/icon.png){kind=icon}
2026 做音樂 MV 該用哪個 AI 影片模型：性價比、速度、英雄鏡頭三榜
歌已經做好了。你盯著時間軸，心裡那筆帳卻還沒算完：副歌要不要上旗艦、主歌能不能用便宜檔、整首歌先出一版預覽要燒多少積分。2026 年夏天之前，很多人的預設答案還是「整首丟給最貴的那個模型」。結果是預覽還沒看完，額度已經見底。
這其實不是畫質問題，是鏡頭角色問題。同一支 MV 裡，有的鏡頭觀眾會暫停細看，有的鏡頭只是把拍子填滿。用錯檔位，不是畫面差一點，是整首歌的預算結構錯了。
多數排行榜把所有模型排成一張「誰更強」的表。下面三份名單按音樂 MV 的真實用法拆開：誰適合刷整首歌預覽、誰適合先看完再決定重拍、誰值得留給副歌特寫。數字能核對的才寫進表；對不上產品清單的行，直接拿掉，不編。
為什麼全片一個旗艦模型，會把一首歌做成虧本買賣
一支 3 分鐘 MV 通常要幾十個鏡頭。如果你每個鏡頭都按「最好看」去生成，成本會按鏡頭數線性漲，觀感卻不會。觀眾真正鎖住的，往往是副歌進拍、高潮特寫、口型演唱那幾刀。
MiniMax 官方介紹 H3 時寫過一句話：2K 檔的每秒價格不到主流模型的三分之一，768p 不到主流 720p 的一半。這句話說的是旗艦 H3 的性價比敘事，不是要你把整首歌都丟給它。H3 單段可以到 15 秒、原生 2K、還能把圖片 / 影片 / 音訊一起當輸入——這些能力貴，也該貴在會停下來看的鏡頭上。
2026 年 8 月 27 日，我們在 H3 家族的極速檔 MiniMax H3 Max 上跑了一次文生影片：5 秒、480P、16:9，端到端 5.41 秒，API 價格 0.125 美元。產品標價是 5 秒 720P 160 積分，480P 100 積分。同一天還把可選手動模型的積分和典型出片時間，對照產品清單核對了一遍。
實用規則： 先問這刀鏡頭觀眾會不會暫停，再問該用哪個模型。解析度是結果，不是選型理由。
性價比榜：同樣 5 秒，誰最值得拿來刷整首歌預覽
預覽檔要的不是海報級單幀，而是「整首歌先過一遍，結構對不對得上」。積分按產品 5 秒檔（720P 錨點）；H3 Max 另標 480P。出片時間是產品側典型值，H3 Max 的 5.41 秒是當天實測。
| 模型 | 5 秒積分 | 典型出片 | MV 角色 |
|---|---|---|---|
| MiniMax H3 Max | 160（480P 100） | 3–10 秒（實測 5.41 秒） | 預設全曲預覽 |
| Seedance 2.0 Mini | 150 | 約 70 秒 | 便宜且臉穩 |
| Grok Imagine 1.5 | 150 | 約 30 秒 | 快情緒、光影 |
| LTX 2.5 Fast | 180 | 約 40 秒 | 中檔，自帶音軌 |
| Kling O3 Standard | 225 | 約 94 秒 | 身體、舞蹈中檔 |
H3 Max 勝在單位時間的預覽密度：5 秒畫面大約 5 秒就能拿回來，整首歌幾十個鏡頭可以當天看完。它支援文生、圖生和首尾幀，解析度到 720P，沒有參考音訊——別指望用它鎖口型。
Seedance Mini 積分幾乎一樣（150），但典型出片約 70 秒，換來的是最多 9 張參考圖鎖臉。臉要穩、又不想上旗艦時，它比 H3 Max 更合適。Grok Imagine 1.5 同樣 150 積分、約 30 秒出片，能力是參考影片式的首尾融合，不是標準首尾幀，適合試光、試情緒，不適合當轉場錨點。
產品選擇器裡 Seedance 不是一檔，是五檔。性價比榜只放了最便宜的 Mini，掃表時容易誤以為整條產品線都沒寫進來。SunoMV 預設影片模型是 Seedance 2.0 Fast（250 積分 / 約 135 秒），不是 Mini，也不是 2.5。積分與典型出片時間對照產品清單：
