这篇讲什么
15 分钟做你的第一条 AI 视频——prompt 结构 + 长度。
本文涉及的工具 / 概念：
- Sora: OpenAI 的文本到视频生成模型。
- Veo: Google 的文本到视频生成模型，集成在 Gemini / Vertex 等产品里。
Sora 和 Veo 分别是什么、怎么用起来
Sora
Sora 是 OpenAI 的文本到视频生成模型。2026 年的入口有两个：sora.com（独立网站）和 ChatGPT 里的 Sora 工具，都要 ChatGPT Plus 或 Pro 订阅；Pro 用户可以生成更长的片段、走更快的队列、并发更多。
最适合做的事：
- 复杂运镜：推拉、横摇、跟随、低空航拍、一镜到底。
- 风格化镜头：金色时刻、35mm 胶片、霓虹赛博朋克、低饱和电影色。
- 抽象 / 超现实主体：玻璃破碎、流体、烟雾、形状变形、慢动作物理。
典型 prompt 示例：
一个穿红色风衣的女孩在东京雨夜霓虹街头慢慢回头，
slow motion，35mm 胶片质感，
镜头从齐腰高度缓慢推近，
霓虹倒影在湿润的地面上。它做不太好的事：同一个人在多镜头里面部会变样；手指、手势、画面中的文字容易畸形；目前不能生成与画面同步的对白音轨（要靠后期配音）。
Veo
Veo 是 Google 的文本到视频生成模型，2026 年的主力是 Veo 3。入口有三个：Gemini 应用里的 Video 工具（要 Google AI Pro 或 Ultra）、Google AI Studio（开发者免费配额）、Vertex AI（企业 API）。Veo 3 当下最大的差异点：能根据画面直接生成同步的对白、环境音和配乐，Sora 现阶段还做不到。
最适合做的事：
- 真实物理 / 自然光场景：街拍、纪录片风、室内对话、阳光、风、水。
- 需要原声的镜头：人物说话 + 嘴型 + 环境声同时出，省掉后期对口型。
- 真人和动物的拟真镜头：皮肤、毛发、面部表情更稳。
典型 prompt 示例：
一个老太太在巴黎街角咖啡馆，
看向镜头微笑说 "Bonjour"，
自然光，街道环境音，35mm 胶片质感，
镜头平视，固定机位。它做不太好的事：风格化和超现实变形更保守；默认时长更短（多为 8 秒上下）；对名人脸、版权角色过滤较严；不同入口的价格和配额差很多，企业 API 走 Vertex 计费更贵。
一句话怎么挑
- 想要电影感 / 复杂运镜 / 风格化 → Sora。
- 想要真实物理 + 同步原声 → Veo。
- 第一次玩，就用你已经付费的那个会员，别为了试模型再开一个订阅。
这篇适合谁看
AI 视频新人。
什么时候适合用
看完 demo 想自己试。
具体步骤
- 第一次只做 2-4 秒（Sora 默认 5 秒上下，Veo 默认 8 秒，都先做最短）。
- Prompt 写满四件事：主体 + 动词 + 镜头运动 + 灯光。Veo 还可以加一行
dialogue:或ambient:让它生成同步音。 - 生成后一次只改一个变量：换主体、换运镜、换灯光、换风格——一次改一项才能定位是什么让结果变好或变坏。
- 多段在剪辑器里拼（CapCut、Premiere、DaVinci 都可以）。Sora 生成的片段需要后期配音；Veo 的片段自带音轨，注意剪辑时别把音轨剪掉。
建议的操作流程
短片 → 调 → 下一段 → 剪辑。
容易踩的坑
- 第一次就做长片段：等 5 分钟生成 15 秒废片，比生成 3 个 3 秒短片浪费得多。
- Prompt 没动词：「一个海边日落」是死镜头，加上「相机沿海岸线缓慢推进」才是视频。
- 让 Sora 生成对白：现阶段 Sora 不出同步音轨，要带话的镜头放 Veo。
- 让 Veo 出强风格化超现实镜头：Veo 偏写实，硬要它生成「玻璃人融化在霓虹里」八成翻车，这种交给 Sora。
- 跨工具对比时同时改了 prompt 和模型：先固定 prompt 再换模型，否则不知道差异是模型还是 prompt 造成的。
FAQ
Q：Sora 和 Veo 选哪个？ A：复杂运镜、风格化镜头、抽象 / 超现实主体选 Sora（ChatGPT Plus / Pro）；真实物理 / 自然光、对白配音同步、真人拟真选 Veo 3（Google AI Pro 起）。Veo 3 当前最大差异：直接生成同步对白、环境音、配乐，省掉后期对口型。
Q：第一条片应该多长？ A：5-10 秒。再短没法判断质量，再长漂移和成本一起涨。把第一条当“prompt 语法测试”——只测主体 + 简单运镜，不要上来就做电影感长镜头。
Q：为什么生成出来的人脸 / 文字总变形？ A：Sora、Veo 当前都对手指、面部一致性、画面文字有结构性弱点。画面里的文字（招牌、字幕）后期叠加，不要让模型直接生成；多镜头同一角色用 image-to-video + 参考图锁脸。
Q：能不能生成包含真实公众人物的镜头？ A：不能。Sora / Veo 都会拦截（OpenAI / Google 的 trust & safety policy）。要做“某位明星感”的镜头，改成原创角色 + 描述外貌特征（“30 岁短发亚裔男性”），不要用真名或直接图片参考。