VideoGen Model 1发布：最长10分钟多镜头视频，100万美元额度扶持早期创作者

VideoGen Model 1发布：最长10分钟多镜头视频，100万美元额度扶持早期创作者

视频生成这条赛道，开始比“谁讲得长”了。VideoGen在10月20日发布了自己的首款AI视频模型Model 1，并同步开放申请100万美元免费额度。几句判断先说在前面：其一，“首款”要小心解读——它是VideoGen自家的首款自研模型，不是行业第一个；Sora、Veo、可灵们早就跑在前面，这条新闻真正的信号，是一个视频平台开始自己造模型了；其二，卖点押在“长”和“多镜头”：文本提示加最多16张参考图，直接生成最长10分钟、带转场、对白与音频的成片，还内置“思考与创意指导”自动规划故事、对白与分镜；其三，10分钟多镜头连贯叙事，恰恰是最难啃的骨头——单镜头几秒容易，拉到十分钟、镜头还要接得上、叙事还不散，是另一回事，“能生成”和“能看”之间隔着一条鸿沟；其四，获客手段很直白：开放申请100万美元免费额度（申请制，不是人人有份），外加“成本较同类低50%以上”的厂商自报，用免费额度先把创作者圈进来；其五，这是厂商通稿，“10分钟”“低50%”“内置思考”都是自述，没有第三方基准，真实成片质量得看公开样片和创作者实测。

从“视频平台”到“自己造模型”

要理解这条新闻的分量，得先知道VideoGen原本是干什么的。它是一家位于旧金山、由Y Combinator支持的AI视频公司，过去更像一个“视频创作平台”：把文本、图片、文档、PPT、音频等素材丢进去，通过智能体和工作流，套用各家现成模型（其定价页上就列着Seedance、GPT等一长串模型），产出成片。换句话说，它原本是“用别人的模型做视频”。Model 1是它第一次自己下场造生成模型——从“聚合者”变成“模型方”。这个身份转变，才是“首款”二字的真正含义，也是它敢谈成本、谈差异化的底气所在。

它宣称能做什么：10分钟、多镜头、带音频

按官方通稿的口径，Model 1的能力可以压成一张表。

几个值得划重点的地方。第一，输入很轻：一段文本提示，最多再配16张参考图，就能出片，不用自己剪。第二，输出是“成片级”：最长10分钟、多镜头、带转场、带对白与音频（通稿提到对白、音频与节奏），不是几秒的demo片段。第三，它强调“内置思考与创意指导”——也就是在生成前先规划故事线、对白和分镜，而不是给个提示就直接吐画面；这层“先想后拍”的规划能力，是它敢接中长视频的底气。第四，场景对准营销、短剧、教育这类“要讲完整一段事”的中长视频，而不是社交平台的十几秒短视频——这一定位和“10分钟”是自洽的。

图：VideoGen Model 1的生成链路（提示→规划→多镜头成片）

文本提示+最多16张参考图
  ↓ 内置“思考与创意指导”：规划故事·对白·分镜
VideoGen Model 1（多镜头生成）
  ↓ 转场+对白+音频/节奏
最长10分钟的多镜头成片

说明：图示VideoGen Model 1从输入到成片的链路（依据GlobeNewswire通稿（The Manila Times收录））：模型接收文本提示与最多16张参考图，内置规划能力安排故事、对白与分镜，输出带转场、对白与音频的多镜头成片，官方称最长10分钟。时长与成本数字均为厂商口径，未经独立第三方评测。

为什么“10分钟多镜头”难

这一节说点技术。单个镜头生成几秒钟，如今不算难事；难的是把时间拉长到十分钟，还要多镜头、还要连贯。这里面至少卡着四道关：一是长时一致性——人物长相、服装、场景光线、画风，要在十几个镜头之间保持不漂移，否则观众一眼就出戏；二是镜头切换——什么时候切、怎么切、切过去接不接得上，需要一点“剪辑逻辑”，而不是随机换机位；三是叙事连贯——十分钟里故事得有起承转合，人物动机不能断，这已经接近“讲一个完整剧本”，而非“生成一段画面”；四是音画同步——对白、口型、配乐、节奏要咬合，声音对不上画面，再好的镜头也废。Model 1宣称的“内置思考与创意指导”，本质就是想在生成前把故事、对白、分镜先规划好，用规划去换一致性——思路是对的，但规划得准不准、执行得稳不稳，是另一回事。

成本与获客：低50%、100万美元额度

除了能力，Model 1在商业层面也给了两个明确信号。一个是成本：通稿称其成本较同类模型低50%以上——注意这是“预期”，不是已经跑出来的账单，实际单价、生成耗时、失败重试怎么算，都得看后续公开的定价页与真实用量。另一个是获客：开放申请100万美元免费额度。这里有个细节容易被标题带偏——它说的是“开放申请一个100万美元的免费额度池”，也就是申请制、按需分配，而不是“上线就人人发钱”；谁能拿到、拿多少，取决于申请与审核。这两招合起来看，意图很清楚：用“更低成本+免费额度”降低早期创作者的试错门槛，先把人拉进来跑量，再用跑出来的作品证明自己。至于“低50%”能不能兑现，最终还是要看账单。

诚实边界

几句话把口径摆正。其一，来源是GlobeNewswire发出的厂商通稿（The Manila Times收录），发布时间2026-10-20；官方videogen.io暂缺Model 1详情的直接核对，正文以通稿与报道为准。其二，“首款”指VideoGen自家首款自研模型，非行业首个——Sora、Veo、可灵等早已在跑。其三，“最长10分钟”“多镜头/连贯叙事”“内置思考与创意指导”均为厂商自述，未经独立第三方评测；“能生成”不等于“能看”，真实质量待公开样片与创作者实测。其四，“成本较同类低50%以上”为厂商预期，非实测账单。其五，“100万美元免费额度”是开放申请的额度池，申请制、按需分配，非无门槛自动发放。其六，本文仅做技术解读与口径澄清，不给任何一方选型或采购建议。

这意味着什么：视频生成的“长度”成了新战场

把Model 1放进2026年的视频生成格局里看，它押的是一个正在变的方向：竞争重点从“能不能生成一段几秒的惊艳画面”，转向“能不能讲完一个完整的故事”。10分钟多镜头成片，瞄准的正是短剧、营销片、教育课这类“要有剧情、要有结构”的中长视频——这个市场过去要么靠真人拍摄，要么靠剪辑师把AI片段一条条拼起来，成本高、周期长。VideoGen的算盘是：用自研模型把“规划+生成”一次做完，再用更低成本把总价压下来。另一个信号是身份：一个原本聚合别家模型的平台，开始自己造模型，说明视频生成正在从“调API拼装”走向“垂直整合”——谁掌握模型，谁才能真的把成本和一致性攥在手里。当然，这一切的前提是“10分钟真的能看”。如果出来的成片叙事松散、镜头跳戏、音画对不上，那“最长10分钟”就只是参数表上的数字。免费额度和低价能拉来第一批人，但能不能留住人，看的还是作品本身。