大部分对比这三家的文章，最后都写成了一张参数表：参数、分辨率、功能勾选。可这些东西都不能告诉你，某个具体镜头该打开哪一个。我们也没有第三方跑分数据，厂商自己放的样片是营销，不是证据。所以这篇只比两件你自己就能验证的事：片子生成回来长什么样，以及一次生成花多少积分。别的说法都只是把猜测包装成了数据。看完你应该能直接决定：这个镜头，先开谁。
各自真正擅长什么
差异在人脸上暴露得最快。Veo 3.1 能把一张脸稳定撑过 5 到 10 秒，镜头放哪就停在哪，所以你要一个小而具体的动作，它通常就给你一个小而具体的动作，不多不少。Sora 2 更愿意发挥：你写一串动作，它会往前多推一步，这对表情丰富的主体是加分，对人像是风险，因为愿意发挥的模型也会自己编，编出来的东西通常先坏在下巴和眼睛上。Kling 靠身体说话：重量、手势、一个大开大合的动作，在手机小屏上隔着胳膊一眼就能看懂。跟 Kling 要细微，经常什么都得不到；跟 Kling 要一个动作，它会狠狠执行到底。所以判断方法很朴素：这个镜头里脸重要还是身体重要。脸的权重高就先 Veo 3.1，身体的权重高就先 Kling，只有当你需要主体在一段片子里走完一个完整的小情节时，Sora 2 才是更值的那一个——它也是三家里最便宜的。这个差别基本就是全部结论，而且第一版渲染就能看出来，不用查任何表。
| 模型 | 强项 | 典型运动 | 积分成本 | 什么时候用它 |
|---|---|---|---|---|
| Veo 3.1 | 写实光线、人脸稳定 | 幅度小、可控，听得懂镜头指令 | 300 | 人像、口播、脸部占画面主体的镜头 |
| Sora 2 | 表情丰富、能撑更长的节拍 | 幅度更大、更有意图，能把一串动作走完 | 60 | 一个短叙事节拍，一个主体在一条片子里做两件事 |
| Kling | 肢体动作和重量感 | 快、有物理感、动作大，会把动作做满 | 90 | 舞蹈、运动、产品旋转，任何身体主导的镜头，尤其是脸不在画面前景的 |
这几个积分数字比看起来重要。按 29 美元的 Basic 套餐算，3000 积分摊下来大约每积分 0.0097 美元，所以一条片子：Veo 3.1 约 2.90 美元，Kling 约 0.87 美元，Sora 2 约 0.58 美元。一条片子贵五倍是零头；一个月四十条都贵五倍，就是决策了，而且是那种悄悄把一条渠道做成亏损的决策。真正的坑不是贵的模型本身，而是先开贵的、不满意、再回头用便宜的，同一个镜头付两遍钱。供应商侧失败的运行会退回积分，所以你真正买单的重试是审美重试：跑成功了，但出来的不是你想要的。这里有个反直觉的结论：判断模型靠不靠谱，不要看它多少钱，要看它第一次给你的东西能不能用。一条 0.58 美元、一次就过的片子，比一条 2.90 美元要跑三遍的片子便宜得多；反过来，一条 2.90 美元但一次就对的片子，也未必比五条 0.58 美元的废片更贵。
提示词该怎么改
- Veo 3.1：镜头必须写，哪怕答案是固定机位；动作必须小。一个动词、一个身体部位、一个方向。长段落会被平均成一团糊，它最擅长执行单一而明确的指令，指令越多越糊。
- Sora 2：写序列，不要只写动词。它对有头有尾的一个节拍，比一句孤立指令处理得好，所以按顺序写清发生的两三件事，让它把主体带过去，中途不要插入风格描述打断这条线。
- Kling：主体动作放第一句，绝不能埋在风格描述后面。它对第一句照单全收，这也是为什么含糊的开头会用 90 积分给你换回一条含糊的片子。先写谁在动，再谈气氛。
- 三家通用：删掉所有描述外观的句子。颜色、光线、镜头已经被你上传的图定死了，重复一遍只会让画面往原图之外漂，而这个漂移是要花钱买的，一次几百积分。
看模型页
Veo 3.1 同时也是文生视频和图生视频工作室的引擎，同一个账号里就能跑，不用另开订阅。模型页列出了它支持的模式、擅长的地方和积分价格，花钱之前可以先比一遍。
按用途选，而不是按排名选
| 用途 | 首选 | 原因 | 每次生成积分 |
|---|---|---|---|
| 人像 / 口播 | Veo 3.1 | 脸稳、机位稳，成片像拍出来的，不像生成的 | 300 |
| 产品图 | Kling | 运动本身就是卖点，旋转和扫光需要重量感，Kling 给得出 | 90 |
| 风景 / 抽象 | Sora 2，光线要像拍出来的就用 Veo 3.1 | 画面里没有脸可崩，最便宜的那档通常够用；只有画面本身就是主体、光线必须讲究时才加钱 | 60 到 300 |
| 有人物运动的短视频 | Kling，备选 Veo 3.1 | 身体带动的动作在信息流里最抓人，前两秒就能看懂；如果脸长时间停在画面里，就退回 Veo | 90 |
看 Sora 2
当主体需要表演而不只是移动时，Sora 2 就是那个选项，代价是一条 60 积分。模型页列出了可用模式和确切的积分成本，按下生成之前就能看到这一条要花多少钱。
常见问题
- Veo 3.1 比 Sora 2 更好吗？
- 不能这么说。脸占满画面、机位要稳住的时候，Veo 3.1 是更稳的选择。Sora 2 表现力更强、能处理一整段描述出来的动作序列，主体需要表演时它更合适。按镜头选，不要按排名选。
- Veo 3.1 和 Kling 哪个便宜？
- Kling 一条 90 积分，Veo 3.1 一条 300 积分。在 29 美元的 Basic 套餐里，一积分大约 0.0097 美元，所以同样长度的片子，两者大约分别是 0.87 美元和 2.90 美元。
- 能不能三个模型用同一套提示词？
- 可以，但你测到的会是提示词和模型的错配，而不是模型水平。骨架可以照搬，但要改每个模型最在意的那两行：Veo 3.1 是镜头语言，Sora 2 是动作序列，Kling 是第一句里的主体动作。
- 怎么在不浪费积分的情况下对比三家？
- 先用最便宜的模型测，并且先上传一张静图，因为图已经帮你固定了一部分画面，模型要凭空发挥的就少了。只有运动确实太小、而不是提示词写得太虚的时候，才往上换贵的模型。
- 为什么 Sora 2 比 Veo 3.1 便宜？
- 它一条 60 积分，Veo 3.1 是 300 积分，在 Basic 套餐里大约是 0.58 美元对 2.90 美元。Veo 多花的钱买的是脸的稳定和「机位放哪就停在哪」；如果主体需要表演，Sora 2 既更便宜也更愿意发挥。
把一张照片变成一段视频
打开创作工作室，上传图片，用一句话描述动作，选择一个视频模型。生成之前就会显示这次要花多少积分。