PixVerse C1 评测：结论、价格、规格与实测

相关：如需完整了解 R1 的模型定位、架构和使用场景，请阅读 PixVerse R1 实时 AI 视频世界模型指南。

这是我们对 PixVerse C1 的上手评测：它的实际表现、成本、适用位置，以及你是否应该用它替代 PixVerse V6 或 PixVerse R1。如果你只想看发布信息，请阅读 PixVerse Introduces C1。如果你想直接使用这个模型生成内容，可以从官方 PixVerse 应用或 API 文档开始。

结论： 如果你的视频依赖动作编排、奇幻 VFX、变身镜头，或分镜转视频工作流，PixVerse C1 值得测试。对于简单产品短片、口播视频或普通社交内容，它的价值没有那么高；这些场景下 PixVerse V6 通常更容易写提示词，也更方便迭代。

评测维度	评分	我们的发现
动作与接触	8.5/10	拳击和武器动作呈现出清晰的重量感与冲击力，但快速步法偶尔仍会出现滑步。
VFX 与粒子	8/10	火焰、闪电、冰与风更像场景元素，而不是叠加层，在奇幻提示词中尤其明显。
角色一致性	7.5/10	参考图引导和分镜测试能在短序列中较好保持服装与面部细节。相似画格仍可能混淆镜头边界。
工作流价值	8.5/10	多格分镜输入是选择 C1 而不是通用模型的最强理由。
成本控制	7/10	C1 按秒计价，积分消耗可预测；但 1080p 加音频在批量测试时会很快变贵。

是否应该使用 PixVerse C1？

当创意简报包含肢体互动、快速运动、奇幻特效、角色连续性，或已经存在图片分镜时，适合使用 PixVerse C1。它回答的是实际制作问题：这场打斗能不能看清？法术效果是否贴合场景？六格分镜能否变成一段连贯短片，而不必拼接六次独立生成？

不要把它设为每一条 PixVerse 视频的默认模型。对于干净的社交广告、产品预告、生活方式短片，或简单的图生视频提示词，PixVerse V6 仍是更灵活的通用选择。对于交互式、连续环境，PixVerse R1 则是独立的实时模型。

过去大半年里，我们团队一直在用 AI 视频工具制作武打短片和奇幻片段。问题非常熟悉：前两秒看起来还不错，接着拳头会穿过脸，剑像橡胶一样弯折，或者角色在不同镜头间换了发型。物理崩了，连续性也崩了。只要画面里出现稍微复杂的内容，电影感外观就会立刻散架。

PixVerse C1 正是为这些失败点而设计。我们花了一周测试打斗场景、法术效果、变身序列和分镜转视频工作流，看看它在哪些地方站得住，哪些地方仍需要清理。

我们如何测试 PixVerse C1

我们把 C1 当作制作决策工具来测试，而不是发布演示。评测集合覆盖了四个可复现的场景：

• 战斗测试： 基于雨中打斗参考图进行图生视频，提示词短而集中，重点放在接触与冲击。
• VFX 测试： 高密度奇幻提示词，包含风、雷、冰、火、粒子、薄雾和角色手势序列。
• 运动测试： 使用高速纸飞机和传送门转场的图生视频。
• 分镜测试： 上传一张六格横向分镜网格图，并将提示词留空。

