效果营销人问我们最多的问题，说来说去都是“做广告该用哪个 AI 视频模型？”老实说，这个问题问错了。没有唯一最好的模型，而且每隔几周就有新版本发布，排名随之变动。真正要紧的是让模型匹配镜头。一条口播 UGC、一个产品主镜头旋转展示、一段风格化的动态作品，各自适合不同的引擎。
我们在 Hermoso 的生产环境里调度 Veo 3.1、Seedance 2.5 和 Kling 3.0，按任务挑选，而不是押宝在某一个上。这是从业者的视角：每个模型在广告里到底在哪儿最能派上用场，依据是我们实际交付的成片，而不是公开的跑分。
Veo 3.1：原生音频和口型同步
Veo 3.1 在广告上最突出的地方，是它原生生成语音，和画面在同一次生成里完成，所以嘴唇和声音出自同一个过程。光这一点，就解决了 AI 视频里最顽固的破绽：把 TTS 音频硬接到单独生成的嘴上时，那种烂配音电影式的嘴型。人的感知抓这种错位极其精准，调色也盖不住。
所以只要有一张嘴在镜头里要说话，我们默认就用 Veo：口播式用户证言、创始人对着镜头讲话、任何围绕一个人说话来做的 UGC 创意。当形式是一个人在说一句台词时，原生对口型的语音，比几个模型之间的任何其他画质差异都更值钱。
代价是 Veo 的内容政策更严。它容易在品牌名、真人肖像以及任何沾点酒的内容上过度拦截，可能把一条本来没问题的提示词弹回来。在我们的流程里，那里一旦被拒，会自动回退到另一个模型，而不是走进死胡同。不过如果镜头依赖某个具名品牌或一张能认出来的脸，这仍然是要考虑的实际问题。
Seedance 2.0：原生音频、一镜到底、靠参考图保持一致
Seedance 2.0 是我们做广告真正赖以生存的那类镜头的主力：产品被一只真实的手拿着、转动、放下、倾倒。喂给它一张真实的产品照片作参考，它能出色地保住实物的身份（瓶子形状、标签几何结构、具体的颜色），而不是像没有参考的文字提示那样，编出一个看起来说得过去的“远房表亲”。对 DTC 和快消品素材来说，屏幕上的产品必须就是货架上的产品，这种从参考图到视频的还原度就是全部。
Seedance 适合广告的第二点是质感。它能渲染出可信的手持、手机摄像头颗粒感：那种略带瑕疵、不加修饰的拍摄质感，看起来是真实的 UGC，而不是油光锃亮的广告片。用提示词把它往哑光皮肤和中性光线上引，它做出“有人用手机拍的”那种感觉，比其他选择都好。
还有两个特性让它更完整。Seedance 原生生成音频（人声、房间底噪、场景里的零碎声响），和画面在同一次生成里完成，所以一条 UGC 出来时就已经在说话，环境音也真的和房间对得上，而不是一段等着配音的无声片段。它还能在一次连续生成里撑到十五秒，这比听起来重要得多：一镜到底意味着节拍之间没有接缝，片子中途不用重新布光，也不会有剪辑点落在一个词的中间。对十五秒及以内的单次生成 UGC，我们通常会调度到 Seedance，因为它能在一个干净的镜头里同时保住产品、颗粒感和声音。它的主要局限是每个模型都有的那个（见下文的运动部分）：别让它去抛或扔任何东西。
Seedance 2.5：一镜到底三十秒
然后 Seedance 2.5 来了，把上面这些内容所依据的上限整个抬高了。我们让它生成三十秒，得到的是 30.08 秒：一个连续镜头，带声音，零硬切。不是用几段片段拼出来的三十秒，而是镜头从头到尾根本没停的三十秒。
这对广告素材的意义，比一次参数升级听起来大得多。自从这个品类存在以来，十五秒一直是单次生成镜头的实际上限，所以任何更长的内容都得拼接：把节拍分开渲染，对齐光线，藏好接缝。接缝正是 AI 广告露馅的地方。调色偏了一点，房间底噪掉了一帧，演员的头发在节拍之间复位了。三十秒的单次生成，通过去掉拼接，也就去掉了接缝。一整条贴片广告、一个完整的产品故事、一段有头有尾的演示，都可以作为一个连续镜头跑完。
声音也一并到位。2.5 在生成画面的同一次运行里生成同步音频（对白、环境声、房间里的零碎声响），而且默认开启。音频开或关，价格都一样。它还能接收一张真人照片，把人以照片级真实感动起来：给它一张脸，镜头里就是这个人，皮肤质感真实，而不是一个风格化的替身。
代价是分辨率。2.5 渲染 480p 和 720p，没有 1080p 选项，所以一条必须以全高清交付的主打广告，仍然是 2.0 的活。这正是调度要做的那种决定：时长、分辨率、是否要出现真人脸，是三个不同的问题，而能同时把三个问题都答对的，很少是同一个模型。
Kling 3.0：靠人脸参考保持身份，每次渲染都是同一个人
Kling 3.0 在广告上的招牌优势是身份一致。给它一张人脸参考图，它就能在不同镜头、不同渲染之间稳住这个人，五官一样，气质也一样。这就给了效果团队他们真正想从 AI 演员身上得到的东西：一个固定出镜的创作者。上周那条跑赢的 hook 里的那张脸，可以出演本周的三个变体，让你的受众每条广告都见到一个熟悉的人，而不是陌生人。一个跑赢的演员，变成了你可以反复使用的资产，而不是一次性的碰运气。