| 檔位 | 5 秒積分 | 典型出片 | 解析度 | MV 角色 |
|---|---|---|---|---|
| Seedance 2.0 Mini | 150 | 約 70 秒 | 720P | 便宜鎖臉 |
| Seedance 2.0 Fast | 250 | 約 135 秒 | 720P | 產品預設、穩健中檔 |
| Seedance 2.0 | 320 | 約 150 秒 | 720P | 標準檔 |
| Seedance 2.5 | 500 | 約 90 秒 | 1080P | 敘事旗艦、副歌英雄 |
| Seedance 2.0 4K | 3000 | 約 370 秒 | 4K | 只留給商業成片 |
實用規則： 提到 Seedance，先問是哪一檔。Mini 鎖臉、Fast 當預設成片、2.5 拍副歌、4K 出成片——別把 Mini 和 2.5 當成同一個模型。
Kling O3 Standard 更貴、更慢，但身體和舞蹈中檔常用它；官方入口在 Kling。LTX 2.5 Fast 略貴於 H3 Max，短處是最短 6 秒，長處是生成時就能帶音軌。
實用規則： 預覽沒看完之前，不要把副歌預算花在第一段主歌上。
速度榜：先看完全曲，再決定哪幾刀值得重拍
音樂影片和廣告片不一樣。廣告可以等；歌的結構要立刻聽出來——副歌進拍有沒有切、橋段冷不冷、最後一次副歌有沒有升級。速度榜看的是「5 秒畫面你要等多久」，不是「這幀能不能當封面」。
| 模型 | 典型 5 秒出片 | 最適合 |
|---|---|---|
| MiniMax H3 Max | 3–10 秒（實測 5.41 秒） | 整首歌先過一遍 |
| Grok Imagine 1.5 | 約 30 秒 | 光影、情緒試拍 |
| LTX 2.5 Fast | 約 40 秒 | 要自帶音軌的中速檔 |
| Veo 3.1 Lite | 約 50 秒（時長鎖 8 秒） | 電影感短鏡 |
| Seedance 2.0 Mini | 約 70 秒 | 要鎖臉的便宜檔 |
Google DeepMind 的 Veo 頁面 把 Veo 3.1 定位成「影片遇上音訊」：原生音效、環境音、對白，強調電影感。在可選模型裡，Veo 3.1 Lite 積分錨在 160，但走首尾幀時時長被鎖成 8 秒。它看起來和 H3 Max 同價，實際每一刀更長、更不宜拿來切碎拍。電影感短鏡可以；當預設預覽引擎，節奏會對不上歌。
H3 Max 之後，速度會掉一個數量級：Seedance 2.0 Fast 約 135 秒 / 250 積分，Wan 3.0 約 180 秒 / 200 積分。這兩檔能做，不該當「先看完」的工具。
英雄鏡頭榜：副歌特寫、口型、4K 該上誰
預覽過關以後，才輪到「觀眾會暫停的那幾刀」。英雄鏡頭看的是臉、身體、口型、畫質上限，不是積分表上的最低價。
- Kling O3 Pro — 舞蹈和臉的天花板。約 318 秒出片，300 積分 / 5 秒，原生 1080P，支援首尾幀。身體折疊、轉圈、近景臉，預覽檔經常翻車的地方，放這裡。
- Seedance 2.5 — 敘事旗艦。約 90 秒，500 積分 / 5 秒，參考圖上限按產品能力是 9 張，時長 4–15 秒。要穩、要跟得上分鏡，而不是只要快。
- MiniMax H3（Hailuo 03） — 口型 + 2K。約 250 秒，350 積分 / 5 秒，最多 9 張參考圖、可餵參考音訊。官方能力和試用入口見 Hailuo 上的 MiniMax H3；開源側的首尾幀任務寫在 Hugging Face 的 MiniMax H3 模型卡。它和 H3 Max 不是升級關係。
- FLUX 3 — 概念美術、多關鍵幀。約 120 秒，350 積分 / 5 秒。適合定視覺，不適合當預設出片引擎。
