5 月那篇ChatGPT、豆包、Kimi、DeepSeek… 这 20 个 AI 产品的关系图,你确定能讲清?发出来,后台追得最多的一句是:

"聊天的那批理清了,那能出图、出视频、出歌的那些,你也整一篇呗?"

安排上。先抛 5 个问题,你看看自己能答上几个:

1. 想给新品做条 15 秒宣传视频,该用 Seedance、可灵 还是 Veo?这仨你分得清吗？
2. 公众号封面、电商主图、朋友圈海报——同样是"出图",GPT-image-2、即梦、Midjourney 各擅长啥？
3. 想给短视频配段不侵权的背景音乐,Suno 真能直接写出一首能听的歌？
4. "数字人口播"、"AI 配音"、"AI 音效",听着像一回事,其实是三个不同的工具？
5. 前两年刷屏的 Sora,为什么最近没人推荐了？

要是有一个让你卡壳,这篇就是写给你的。把市面上能"一句话造出成品"的 AI 一次理清——不光是名字,还告诉你每类当前的王牌是谁、什么活该用它,转到群里也能当份速查表。

一、先分清:这批 AI 是"动手"的,不是"动脑"的

上一篇我把 AI 比成汽车——模型是发动机、聊天产品是整车、编程工具是改装车。那篇讲的主角,基本都是**"动脑"型**:陪你聊天、帮你写文章、写代码,产出的是文字。

这一篇的主角不一样,它们是**"动手"型**:你给一句话,它直接吐给你一张图、一段视频、一首歌、一段配音——产出的是成品。行话叫生成式模型(生成模型),说人话就是"AI 里专门负责造东西的那批"。

把它想成一座内容工厂,四个车间,各管各的:

• 🎨 图像车间(出图):海报、配图、电商图、插画、头像
• 🎬 视频车间(出片):短视频、产品宣传片、人物口播
• 🎵 声音车间(出声):背景音乐、视频配音、音效
• 🧍 数字人 / 3D 车间(造人造物):会说话的虚拟人、3D 模型、虚拟场景

每个车间里都有"国内王牌 + 海外王牌 + 梯队选手"。下面一个车间一个车间地过,你按需求对号入座就行。

二、🎨 出图:门槛最低、用得最多的一类

这是普通人最容易上手、也最常用的一类——做封面、出海报、画头像、修图,以前要请设计师的活,现在一句话就出来了。

两个最该记住的变化:

• Google 的"香蕉"翻身了。上一篇我还写它"稍逊 GPT-image-2",5 月底 Google 把 Nano Banana Pro 正式放出来后,质量已经追到第一梯队,改图、参考图出图这种活尤其顺手。想反复抠细节的,可以拿它和 GPT-image-2 对着用。
• 出中文图,先想国内的。GPT-image-2 强在综合和文字渲染,但中文海报、活动 KV 这种,即梦往往更顺、还更省——免费额度足够日常折腾。一个"求质感",一个"求顺手又省钱",不冲突。

⚠️ 顺带提一句:出图能力越强,越容易被坏人拿去伪造证件、合成假图。自己用没问题,别拿去骗人,看到太逼真的图也多留个心眼。

三、🎬 出片:今年最卷、王牌换得最勤的一类

视频生成是过去一年迭代最猛的赛道,几乎每个月都有人喊"新王诞生"。但落到"普通人能用、当周就能上手",就这么几个:

怎么选,记三句话就够:

• 要便宜、要量大 → Seedance 2.0。一个 5 秒主镜头成本不到 1 块钱,批量出短视频素材首选。
• 有人要开口说话 → 可灵 3.0 Omni。口型同步是它的招牌,做数字人讲解、口播视频别人比不了。
• 要顶级画质、不在乎成本 → Veo 3.1。海外质量标杆,广告片级别的镜头交给它。

❌ 关于 Sora,认知该更新了:OpenAI 的 Sora 是当年把"AI 做视频"这事炒火的功臣,但这一两年它没跟上节奏,现在已经不是海外视频的默认推荐了——主力位置被 Veo、可灵、Seedance 接管。再看到老文章里言必称 Sora,你心里有数就行。

四、🎵 出声:写歌、配音、配音效,是三件不同的事

"出声"最容易被当成一类,其实里头是写歌、配音、配音效三个活,工具也不一样。

① 写歌(AI 音乐)

给短视频配段不侵权的背景音乐、给公司年会写首主题曲,描述一下风格情绪,几十秒就出一首带词带唱的——这事现在是真成了。

② 配音 / 音效

记住区别就行:配音是给文字或视频配人声;音效是脚步、风声、关门声这类环境音。一个出"嘴",一个出"环境"。

五、🧍 造人造物:数字人、3D、世界模型(点到为止)

这一类离日常远一点,知道有这回事、需要时知道找谁就够:

• 数字人:HeyGen 是海外口播数字人的代表,上传一段素材就能让"虚拟你"用各国语言讲话;国内的可灵、即梦也能做出会说话的人物。带货口播、企业宣讲常用。
• 3D 模型:腾讯混元3D、Tripo、Meshy 这类,一句话或一张图就能出一个 3D 模型,游戏、电商、设计的同学省事不少。
• 世界模型(更前沿):NVIDIA Cosmos、Runway、Luma 最近都在做"能模拟真实物理世界"的模型——让 AI 理解重力、碰撞、因果。离普通人还远,但这大概率是下一波,先记个名字。

六、几个最容易把人搞晕的点

• "模型"和"产品"别混:你打开的 即梦 是产品,它肚子里装的模型叫 Seedream;就像 ChatGPT(产品)装着 GPT(模型)。聊天时说哪个都行,但心里得清楚是两层。
• 出图出片不分国界,但分场景:中文海报、要省钱、要稳定用,优先国内(即梦、可灵、Seedance);追极致质感,看海外(Nano Banana Pro、Veo)。不用非此即彼。
• Sora 已经不是标准答案——上面说过,海外视频现在主推 Veo、可灵、Seedance。
• 版本号别硬比:Seedance 2.0、可灵 3.0、Veo 3.1、Nano Banana 2……各家命名规则都不一样,别拿数字大小论高低,看发布时间 + 实际出活效果更靠谱。

七、普通人怎么挑:一张表抄走

懒得记上面那些,看这张表就够——左边是你想干的事,右边照着用:

一个心法:别纠结"哪个最强"。这些工具的能力差距正在飞快缩小,选你能稳定用、价格能接受、出活最顺手的那个就行,跑分谁也别太当真。

收尾:记住四个车间,新工具来了也不慌

上一篇的聊天 AI 是帮你动脑,这一篇的生成 AI 是帮你动手。只要记住这座工厂的四个车间——

出图 / 出片 / 出声 / 造人

——以后再冒出个新名字,你立马就知道把它丢进哪个格子,不会再被一串花名晃晕。

最后照例提醒一句:这篇里写到的版本号——GPT-image-2、Nano Banana Pro、Seedance 2.0、可灵 3.0 Omni、Veo 3.1、Suno……很可能下个月就不准了。这行现在是每周一个大新闻、每月一次"换王"。但只要那座工厂的格子记住了,谁当王、换了几代,你都能第一时间看明白。