3.0 的其他特性也适合做广告。和 Seedance 一样，它在生成画面的同一次运行里原生生成音频。它接受三到十五秒之间的任意时长，而不是只能卡在固定时长上，这样就能让镜头去配合脚本，而不是反过来。让早期 Kling 走红的图生视频依然出色：从一张静态图（产品照片、关键帧、一张品牌美术图）出发，它能加上可信的运动、运镜和可控的动感，而不是让一张几乎静止的画面微微动一下。
对每个模型（Kling 也不例外），我们都会小心抛物运动：物体在重力下真正自由飞行的情况。抛起的瓶子在空中多停一拍，以恒定速度翻滚，落地时毫无重量感。这不是 Kling 独有的弱点，质量和动量对所有模型来说都还很难。解法在编排，不在选模型。让产品被拿着、转动、放下、倾倒：这些动作里都是手在带着物体走，模型永远不必独自去算重力。
那么谁赢了？
一个粗略的决策规则，也就是我们实际在用的方式：
- 有人对着镜头说话，而且特写很重要 → Veo 3.1，用它的原生对口型语音。
- 真实产品，被拿着或摆弄，UGC 颗粒感，单个镜头最长 15 秒 → Seedance 2.5，以真实产品照片为依据。
- 一条中间不剪、最长三十秒的长广告 → Seedance 2.5，它能一镜到底撑完全程，480p 或 720p。正在 Hermoso 上逐步上线。目前的调度最长支持十五秒单镜头，更长的内容会拼接。
- 整个广告活动用同一张脸，或者给静态图加上运动 → Kling 3.0，以人脸参考为锚点。
它之所以只是经验法则而不是铁律，是因为这些模型一直在互相超越。一次版本升级，就可能把另一个模型曾经独占的长处交给这一个。这正是我们不让用户自己挑的原因：Hermoso 会把每个任务分派给最适合那个镜头的模型，并在新版本发布时重新调校调度，所以上面的选择会在每次渲染时自动完成，不用你去追更新日志。
何况选模型本来就只是一条好广告里较小的那一半。让 AI 广告被识破的那些破绽（蜡像皮肤、乱码的标签文字、金色大片调色、没有任何物体会遵守的物理）大多是模型运行前后的流程决定。模型本身很少是罪魁祸首。Hermoso 的 AI 广告生成器 把这些修正都做了进去：去油光的真实感处理，把真实产品照片合成进场景，所有文字和 logo 都在后期合成而不是让模型去画，原生语音只留给镜头里的嘴。模型替你选好，手艺也已经做进去。
在底层，同一个 Studio 还会在 Meta、Google 和 LinkedIn 广告库以及 TikTok 自然内容里研究你的市场里什么正在跑赢，所以在渲染出任何一帧之前，创意就已经立足于被验证过的素材。免费套餐可赚取 250+ 免费积分，无需绑卡；每次渲染前，应用里都会显示确切费用。要结束这场模型之争，最快的办法是用你自己的产品生成一条广告，然后评判成片。调度早就替你选好了。
常见问题
哪个 AI 视频模型最适合做广告？
没有唯一的最佳。Veo 3.1 在原生音频和镜头内说话的口型同步上领先，Seedance 2.0 强在靠参考图还原产品、原生音频和最长 15 秒的单镜头 UGC，Seedance 2.5 强在单镜头时长（实测 30 秒中间不剪，带原生音频），Kling 3.0 强在靠人脸参考保持身份，让不同渲染里都是同一个人，另外还有图生视频。选哪个取决于镜头，而排名每次有新版本都会变。Hermoso 会把每个任务分派给最适合它的模型。
AI 生成的单个镜头最长能有多长？
在 Seedance 2.5 上是三十秒。我们要了三十秒，实测得到 30.08 秒的一个连续镜头，带原生音频，没有硬切。在它之前，十五秒是上限，这也是为什么更长的广告一直是用几段片段拼出来的。一次生成就意味着没有接缝要藏：没有调色偏移，节拍之间房间底噪也不会掉。它渲染 480p 和 720p，所以一条必须以 1080p 交付的广告，仍然要靠更短的镜头来做。
哪个模型的口型同步最好？
以我们的经验是 Veo 3.1，因为它在生成画面的同一次运行里原生生成语音，嘴唇和声音出自同一个过程。诡异的嘴型来自把单独生成的 TTS 配到渲染好的嘴上，所以 TTS 只留给看不到嘴的镜头。
哪个模型能让我的真实产品看起来没走样？
喂给 Seedance 2.0 一张真实的产品照片作参考，并把物体合成进场景时，它能很好地保住产品身份。文字提示描述的是品类，参考图锁定的是身份，这就是为什么以真实照片为依据，胜过用文字去描述产品。
哪个模型能在整个广告活动里保持同一个演员？
Kling 3.0。给它一张人脸参考，它就能在不同渲染之间保住这个人的身份，让一个固定出镜的创作者撑起一整个系列的广告，而不是每条广告都换一张新脸。
为什么 AI 视频处理不好被抛出或掉落的物体？
抛物运动（物体在重力下自由飞行）是当前每个模型的物理仍会明显崩坏的地方，不管你用哪一个。用编排绕开它：让产品被拿着、转动、放下或倾倒，由手带着物体走，模型永远不必独自去算重力。
在 Hermoso 上我得自己选模型吗？
不用。Hermoso 会把每次渲染分派给最适合那个镜头的模型，并在新版本发布时重新调校调度，所以你永远不用追更新日志，也不用挑模型。你描述广告，剩下的交给调度。