对每段短片，我们观察物理接触、主体一致性、镜头稳定性、提示词遵循度、镜头连续性、可见伪影，以及结果是否能作为第一版制作资产使用。

官方 C1 入口

如需技术集成，请使用官方 PixVerse API 文档。生成内容用 PixVerse 应用；API 开发用文档。

当下电影感 AI 视频的问题

在具体讨论 PixVerse C1 之前，值得先点明任何制作动作或叙事类 AI 视频的人都会经常遇到的痛点。这些不是边缘情况，而是当今大多数工具的默认体验：

• 动作场景中的物理崩塌。 拳头穿过脸，剑在挥动中弯曲，身体没有重量。大多数模型把运动当成视觉纹理，而不是物理交互，所以打斗看起来像两个角色在彼此附近挥舞。
• VFX 看起来很平。 火焰、闪电和粒子效果渲染成彩色雾气。它们不会照亮周围表面，也不会遵循风或重力。结果像一层滤镜，而不是场景的一部分。
• 跨镜头角色漂移。 发色变化，服装变化，脸部变形。每个镜头独立生成时，没有机制能把同一个角色从一个角度稳定带到下一个角度。
• 没有原生多镜头工作流。 制作 3 镜头或 6 镜头序列，意味着分别生成每段短片，再手动拼接。每次切镜都可能以观众一眼能看出的方式破坏视觉连续性。
• 分镜没有直接通往视频的路径。 以画格思考的艺术家和工作室，例如漫画创作者、动画师、短剧团队，仍要把每一帧重新翻译成独立文本提示词。他们已经画好的视觉布局不能直接作为输入。

这些正是 PixVerse C1 被设计来填补的缺口。下面看模型实际提供了什么。

PixVerse C1 是什么，适合谁？

PixVerse C1 是一款专为电影化和动画制作工作流打造的视频生成模型。它与平台上的 PixVerse V6 并列。PixVerse V6 处理通用视频创作，而 C1 面向需要可信物理动作、复杂 VFX，以及多镜头角色一致性的用户。

PixVerse C1 有六项核心能力，将它与通用模型区分开：

• 物理级动作模拟 — 跟踪质量、动量与接触，让打斗编排具有可见冲击和重量转移
• 美学特效矩阵 — 针对光粒子、元素 VFX（风、雷、冰、火）和传统中式奇幻视觉形式进行专门渲染
• 高速变身引擎 — 在形态变化序列和快速镜头跟随中保持身份与空间连贯性
• 多格分镜输入 — 接收由 3 到 9 个插画画格组成的网格图，并在无需文本提示词的情况下转成连续多镜头视频
• 参考图角色一致性 — 使用提供的参考图，在多个镜头中锁定角色外观、服装和背景基调
• 提示词驱动的自动镜头切分 — 理解文本指令，并在一次生成中拆分成不同镜头

技术基础方面：C1 支持文生视频、图生视频、首尾帧转场生成，以及通过融合进行参考图转视频。最高输出为 15 秒 1080p，并可选择同步音频。

如果你是动画导演、漫画工作室、短剧团队，或任何制作角色互相击打、施法或高速移动内容的人，PixVerse C1 就是为你而做。如果你主要制作口播视频或产品演示，PixVerse V6 更适合。

战斗与武术：具备物理意识的 AI 打斗场景

这是我们最怀疑的功能。过去 AI 打斗场景常常像两个角色在慢动作里互相挥手。接触从不真正发生，重量不会传递，结果更像屏保，而不是战斗。

PixVerse C1 的做法不同。模型引入了 PixVerse 所称的物理级动作模拟，本质上是在运动中跟踪身体质量和动量，让拳头命中时有可见冲击，也让武器与表面发生互动，而不是直接穿过去。

我们用一次直接的图生视频测试了这一点。我们上传了一张雨中街头两名格斗者的参考帧，并写了一句话：

雨中街头斗殴，拳头命中时有冲击感。

结果是一段 10 秒短片，两名角色在雨中近距离交手。最突出的地方是：当一拳打中下巴时，受击者的头会以符合挥拳力量的速度向后甩；雨滴会从冲击点四散；攻击者的肩膀会随着跟进动作向前压。这些微细节把“生成的打斗”和“像经过编排的打斗”区分开来。

它并不完美，湿滑地面上偶尔会出现忽略摩擦力的脚步滑动。但和今年我们制作过的其他 AI 打斗片段相比，PixVerse C1 给出了我们见过的、由文本和图片提示生成的最可信物理接触。

这在商业上很重要：Douyin 和 TikTok 等竖屏短剧平台带来了大量武术和动作微短剧需求。每天发布 2 分钟剧集的制作公司，需要的是看起来经过编排的打斗，而不是生成感明显的画面。在这种产量下，每集都请武术指导和 VFX 团队并不经济。团队可以用 PixVerse C1 生成核心动作节拍，例如屋顶决斗、后巷伏击，然后把人工后期精力集中在对白更重、AI 不那么必要的场景。移动游戏工作室也有用武之地：带近身战斗的上线前预告和应用商店预览，可以先用 PixVerse C1 做原型，再决定哪些段落值得完整 CG 渲染。

