PixVerse V6 与 C1 怎么选：两种镜头，两个模型

PixVerse V6 和 PixVerse C1 看起来像是同一个模型被列了两遍。两者都封顶 15 秒、1080p，都支持文生视频、图生视频、首尾帧转场和参考图生视频，也都内联生成音频。在官方那张能力矩阵里，描述这两个模型的十行中有八行写法完全一样。所以规格表决定不了选型——决定选型的是你要拍什么镜头。

把官方能力矩阵逐行读一遍

官方让开发者在接入前先看这张表，它也是厂商公布过的最干净的一张对照。

两列除两行之外完全一致。「哪个更强」因此是一道没有答案的题，「这一条镜头该用哪个」才有答案。

C1 唯一缺的那一行

视频延长只有 V6 有，这是全表唯一一处能力硬缺口：C1 标着「不支持」。这件事在镜头要越过 15 秒天花板时才有分量——V6 可以把一段片子接着往下延，而不是重开一次生成；换到 C1，就得重新生成一段再手动接上。

内联多镜头生成往另一个方向分岔，但两者都有，只是路径不同：C1 靠提示词，V6 靠参数。官方这样描述 C1 的路径：Scene segmentation is handled automatically based on prompt structure, across all major generation modes including text-to-video, image-to-video, and reference-guided workflows. 也就是说 C1 会根据提示词结构自动切镜。V6 那边，多镜头结构是你要主动设的东西。

官方给两者的定位原话

V6 被定位成通用款：Generate 15-second 1080p videos, build multi-shot scenes, add native audio, control aspect ratios, and create stronger text-to-video or image-to-video results from one creative workspace. 官方评测页给它的说法是 the widest range of everyday video tasks with strong temporal stability and native audio。两个模型要用的密钥与端点都在 PixVerse API 接入指南 里。

C1 的定位要窄得多：its first AI video model purpose-built for film production，即官方第一款为影视制作而生的视频模型。它还带一条 V6 没有的能力——分镜转视频：静态分镜版面进去，连续序列出来。官方评测页把 C1 称作 the specialist for anything involving choreography, physical interaction, visual effects, or illustrated-to-animated pipelines。

API 每秒各收多少分

两个模型都按秒计费，定价页把它们并列在同一张表里，这也是唯一能把两者分开的硬数字。

单位为每秒消耗的积分，取自官方定价页。无音频时 C1 每一档都比 V6 贵 1 分；带音频时在 360p、540p、720p 三档同样贵 1 分。有一条脚注会把这个结论翻过来：当 Fusion（参考图生视频）带视频参考时，V6 在 1080p 最高可到每秒 36 分与 46 分。官方没有印出「一条成品片总共多少分」的价格，那是乘法；PixVerse 积分与价格指南 把每秒单价能算成什么讲了一遍。

同一个需求的两种示例

同一个思路——一个主体、一次运镜、带声音——分别推给两个模型。

示例一：用 V6 做产品预告

下面这段提示词是官方 V6 产品页上的文生视频示例原文，参数是那一页让你在生成前设定的。

Prompt: A matte black smart speaker sits on a walnut desk at sunrise. The camera slowly pushes in from the left. Warm light reflects on the metal rim. A soft startup chime plays as the LED ring turns blue.
model: v6
quality: 1080p
duration: 15s
generate_audio_switch: true

静止的产品、缓慢的推镜、卡在画面节拍上的音效，这是一眼该交给 V6 的活。1080p 带音频这一档，表上 V6 是每秒 23 分，跑满 15 秒大约 345 分——这是按官方表做的乘法，不是官方印出来的总价。

示例二：用 C1 拍动作戏

这是官方 C1 评测页里的战斗测试，走图生视频，输入是一张参考帧。

Prompt: Rain-soaked street brawl, fists connecting with impact.
Input: a reference frame of two fighters in a rain-soaked street
model: c1
quality: 720p
duration: 10s
generate_audio_switch: false

官方报告的结果是一条 10 秒片，the two characters exchanged close-range strikes in the rain；它点名了站得住的那处细节——拳头打到下巴时，the recipient's head snapped back at a speed that matched the force of the swing. Raindrops scattered off the impact point. 同一页也如实写了失误：occasionally a foot slides on the wet surface in a way that ignores friction。720p 无音频这一档 C1 是每秒 10 分，10 秒约 100 分。

两次之间变的不是规格，也不是价格。变的是一个需求要的是卡点的音效和干净的主体画面，另一个需求要的是接触物理。

按交付物选，不按参数表选

官方评测页把这件事压成一句值得记住的话：if the main deliverable is a file, choose V6 or C1 first.

• 要能反复出货的商业内容——V6。 产品预告、广告钩子、同一条提示词切多个画幅的社交素材，今天就要交、交出去就得像成品的那种。
• 编排、接触、粒子、特效素材——C1。 打斗、变身、元素特效，以及需要把分镜版面直接变成序列、不想逐镜写提示词的项目。
• 需要接着往下延的镜头——V6。 视频延长是 C1 唯一整行输掉的能力。
• 要让观众边看边改的东西——两个都不行。 那是 PixVerse R1，什么时候实时会话比渲染好的文件更划算，看 PixVerse R1 指南。

两者共同的天花板

共同上限是 15 秒与 1080p，而且在我们能打开的官方页面上，两个模型的帧率都没有公布。此外两者各有各的失败方式，官方自己也写了。

C1 列了三个可预期的问题：快速动作里脚步在湿地面上打滑；提示词过长，very long choreography instructions may cause the model to prioritize some beats and ignore others. Shorter prompts with one clear action usually worked better.；以及分镜歧义，panels with similar compositions can confuse shot segmentation.

V6 没有对应的清单，但它的 FAQ 把问题回答掉了：AI video outputs can vary when prompts are vague, identity anchors are missing, or the requested scene includes too many competing actions. 两个模型的解法一样——描述写实、每条镜头只留一个明确动作。如果你还在熟悉这个工具，PixVerse 上手教程 会先带你过一遍设置界面，那时候还不用选模型。

常见问题

PixVerse C1 比 V6 更好吗？ 笼统地说不是。官方能力矩阵十行里它们有八行相同。C1 面向动作、特效与分镜驱动的工作，V6 是通用款，也是两者中唯一支持视频延长的那个。

做产品视频该用哪个模型？ V6。它的产品页面向的就是产品预告、广告与社交短片，而且在每一档分辨率与音频设置下，它每秒都比 C1 便宜。

PixVerse C1 支持视频延长吗？ 不支持。能力矩阵里这一行 C1 是「不支持」、V6 是「支持」，所以需要越过 15 秒往下接的镜头应该交给 V6。

两个模型每秒各多少分？ 无音频时 C1 在 360p、540p、720p、1080p 分别是 6、8、10、19 分，V6 是 5、7、9、18 分。带音频按分辨率再加 2 到 5 分。

先想清楚要交什么，再挑对得上的模型，最后才去读参数表。

发布于

2026年9月16日

信息核验

2026年9月16日

作者

AI Tool Blog 编辑部