TASK 01 / VIDEO
做视频，模型只帮得上三段。
一条工程口播片，真正耗时间的不是「生成」，是写稿、找素材、对齐画面。模型在这三段各有分工，别指望一个工具全包。
最后校准 2026-10-18
数据周 2026-W42
适用：口播片 / 项目纪实 / 知识短视频
一句话结论：写稿用 Claude Opus 5.5；生成空镜用 Gemini Omni Flash 或 Seedance 2.5；看原片、拆镜头用 Gemini 4 Argon。剪辑仍然要人来做。
主力
Claude Opus 5.5
口播稿和分镜脚本。长文结构稳，改写时不丢原判断，中文少翻译腔。先把事实卡列好再让它写，能省掉一半返工。
AA 智能指数 57.6 · 输出 $20/M写稿
专项
Gemini Omni Flash
文生视频。盲测第二、2.6 万票，声画一体，适合没有人物特写的空镜、转场和氛围镜头。
竞技场 1512.9 · 第 2 名 · 26,576 票文生视频
省钱
Seedance 2.5
图生视频。首帧稳定、按秒计费便宜，适合批量出镜头；同一张参考图多生几条再挑。
竞技场 1477.4 · 第 4 名 · 15,729 票图生视频
WORKFLOW
怎么排一条能跑的流水线
先写事实卡，再写口播稿
把项目、数字、时间、人物关系列成 8–12 条事实，再让模型组织成稿。模型负责结构和语感，事实由你签字。
用长上下文模型拆原片
整条原片喂给 Gemini 4 Argon，让它输出「时间码 + 画面内容 + 可截取片段」。它看得完 1M 上下文，但判断哪段能用仍要人过一遍。
空镜只生成无人物场景
工地、材料、天空、城市远景这类镜头最稳；人物脸和手仍是翻车高发区，也踩「成片不露他人脸」的红线。
剪辑、字幕、混音回到人工
模型给的是素材和文本，不是时间线。卡点、留白、字幕断句，仍由剪辑决定。
SIDE BY SIDE
同一件事，谁更合适
这张表是编辑判断，不是榜单排名。依据在每行的注释里。
| 具体任务 | 首选 | 替代 | 注意 |
|---|---|---|---|
| 写口播稿 | Claude Opus 5.5 | Kimi K3 | 中文语感优先，事实要人核 |
| 文生空镜 | Gemini Omni Flash | Seedance 2.5 | 避免人物特写 |
| 图生视频 | MiniMax H3 | Seedance 2.5 | 首帧决定稳定性 |
| 看片 / 拆镜头 | Gemini 4 Argon | Gemini-3.8-Flash | 1M 上下文，直接喂原片 |
| 封面主视觉 | GPT Image 2.5 | Nano Banana 2.1 | 标题安全区留够 |
| 字幕 / 翻译 | Claude Opus 5.5 | GPT 6.1 Sol | 先把术语表锁死 |
LIMITS
边界与坑
- 视频榜单用的是通用 prompt，工程画面（塔吊、基坑、节点）要自己试，别直接照搬名次。
- 票数低于 2,000 的模型名次不稳。Gemini Omni 1.1 虽然排第一，但只有 1,784 票，我把它当参考、不当结论。
- 生成人物脸、手、文字仍然容易崩；与其反复抽卡，不如改成分镜避让。
- 模型不解决音乐、字体、素材的授权问题。站内不标注来源，但内部台账要留底。