电影感更强的奇幻 VFX 与法术效果

AI 生成的魔法效果往往像彩色雾气。火焰不会投光，闪电不会照亮任何东西，粒子随机漂浮，而不是遵循风、重力或能量源的物理逻辑。

PixVerse C1 采用了 PixVerse 所描述的美学特效矩阵，也就是针对光粒子和风、雷、冰、火等自然元素优化的渲染逻辑。尤其针对传统中式奇幻意象（太极阵、星阵、元素召唤），PixVerse 训练了专门的视觉模型。

我们给了它一段高密度提示词，看看细节理解能走多远：

超现实主义场景。一位白发长者在山巅练太极。他双掌之间由深蓝色粒子形成阴阳八卦星阵。随着他的动作，风、雷、冰、火化作流动的光矩阵，随每个手势起伏。粒子效果遵循物理流体逻辑。光线在大气薄雾中细腻扩散，形成鲜明的中式奇幻视觉形态。

输出确实令人意外。长者掌间的星阵会随着双手分合而改变粒子密度。四种元素，包括风带、爆裂闪电、冰霜晶体和火焰触须，都有不同的运动行为，而不是同一团发光物换了颜色。冰粒会略微下坠，火焰会上升，风则围绕人物形成螺旋，并对手臂动作作出反应。

这类 VFX 镜头通常需要在绿幕素材上用 After Effects 合成。现在只用一段提示词和一张参考图，在一次生成中完成，会改变个人创作者或小型动画工作室一天内可产出内容的规模。

这个市场不止于动画。奇幻和仙侠 IP 是中国和东南亚最大的内容垂类之一，横跨网文、漫画、短剧和游戏。把这些 IP 改编成视频的工作室需要大量法术效果、元素召唤和神秘环境，有时每集要几十个独特 VFX 镜头。把每个镜头外包给合成公司会增加数周周期和成本。PixVerse C1 让制作团队可以在内部生成第一版 VFX 镜头，低预算剧集可作为最终资产使用，高预算场景则可作为详细预演，再决定哪些镜头进入完整后期。制作奇幻或科幻美学 MV 的导演也有类似需求：单个艺术家现在可以制作视觉密度很高的特效序列，而不必搭建多人 VFX 流水线。

变身与高速运动

变形序列和高速跟拍是时间连贯性最容易崩塌的两个区域。模型既要在几何形态剧烈变化时保持身份一致（例如人变成机器），又要保持镜头运动顺滑和背景稳定。

我们用一张参考图和一个直接借自演示场景的提示词进行了测试：

一架纸飞机高速穿过宏伟图书馆。纸页在它周围飞舞。它进入一个发光的宇宙传送门。

输入是一张纸飞机位于宏伟古老图书馆中的静帧。输出干净地保持了前冲感，纸飞机穿过过道，散页在周围旋转，背景在高速下仍可辨读。镜头进入发光传送门时，转场保持平滑，没有塌成视觉噪点，也没有突然的透视跳变。

我们测试的其他高速运动片段（摩托车追逐、奔跑角色）也有类似稳定性。运动模糊看起来像有意设计，而不是伪影。镜头跟随足够顺滑，甚至可能让人误以为是实际制作中的锁定跟拍镜头。

变身和高速序列服务于几个具体市场。推广机甲、动作人偶或变形类产品的玩具和收藏品品牌，需要展示产品在不同形态间变化的英雄镜头；这些短片会出现在电商列表、YouTube 贴片广告和展会展台循环屏中。传统上，每条都需要 3D 建模和动画。PixVerse C1 可以用产品照片和一句提示词生成概念短片，让营销团队在投入完整 CG 资产前测试观众反应。汽车品牌也探索过类似领域：从剪影开始展开成完整设计，并以高速镜头跟随的车辆发布序列，正是 PixVerse C1 擅长处理的类型。

多格分镜转视频：从漫画画格到完成剪辑

在我们看来，这是 PixVerse C1 最有新意的单项功能。市场上的其他视频模型通常以文本或单张图片作为输入。PixVerse C1 还可以接收一张网格图，也就是由 3 到 9 个画格组成、像漫画页或分镜板一样排列的合成图，并从中生成连续多镜头视频。无需文本提示词。

