Veo 3.1 Fast 与 Kling 3.0 Pro：谁带声音、谁能撑满 12 秒、各扣多少积分

大多数模型对比都在争"谁的 demo 更好看"。而 demo 恰恰是最没法搬到你自己项目上的东西。真正决定某一个镜头该用哪个模型的问题要窄得多，而且都能查证：我们有没有向它请求声音、最长能做多久、试一次要花多少钱。

Veo 3.1 Fast 和 Kling 3.0 Pro 是视频工作台里的两个旗舰模型，上面三个问题它们的答案完全不同。下面是全部细节，数字都由我们自己的计价代码算出来。

一句话结论

Veo 3.1 Fast 是这里唯一一个我们没有显式关掉音频的模型，最长 8 秒，而且 4 秒和 8 秒是同一个价。

Kling 3.0 Pro 返回的是无声画面，最长能到 12 秒，短镜头单价更低，但超过基准时长后严格按秒计价。

如果你的镜头靠"被听见"成立，那决策到这里就结束了。如果不靠，剩下的篇幅就是成本和时长的取舍。

音频：差别写在请求里，不在宣传里

这一条值得说准确，因为它是最容易被传错的一条。

SynthPulse 向 Kling 3.0 Pro 提交任务时，请求里带的是 sound: false。这不是我们忘了开的开关——是刻意的，而且积分价格对应的就是这个无音频档位。片子回来只有画面，声音要在后期加：剪辑软件里配，或者用音乐工作台做一条，二者共用同一个积分余额。

Veo 3.1 Fast 走的是另一个接口，那条请求路径上根本没有这个字段——我们的请求里没有任何东西压制它的音频。Google 的文档说明 Veo 3.1 会在生成画面的同时原生生成音频，所以一条 Veo 出片应该是带声音而不是静音的。这里要说清楚我们能证明到哪一步：前半句在我们自己的代码里可以核对，后半句不能——最终拿到什么取决于模型，所以请把 Veo 的片子当作大概率带声音，在按这个前提排剪辑之前先验一条。

由此带来的实际差别是：给 Veo 写提示词，同时也是在写一份声音说明。提示词里对声音只字不提，模型就按画面猜，猜出来的通常是一段没有特征的房间底噪。把你想听到的写出来——"没有配乐，只有雨点打在窗上的声音和一辆远处驶过的车"——出片的可用率会明显不同。要人物说话，就把台词放进引号里，并写清是谁说的、什么语气。

这些在 Kling 上全都不成立：在它的提示词里描述声音，等于什么都没写。

时长：8 秒和 12 秒的分界

Veo 3.1 Fast 可选 4 秒或 8 秒。Kling 3.0 Pro 可选 4 秒、8 秒或 12 秒。如果你的剪辑需要一个超过 8 秒的不间断长镜头，这两个里只有一个做得到。

画幅比例也略有不同：Veo 3.1 Fast 支持 16:9 和 9:16；Kling 3.0 Pro 多一个 1:1。

两者都支持文生视频和图生视频两个方向。区别在参考图数量：Kling 3.0 Pro 只会向模型传一张参考图，Veo 3.1 Fast 会把你给的整组参考图都传过去。如果这个镜头需要不止一张静帧来定调，这是 Veo 的优势。

各种组合分别扣多少积分

Veo 3.1 Fast，单位为积分：

• 720p / 4 秒 —— 150
• 720p / 8 秒 —— 150
• 1080p / 4 秒 —— 163
• 1080p / 8 秒 —— 163

不是写错了，而且这是关于这个模型最有用的一条事实：时长对它来说根本不是一个计价维度。8 秒和 4 秒同价。所以如果你要的就是 8 秒，这是全平台最便宜的 8 秒，而且没有第二名——其他每一个视频模型都是时长翻倍、账单翻倍。

Kling 3.0 Pro，单位为积分：

• 720p / 4 秒 —— 140
• 720p / 8 秒 —— 280
• 720p / 12 秒 —— 420
• 1080p / 4 秒 —— 180
• 1080p / 8 秒 —— 360
• 1080p / 12 秒 —— 540

Kling 这条阶梯在时长上是严格线性的，1080p 则是在 720p 基础上固定约 1.29 倍，任何时长都一样。三条各 4 秒的片子和一条 12 秒的片子花的钱完全相同——也就是说，长镜头得值回你放弃掉的那两次重试机会。

放在一起看，交叉点非常清楚：

• 4 秒 / 720p：Kling 更便宜，140 对 150。
• 8 秒 / 720p：Veo 便宜得多，150 对 280。
• 8 秒 / 1080p：Veo 的优势更大，163 对 360。

同一对模型，只改一个时长设置，"谁更划算"就整个反过来。短草稿倾向 Kling，正片长度则大幅倾向 Veo。

生成按钮上显示的价格，和真正扣费用的是同一段代码，所以提交前看到多少就是扣多少。单次提交最多 4 条，每一条都按全价计费，没有批量折扣。

草稿用便宜的，成片再上旗舰

这两个模型都不适合用来"找镜头"。Seedance 1.5 Pro 是 720p、4 秒 35 积分——Kling 3.0 Pro 的四分之一，Veo 的不到四分之一。先在那里把构图和运动找对，再把一模一样的提示词丢给更适合成片的那一个。

顺带给出 720p 短镜头这一档的其余价格：Kling 2.5 Turbo Pro 5 秒 105 积分，Kling 2.6 5 秒 138 积分，Seedance 2.0 4 秒 410 积分。Kling 2.5 Turbo Pro 和 Kling 2.6 只接受 5 秒或 10 秒两个时长，所以它们不会出现在上面 4/8/12 的表里。

两个模型的提示词要分开写

两者都吃"像分镜描述、而不像许愿"的提示词——主体、动作、镜头运动、景别、光线、调色——也都更吃"说清楚什么保持不动"，而不只是说什么在动。在 4 秒的片子里要求一次剪辑点，两个模型给你的都是一团糊。

唯一结构性的差别还是声音。给 Veo 写提示词，留一句给声音；给 Kling 写，把这一句换成镜头运动，因为提示词里的声音部分对它不产生任何作用。

怎么选

• 有台词、要同期声、或者声画必须逐帧对上 → Veo 3.1 Fast。
• 需要一个超过 8 秒的不间断长镜头 → Kling 3.0 Pro，两者里只有它能做。
• 要交付 1:1 方形 → Kling 3.0 Pro。
• 预算有限但要满 8 秒 → Veo 3.1 Fast，150 积分对 280 积分。
• 上旗舰之前先便宜地试 → Seedance 1.5 Pro，35 积分。

---

模型详情：Kling 在 SynthPulse 上 · Seedance 在 SynthPulse 上。或者直接去拍 —— 打开视频工作台。