VibeMV 中的 OmniHuman 与 Kling：现在如何选择 [2026]

本指南早期曾用 OmniHuman-1.5 指代 Pro 口型同步，用 Kling V3 Pro 指代 Pro 场景生成。你仍可能在旧教程或收藏链接中看到这些名称，但它们已经不是 VibeMV 公开选择器中的选项。

稳定的产品层选择是 Base 模型和 Pro 模型，以及场景、口型同步和跳舞模式。产品模型背后的具体供应商可能变化，因此应以应用内当前选项为准，不要假设旧供应商仍在线上运行。

历史名称如何对应当前选择

这是创作任务的对应关系，不是当前供应商保证。

模式选择表

先选模式，再选模型档位

镜头需要在没有可见演唱的情况下推进视觉故事时，选择场景。有效的指令通常只包含一次镜头运动和一次明显变化，例如镜头穿过排练室、吉他手背后的舞台灯亮起，或外景从黄昏过渡到夜晚。

场景可以配在人声段落下，但不要让画面中的角色唱歌或说话。如果目标是让嘴部表演清晰可读，请使用口型同步。

场景适合无需清楚演唱的叙事、氛围和过场。需要让观众看到表演者演唱时，选择口型同步；正面或三分之四角度、足够大的脸和无遮挡嘴部更利于检查结果。口型同步跟随音频，但不会读取或转写歌词。跳舞则用于以单人连续编舞为重点的镜头，是独立生成路径，每秒 12 积分。

用同一镜头证据选择 Base 或 Pro

Base 当前每秒 2 积分，适合先测试首图、提示词、运镜和剪辑节奏。Pro 当前每秒 8 积分，只应在重要镜头的实际结果值得额外成本时采用。

公平比较时，固定同一镜头、歌曲片段、首图、模式、提示词和时长，分别生成一个 Base 和一个 Pro 版本，再比较预期动作、脸部稳定性、构图、相关时的同步效果，以及与相邻镜头的连续性。一次比较只能说明哪个版本更适合这个镜头，不是所有风格的通用基准。

混合使用示例

• **器乐开场：**先用 Base 模型与场景建立视觉语言。
• **正面副歌：**在同一短镜头上比较 Base 与 Pro 口型同步，只保留效果更合适的版本。
• **氛围过场：**用 Base 模型与场景控制迭代成本。
• **八拍 hook：**用跳舞呈现一名表演者的一段连续编舞。

没有规定比例。模型和模式都按镜头选择，可只把 Pro 积分留给经过实际 A/B 审看后确实受益的重点镜头。

积分与审核

场景和口型同步按所选 Base 或 Pro 模型计费；生成首图、重新生成、跳舞和可选 2K 版本会额外消耗积分。Base 与 Pro 模型对比提供同一镜头 A/B 方法和混合预算，方案条款见定价。

从用歌曲创建音乐视频开始；导出前逐镜头检查脸部稳定性、动作、构图、同步和连续性。

常见问题

VibeMV 现在还能选择 OmniHuman-1.5 或 Kling V3 Pro 吗？

它们是历史供应商名称，不是当前公开选择器中的标签。现在应逐镜头选择 Base 模型或 Pro 模型，再按任务选择场景或口型同步；产品模型背后的供应商可以变化。

原来的 OmniHuman-1.5 工作流现在怎么选？

同样是可见演唱任务时，选择 Pro 模型与口型同步。这是工作流对应关系，并不表示旧 OmniHuman 实现仍在生产环境运行。

原来的 Kling V3 Pro 工作流现在怎么选？

同样是图生视频的叙事和动作任务时，选择 Pro 模型与场景；需要画面中的表演者演唱时则选择口型同步。

当前选项如何收费？

场景和口型同步使用 Base 模型时每生成 1 秒 2 积分，使用 Pro 模型时每秒 8 积分；跳舞是独立模式，每秒 12 积分。