工作流非常简单：绘制或整理你的分镜画格，把它们合并成一张图片（横向或纵向布局），在 PixVerse C1 的参考视频模式中上传，然后点击生成。C1 会把每个画格读取为独立镜头，推断转场逻辑，并输出一段按顺序播放、镜头之间运动连贯的视频。

我们用一张 6 格横向分镜进行了测试：角色拔剑、面对对手、交锋、闪避、反击并打出最后一击。我们上传网格图，并将提示词栏留空。

输出是一段 10 秒短片，包含六个清晰镜头，并匹配画格顺序。六次切镜中角色外观保持一致。镜头角度在画格之间变化的方式，像人类剪辑师会用来连接分镜帧的方式。每个镜头内的动作也能从前一个镜头结束的位置逻辑衔接。

对于制作 AI 动漫内容或用插画分镜制作短剧的人，这项功能把过去逐镜头生成再拼接的工作流压缩成一次上传。如果你使用漫画或 webtoon 素材，输入格式已经在项目文件里。

这也是 PixVerse C1 为一整类过去难以进入视频制作的创作者打开门的地方。拥有数千张插画画格库的 webtoon 和漫画出版方，现在有了无需从零重建每个资产的动画化直接路径。这些出版方可以把现有章节画格整理成分镜网格，生成动画预览，测试哪些系列观众参与度最高，再决定是否投入完整制作。独立漫画作者可以用自己已经画好的画格，为众筹活动制作动画预告。广告公司向客户提案分镜概念时，也能展示动态预览，而不是静态分镜板，让非视觉背景的利益相关者更容易理解节奏、转场和情绪点。

PixVerse C1 规格速览

模式	API 端点	输入	分辨率	时长	画幅比例	音频
文生视频	text/generate	提示词	360p, 540p, 720p, 1080p	1–15s	16:9, 4:3, 1:1, 3:4, 9:16, 2:3, 3:2, 21:9	开/关
图生视频	img/generate	提示词 + 图片	360p, 540p, 720p, 1080p	1–15s	跟随输入图片	开/关
转场	transition/generate	提示词 + 首尾帧	360p, 540p, 720p, 1080p	1–15s	跟随输入帧	开/关
参考图转视频 / 融合	fusion/generate	提示词 + 参考图	360p, 540p, 720p, 1080p	1–15s	16:9, 4:3, 1:1, 3:4, 9:16, 2:3, 3:2, 21:9	开/关
多格分镜	fusion/generate	3–9 格网格图	360p, 540p, 720p, 1080p	1–15s	基于上传的分镜布局	开/关

所有模式都接受最长 2048 个 UTF-8 字符的提示词。文生视频和融合直接提供画幅比例选择；图生视频和转场继承上传图片或帧的几何尺寸。分镜转视频通过基于参考的生成运行，目标是多镜头输出。

PixVerse C1 价格与积分

C1 积分按秒计算。最终成本会随分辨率、时长以及是否启用音频生成而变化。

分辨率	每秒积分，无音频	每秒积分，带音频
360p	6	8
540p	8	10
720p	10	13
1080p	19	24

示例：一段 5 秒 720p C1 短片，无音频需 50 积分，带音频需 65 积分。一段 15 秒 1080p C1 短片，无音频需 285 积分，带音频需 360 积分。口型同步和音效可能另行消耗积分，因此在规划大批量任务前，请查看最新的 PixVerse 模型价格文档。

对创作者来说，这种价格结构更适合短测试。调提示词时先从 540p 或 720p 开始，再把最佳候选提升到 1080p。对使用 PixVerse API 的团队来说，关键在于可预测性：时长和分辨率决定账单，因此可以在提交批量任务前估算 C1 积分。

测试后的优缺点

优点	缺点
战斗场景中的物理接触强于通用提示词结果	快速地面运动仍可能出现脚步滑动
VFX 元素与光照和空气感的融合更好	信息密集的动作编排提示词可能需要简化
分镜网格输入减少手动镜头拼接	相似分镜画格可能模糊镜头切分
基于参考的生成有助于保留服装和角色细节	1080p 加音频用于批量迭代会很贵
覆盖文本、图片、转场和融合工作流	不适合作为简单社交或产品短片的默认选择

