具，不仅质量受限，还可能惹上版权纠纷，得不偿失。

为何常见：平台为了拉新故意把免费额度的入口放得很大，而用户对“免费”背后的限制缺乏细读条款的习惯。

误区以为有了 AI 视频，摄影组和编剧都可以解散了，输入一段文字就能拿到一条完美成片，结果发现提示词写了半小时，生成结果还是差强人意。

正解AI 视频更像一台性能强大的“智能摄像机”, 它仍需要人来定调性、写剧本、选镜头、审细节、做后期。Sora 再会运镜，也还需要你告诉它“拍什么”; Runway 的运动笔刷再精细，也还需要你决定“哪里该动”。创意的策划与审美判断，是 AI 难以替代的人类核心价值。

为何常见：媒体宣传常把 AI 生成效果剪辑得神乎其神，让人误以为“一键出片”已经成熟，忽略了真实工作流中大量的人机协作与反复调参。

面试题

Q1. 三款模型中，单次生成时长上限通常最高的是？

单选题 · easy

  • A.Sora 生成时长上限最高
  • B.可灵生成时长上限更高← 正确答案
  • C.Runway 生成时长上限最高
  • D.三款模型水平并无差别

答案：B。可灵在长时长生成上优势明显，单次最长可达 2 分钟级别，而 Sora 通常在 20 秒以内，Runway 多在 10 秒左右。这好比社区食堂快刀手能一次端出大份量，米其林主厨则更重精工细作，时长并非衡量模型强弱的唯一标准。

Q2. Sora 最突出的差异化优势是？

单选题 · easy

  • A.语义理解镜头语言强← 正确答案
  • B.单次生成时长最长
  • C.会员订阅价格最低
  • D.运动笔刷控制精确

答案：A。Sora 的招牌是语义理解与镜头调度，能把文字提示转化为富有电影感的运镜——推拉摇移信手拈来。而单次时长最长是可灵，价格最低一般是可灵；运动笔刷是 Runway 的招牌，所以 A 正确。

Q3. 运动笔刷（Motion Brush）是哪个产品的标志性功能？

单选题 · mid

  • A.Sora 的招牌功能
  • B.可灵的独有功能
  • C.Runway 的核心功能← 正确答案
  • D.三款都支持该功能

答案：C。运动笔刷让用户直接在画面上涂抹，指定某个区域动起来，这是 Runway 在运动控制上的代表作。Sora 更多靠语义描述运动，可灵的优势在物理规律与长时长，两者都没有把“笔刷”作为核心卖点。

Q4. 可灵最突出的产品特点是？

单选题 · mid

  • A.拥有丰富镜头语言
  • B.长时长与亲民价格← 正确答案
  • C.极致运动控制精度
  • D.好莱坞级电影画质

答案：B。可灵以“长时长+高性价比+中文友好”著称，适合短视频量产。镜头语言丰富是 Sora 的强项，极致运动控制是 Runway 的特长，画质上三家各有千秋但可灵并非唯一好莱坞级。

Q5. 想做电影质感的品牌概念样片且预算充足，优先考虑？

单选题 · mid

  • A.可灵的基础版本
  • B.Runway 的免费版本
  • C.Sora 的高级订阅← 正确答案
  • D.三者之间完全等价

答案：C。品牌概念样片看重镜头语言与真实质感，Sora 的高级订阅能生成高质量、运镜丰富的短片，最契合这类需求。可灵基础版适合量产，Runway 免费版限制多且偏专业控制，三者并不等价，按需选择才合理。

Q6. 关于三家技术路线的说法，正确的是？

单选题 · hard

  • A.三家全部依赖传统 CG 渲染器
  • B.都属于扩散模型但实现有差异← 正确答案
  • C.可灵采用纯文本生成路线
  • D.Runway 不采用生成模型

答案：B。Sora、可灵、Runway 都属于基于扩散思想的生成式模型，但在架构设计、训练数据和产品封装上差异明显。它们都不依赖传统 CG 渲染器，也不是纯文本路线，更不存在“不采用生成模型”的可能，故选 B。

Q7. 预算有限且需要快速产出大量短视频素材，最合适的选择是？

单选题 · hard

  • A.Sora 高价位方案
  • B.Runway 高端导演模式
  • C.可灵性价比方案← 正确答案
  • D.三个方案都不合适

答案：C。预算有限+量产需求，对应的是“便宜且能长时长生成”的工具，可灵恰好满足。Sora 高价位方案成本高，Runway 高端导演模式面向专业精修，都不适合低成本批量铺量，故选 C。

Q8. 下列属于 AI 视频生成质量评估维度的是？

多选题 · easy

  • A.生成时长上限← 正确答案
  • B.画面清晰程度← 正确答案
  • C.运动控制精度← 正确答案
  • D.社交平台粉丝数

答案：ABC。本横评围绕时长、画质、运动、镜头、价格五张考卷展开，前三个都是核心评估维度。社交平台粉丝数是账号运营指标，与视频生成质量无关，属于明显干扰项，故排除 D。

Q9. Runway 在运动与镜头方面的独特能力包括？

多选题 · mid

  • A.运动笔刷精确控制← 正确答案
  • B.导演模式镜头调度← 正确答案
  • C.独特的创意风格化← 正确答案
  • D.完全无需任何提示词

答案：ABC。Runway 的差异化在于运动笔刷、导演模式（相机轨迹参数化）和强风格化的画面调性。但它不能“完全无需提示词”, 任何生成式 AI 都需要用户输入至少一个创意起点，故 D 错误。

Q10. 关于三款模型的选型策略，正确的说法是？

多选题 · hard

  • A.时长优先选 Runway
  • B.性价比优先选可灵← 正确答案
  • C.镜头语言优先选 Sora← 正确答案
  • D.三款工具功能完全等同

答案：BC。时长优先应选可灵而非 Runway, 故 A 错。可灵长时长、定价亲民，性价比优先时确实推荐; Sora 的运镜与语义理解最强，镜头语言优先时推荐; D 明显错误，三者各有所长，并非等同。故选 B、C。