- Seedance 2.0 4K — 只留給要出商業 4K 的成片。約 370 秒，3000 積分 / 5 秒。預覽階段碰它，就是在用成片預算打草稿。
H3 Max 不進這張榜，不是因為它弱，是因為它不該出現在「暫停細看」的位置：沒有參考音訊、最高 720P。把口型演唱交給它，等於用預覽引擎做英雄鏡頭。
想看 H3 怎麼把歌本身餵進去，可以先看這篇 MiniMax H3 做 AI MV 的參考音訊拆解；臉要在多鏡頭裡不換人，方法在 AI 音樂影片角色一致性。
https://www.youtube.com/embed/Jd-3m-cb3i4
上面這支教學走的是 Hailuo 上的 MiniMax H3：圖片 + 人聲進模型，再按 15 秒一段往下切。它證明的是旗艦鏡頭怎麼拍，不是「整首歌都該這麼貴」。速度和積分對照，仍以本文三份榜單為準。
一張決策表：預覽、高潮、成片各用什麼
把上面三份名單收成一張表。列是鏡頭角色，不是廠商排位。
| 鏡頭類型 | 首選 | 備選 | 別用 |
|---|---|---|---|
| 全曲預覽 | H3 Max | Grok Imagine 1.5 | 4K / 旗艦全片 |
| 常規成片 / 鎖臉 | Seedance 2.0 Fast | Seedance 2.0 Mini | 用 H3 Max 當終稿 |
| 副歌英雄 | Kling O3 Pro / Seedance 2.5 | MiniMax H3 | Mini 硬撐特寫 |
| 口型演唱 | MiniMax H3 | Seedance 音訊參考 | H3 Max（無參考音訊） |
| 商業 4K | Seedance 2.0 4K | — | 預覽階段 |
決策過濾器： 問一句「觀眾會在這裡暫停嗎？」不會，就留在快檔；會，再上旗艦。
這張表和「整首只用一個模型」是反著的。預覽用快的，高潮用貴的，口型用能吃音訊的，4K 只留給真要出片的版本。想把預算再壓到關鍵幀層，可以看 Lite-Agent 極省工作流——那篇講 5 個關鍵幀怎麼切，本文講這 5 刀各自該選誰。
推薦工作流：H3 Max / Grok 鋪全曲，再加 2–3 個高潮鏡頭
落地時不要同時開十個模型。一條能重複使用的路徑：
- 先定歌和時間軸。 副歌進拍、橋段、最後一次副歌，標出 2–3 個「觀眾會停」的點。
- 整首預覽用 H3 Max（或 Grok 試光）。 480P 即可。目標是當天看完結構，不是出成片。
- 刪掉不會停的鏡頭。 主歌空鏡、過門、尾奏，能留在預覽檔就留；不要因為「已經生成了」就升檔。
- 高潮 2–3 刀升旗艦。 舞蹈/近景臉 → Kling O3 Pro 或 Seedance 2.5；要口型 → MiniMax H3，把這一句人聲餵進去。
- 真要 4K 再開 4K。 結構沒定之前，4K 只是更貴的草稿。
在 SunoMV 裡，這些模型都是你自己能選的。先拿 H3 Max 把整首歌鋪一遍，再把副歌那幾刀換成旗艦——不要一上來就全片最高檔。
H3 Max 和 H3 會不會搶同一批搜尋？ 不會，只要你按鏡頭角色選。H3 Max 是預設預覽；H3 是 2K 和口型英雄。混用是正常工作流，互相替換才是浪費。
為什麼表裡沒有把所有模型的 API 價格都列出來？ 因為只有 H3 Max 的 0.125 美元 / 5 秒（480P）是當天測過的。其餘模型只寫產品積分和典型出片時間。對不上的數字，刪掉比猜更負責。
Veo 能不能當預覽預設？ 不太適合。電影感可以，但 8 秒鎖時長會把碎切抬貴、抬長。預覽預設留給 H3 Max。
現在就去 SunoMV 開始做，選 MiniMax H3 Max 把你最近那首歌先過一遍。結構對了，再為副歌那兩刀花錢。
—— SunoMV 團隊
Popular guides