C1 vs. V6 vs. R1：选择合适的 PixVerse 模型

PixVerse 现在在同一平台上运行三种不同模型。它们不是相互竞争，而是处理不同类型的项目。选错模型不一定会产生坏结果，但意味着你没有使用为具体问题设计的工具。

	PixVerse V6	PixVerse C1	PixVerse R1
核心用途	通用电影感视频	动作、VFX 与动画叙事	实时交互式世界生成
输入模式	文本、图片、参考图	文本、图片、参考图、多格分镜	文本提示词进入实时流
输出类型	预渲染视频短片	预渲染视频短片（多镜头）	连续实时视频流
最长时长	1080p 下 15s	1080p 下 15s	无会话限制（连续）
物理重点	通用运动连贯性	战斗接触、质量转移、动量	实时环境响应
多镜头	手动逐镜头生成	原生自动镜头切分	连续单一流
音频	同步音频生成	同步音频生成	实时多模态
交互	无（生成并下载）	无（生成并下载）	实时用户输入塑造世界

什么时候使用 PixVerse V6，以及谁在使用

PixVerse V6 是通用型模型。它覆盖最广泛的日常视频任务，具备强时间稳定性和原生音频。

电商营销团队 使用 PixVerse V6 AI 视频生成器 批量制作产品发布视频。比如一个 DTC 护肤品牌推出新系列，可以用同一条提示词生成 YouTube 16:9 主视觉视频和 TikTok 9:16 版本，并叠加多语言文字。多分辨率灵活性意味着两人内容团队也能在一个下午覆盖五个平台，而无需手动裁切。

自由创作者和社交媒体经理 依赖 PixVerse V6 制作快速交付内容，例如讲解短片、热点响应帖、品牌 Reels。当简报是“做一个看起来专业并今天发布的东西”时，PixVerse V6 是合适工具。

什么时候使用 PixVerse C1，以及谁在使用

PixVerse C1 是专门处理编排、物理交互、视觉效果或插画转动画流水线的模型。

制作武术或奇幻系列的动画工作室 是最清晰的适配对象。将武侠网漫改编成短视频剧集的漫画工作室，可以把现有画格布局直接作为分镜输入交给 PixVerse C1，并得到多镜头动画序列，无需逐帧写提示词，也无需手动拼接镜头。对于每周输出 3 到 5 集的工作室，这种工作流压缩决定项目是可行还是不可持续。

游戏预告和电影化团队 可以用 C1 在投入完整 CG 制作前原型化动作序列。一个中型游戏工作室向利益相关者提案 Boss 战概念时，可以用概念图参考在几分钟内生成一段 15 秒具备物理意识的战斗序列，而不是等待数周。输出不是最终质量 CG，但足以传达编排和节奏，在真正花预算前促成内部对齐。

短剧制作公司，尤其是为 Douyin、TikTok 或 YouTube Shorts 制作竖屏短剧的团队，当剧本包含打斗、变身或超自然效果时会受益于 C1。与其为 60 秒变身镜头直接聘请 VFX 团队，制片人可以用 PixVerse C1 生成视觉方案，先评估场景在叙事上是否成立，再决定后期资源投入位置。

独立 VFX 艺术家和动效设计师 如果需要火焰、闪电、冰、能量场等元素效果来合成到实拍素材中，也可以用 PixVerse C1 生成物理上可信的效果板。美学特效矩阵意味着粒子与光线互动更正确，相比通用库存特效可减少合成清理工作。

什么时候使用 PixVerse R1，以及谁在使用

PixVerse R1 不是传统意义上的视频生成器。它创建一个连续、可交互的世界，能够实时响应用户输入，并且没有会话限制。

探索交互体验的娱乐和游戏公司 是早期采用者。设计数字景点的主题乐园，或构建观众驱动视觉体验的直播平台，都可以用 PixVerse R1 创建多个用户同时影响场景的共享环境。世界会基于集体输入演化，它更接近多人视觉环境，而不是渲染短片。

