Google Veo 评测：它卖的不是画面，是「同期声」

拿 Veo 和其他视频模型比画质，是最容易做也最没意义的一件事。这一档的工具都能出「看起来像真的」画面，差别在别处：它生成的是一条能直接接进片子的镜头，而不是一段需要再配音、再对口型、再拟音的素材。

这篇评测只回答一个问题：什么时候用它，比用便宜的模型加后期更省。

先把评的标准定清楚

视频生成工具常被放在同一个擂台上比，其实它们在交付两种完全不同的东西。

一种是素材：空镜、氛围片、动态背景。要求是好看、够用、便宜，配音配乐后期接。多数国产模型和开源模型都在这个位置。

另一种是镜头：有人说话、有动作、有声音，剪进片子里不用改。要求是音画对得上、表演不出戏。Veo 在这一格。

标准不同，结论就不同。按素材的标准评，Veo 贵且短，性价比很差；按镜头的标准评，它省掉的是三个后期岗位的工作量。买之前先想清楚自己要的是哪种，这一步比看参数重要。

声音是它唯一不可替代的地方

从 Veo 3 开始，声音和画面在同一次生成里完成。人物开口，口型对得上；杯子摔了，有碎裂声；场景在雨里，雨声和环境噪音一起出来。不是后期贴上去的，是生成时一起算的。

这件事的分量要放在流程里看。一条带人物说话的 8 秒镜头，传统做法要拆成：拍摄或生成画面、写配音稿、找人配音或合成、对口型、找音效、混音。六个环节，任何一环出问题都要回头改画面。Veo 把它们并成一个动作——写提示词的时候把声音写进去。

所以用不用它，有个很简单的判据：你的成片里有没有声音是需要跟着画面走的。广告口播、产品演示、短剧对白，有，它值；空镜、转场、背景素材，没有，它的核心优势一分都用不上，剩下的只有贵。

提示词里不写声音，等于白买。写「雨夜街头」和写「雨夜街头，远处有警笛，人物低声说话，声音随镜头推近变清楚」，出来的东西完全是两条。这一点和用其它模型的习惯相反，要刻意改。

8 秒不是缺陷，是镜头长度

第一次用的人几乎都会抱怨单条太短：4 秒、6 秒，1080p 和 4K 只能选 8 秒。但把这个数字放到真实的剪辑里就没那么难受了——广告的单个镜头本来就在 3 到 8 秒，超过十秒不切，观众会走神。

真正的问题不是短，是你要按镜头写脚本，而不是按「一条完整视频」写。想着一次生成一条 30 秒的片子，一定会失望；把 30 秒拆成五个镜头分别生成，再剪起来，这才是它被设计出来的用法。

需要更长的连续镜头时，API 支持以 7 秒为单位往后延长，一条能拼到两分多钟。代价是每延一段都按新的一段计费，而且要接受后半段的一致性衰减——人物走远、场景换光，接缝看得出来。

可控性：给它图，别给它作文

纯文字生成的可控性永远差一档，这不是 Veo 的问题，是所有视频模型的通病。它提供了两条更靠谱的路。

首帧与尾帧：指定起始画面和结束画面，中间的运动由它补。做转场、做形态变化、做「从空镜推到产品特写」这类镜头，一次就中。

参考图锁一致性：最多三张参考图定住人物、角色或产品外观，跨镜头不换脸、不换包装。做系列广告、做同一角色的多个镜头时，这是刚需——否则每条生成出来的人都不一样，剪在一起像换了演员。

实际工作流是：先用图把画面定死，再让它动，最后才用文字调氛围。反过来的顺序会陷入「改了十个词还是不对」的循环。

算一笔真实的成本账

API 按秒计费，标准档大约 0.4 美元/秒起，快速档 0.05 到 0.12 美元/秒，4K 更贵。一条 8 秒 1080p 的标准档成片，约 3.2 美元。

看起来不贵。但真实的创作不是跑一条就定稿：同一提示词跑五遍挑一条是常态，有些镜头要跑十几遍。3.2 乘以五就是 16 美元一条可用的镜头，一条 30 秒广告五个镜头，光生成就八十美元，还不算废片的时间。

订阅侧是另一条路。Google Flow 每天给 50 积分，够跑两三条快速档；订阅分档，AI Plus 约 4.99 美元/月给 200 积分，AI Pro 约 19.99 美元/月给 1000 积分，AI Ultra 约 99.99 美元/月给 10000 积分。高质量档一次 100 积分，Pro 档一个月能跑十条左右的高质量——够试，不够量产。

价格与额度调整频繁，以上只是当期区间，务必以官网为准。

结论性的算法是：如果你的需求是「每月几十条素材」，它的单价贵到不合理；如果是「每月三五条必须交付的带声镜头」，订阅费远低于请人配音配乐的成本。

几个必须提前知道的卡点

• SynthID 水印去不掉。每条输出都带隐形水印，正规商用没问题，想当作非 AI 内容交付不行。有这类需求的项目，直接排除。
• 风格偏「精致的商业片」。光影干净、镜头稳、材质漂亮。要粗粝的纪实感、要手持晃动的真实感，反而不容易调出来。
• 账号与网络是硬门槛。要用 Google 体系的账号和支付，国内访问需要额外条件。这一条常常在试用期之后才被发现，选型时应该第一个确认。
• 高峰期排队。免费和低档位在欧美黄金时段等待明显，赶工期要留余量。

和可灵、Runway、海螺怎么分工

它们不是替代关系，是流水线上不同的工位。

可灵：中文场景理解准、国内直连、按积分付费，做短视频素材性价比最高，首尾帧和口型驱动都有。

海螺：人体动作的物理真实感最好，单条成本最低，适合以人物表演为主的短片。

Runway：镜头控制与后期工具更专业，适合有影视基础的团队做需要精确调度的镜头。

Veo：唯一一档「生成完就带声音」的。它不负责数量，负责那几条必须交付的镜头。

一个务实的组合：用便宜的模型跑量、试构图、出草案，定稿的那几个镜头交 Veo 做带声的最终版。这样成本控制在能接受的范围，成片质量也不打折。

结论

Veo 的价值不在画面更好看，在它把「画面 + 声音」压成一次操作。这个能力只对一类人成立：需要交付带同期声成片的人。广告与品牌团队、产品视频、影视预演、要在应用里集成视频生成的开发者——对他们来说省下来的配音、拟音、对口型三段时间，远超订阅费。

对另一类人它不成立：只需要素材的个人创作者、预算极紧的团队、需要长镜头连续叙事的项目、以及任何要求成品看不出 AI 痕迹的交付。这些人用可灵或海螺，钱花得更值。

最后一个容易忽略的前提：它省的是执行，不是判断。镜头怎么设计、声音要不要进去、这条能不能用，还是得你看。指望它替你想创意，会得到一个技术上无可挑剔、内容上平平无奇的片子。