一句话定位:爱诗科技(PixVerse)2026 年 10 月发布的画质升级档视频模型。规格表和四月的 V6 几乎一样——1 到 15 秒、360p 到 1080p、原生音画同出、最多 8 种画幅——升级全发生在成片质量上:5000 字符的提示词能装下一整份分镜表,多角色对白会把台词分给正确的人,产品包装上的品牌名在旋转镜头里不再糊。代价是砍掉了首尾帧转场,且每秒贵约两成。 整理日期:2026-10-30 | 资料来源见文末
| 项目 | 信息 |
|---|---|
| 模型 ID | pixverse-video(网关没有独立的 V6 Max ID,版本档选 V6 Max,对应官方接口参数值 v6-max;只支持文生与图生两条端点) |
| 发布时间 | 2026-10-20 前后开放,10-22 官方 API 与阿里云百炼国际站同步上架 |
| 厂商 | 爱诗科技(PixVerse) |
| 定位 | 高质量单镜头生成:文生视频 / 图生视频(仅此两种) |
| 单条时长 | 1–15 秒(常用 5 / 8 / 10 / 15 秒) |
| 分辨率 | 360p / 540p / 720p / 1080p(默认 720p) |
| 画幅 | 文生 8 种:16:9、9:16、4:3、3:4、1:1、2:3、3:2、21:9;图生跟随原图 |
| 提示词长度 | 文生 ≤ 5000 字符;图生 ≤ 2048 字符(提示词可选) |
| 音频 | 原生同步音画,一个开关(generate_audio_switch),默认关闭 |
| 多镜头 | 一条提示词写 Shot 1 / Shot 2 顺序描述,可开多镜头生成 |
| 不支持 | 首尾帧转场、参考图锁定主体、视频延长、视频输入编辑(这些仍归 V6) |
| 官方定价 | 无声 360p $0.027 / 540p $0.040 / 720p $0.049 / 1080p $0.098 每秒;有声 $0.040 / $0.049 / $0.067 / $0.124 |
| 维度 | V6 | V6 Max |
|---|---|---|
| 长复杂提示词遵循 | 强 | 更强,5000 字符可写完整分镜 |
| 材质真实感(皮肤、织物、金属) | 良好 | 更接近实拍 |
| 光照与景深 | 良好 | 更平衡、更有电影感 |
| 情绪表演 | 表情正确 | 眼神落点、呼吸、停顿、肢体语言参与表达 |
| 跨镜头角色 / 产品一致性 | 良好 | 不同角度、不同距离下更稳 |
| 音乐节拍对齐 | 支持 | 更贴合节拍与曲目结构 |
| 多角色对白与口型 | 支持 | 台词归属正确、口型更紧、非说话角色闭嘴 |
| 产品文字可读 | 支持 | 特写与旋转镜头下更稳 |
| 观察项 | 实测结果 |
|---|---|
| 单条速度 | 5 秒 540p:V6 约 37–52 秒,V6 Max 约 92–93 秒(同场对比样本少,只能当量级参考) |
| 画质提升感知 | 明显的是材质与光影;人物表演从「表情对」变成「有情绪」 |
| 长提示词 | 写成分镜序列后,镜头顺序与剪辑点基本按描述执行 |
| 多角色对白 | 台词归属正确率明显好于 V6,但仍需每条人工过一遍(有平台明确说自己未充分验证) |
| 内容审核 | 官方做提示词与首帧双重检查,被拒的请求在生成前就返回、不计费 |
| 中文自媒体评价 | 普遍认可「把单条 15 秒镜头的可用率做上去」这个定位,认为商业视频的真实成本是废片率而非每秒单价 |