进行创意构思的团队 也会使用 PixVerse R1 快速探索世界观概念。艺术总监可以输入场景描述并立即在其中行走、实时调整，而不必等待渲染队列。

需要留意的限制

没有任何模型覆盖一切，C1 也不例外。我们看到的问题足够一致，值得提前规划：

• 快速动作中的脚步滑动： 地面接触优于许多通用模型，但湿滑路面、奔跑和快速转身仍可能让脚漂移。
• 提示词过载： 很长的动作编排指令可能让模型优先处理部分节拍而忽略其他内容。更短、只有一个明确动作的提示词通常效果更好。
• 分镜歧义： 构图相似的画格可能混淆镜头切分。明显改变镜头角度、姿势或构图，有助于 C1 正确读取序列。
• 高设置成本： 1080p 加音频适合最终候选，但不是探索变体的最便宜方式。

我们的实际工作流很简单：先用较低分辨率测试粗略运动，保持提示词简洁，使用差异明显的分镜画格，然后把最佳设置以更高质量重新生成。

常见问题

PixVerse C1 多少钱？

C1 按分辨率和音频设置按秒计价。官方 API 价格列出：360p 无音频每秒 6 积分、带音频 8 积分；540p 为 8 或 10；720p 为 10 或 13；1080p 为 19 或 24。这意味着 5 秒 720p 短片无音频需 50 积分，带音频需 65 积分。大规模制作前请始终查看最新 PixVerse 价格文档。

PixVerse C1 有 API 吗？

有。C1 可通过 PixVerse API 使用，参数为 model: "c1"。它支持 text/generate、img/generate、transition/generate 和 fusion/generate。API 支持 1–15 秒时长、360p 到 1080p 质量设置、可选音频生成，以及用于可复现测试的 seeds。

PixVerse C1、V6 和 R1 有什么区别？

PixVerse V6 是日常内容的通用模型：产品视频、社交短片、生活方式场景和快速图生视频。C1 是动作、VFX、动漫和多镜头叙事专家，具备物理感运动和分镜输入。PixVerse R1 是实时交互式世界模型，生成由用户输入塑造的连续实时环境。当场景需要编排或连续性时选择 C1，而不是仅仅因为它更新。

PixVerse C1 比 V6 更好吗？

取决于任务。C1 更适合打斗场景、奇幻特效、变身镜头、参考图引导的角色连续性，以及分镜转视频。V6 仍然是广泛创意任务、营销视频、简单提示词和快速社交内容的更好默认选择。

C1 能生成动漫风格视频吗？

可以。C1 作为 AI 动漫视频生成器表现良好，尤其适合漫画和短剧制作中常见的动作与奇幻序列。多格分镜功能就是为这种工作流设计的：上传漫画风格画格网格，C1 输出连续动画序列。

C1 支持角色一致的多镜头视频吗？

支持。C1 使用参考图引导，在一次生成的多个镜头中保持角色外观、服装和背景基调。我们的测试中，六镜头分镜序列和 10 秒连续打斗场景都能较好保持角色一致性。参考图中面部、服装和光照清晰时效果最好。

分镜转视频功能如何工作？

将 3 到 9 个插画画格排成一张网格图，可以横向也可以纵向。通过 C1 的基于参考的生成上传网格。模型会把每个画格读取为一个独立镜头，推断转场，并生成连续多镜头视频。提示词可以有帮助，但当画格已经说明动作时并非必需。

谁不应该把 C1 作为首选？

制作简单产品镜头、口播短片、生活方式 B-roll 或快速社交视频的创作者，通常应该从 V6 开始。C1 最强的场景，是画面确实有理由需要它：接触、编排、特效、变身、参考图或多镜头。

结论

C1 对制作团队做了一件有用的事：它把通常最容易崩的场景，也就是打斗、法术、变身和多镜头序列，变成模型中心能力，而不是事后附带功能。

具备物理意识的战斗是我们测试过最有说服力的。VFX 渲染能处理复杂元素互动，而不会塌成视觉噪点。分镜转视频流水线也是针对连载动漫或短剧内容创作者的真正工作流创新。

它不是通用模型，也并不试图成为通用模型。如果你的工作涉及电影感动作、奇幻特效或插画转动画流水线，C1 值得测试。从官方 PixVerse 应用 开始，查看 C1 API 文档，并把这篇评测当作决策页面，而不是发布公告。