Runway Gen 4.5还是有点东西的。

当我第一眼看到那段视频——一个女人在夕阳下转头，头发随风动，光打在颧骨上——愣了大概三秒。

说实话，我以为是实拍素材。不是那种"哦还行，凑合能用"，是那种"等等，这真的是 AI 生成的？"

让我们把Runway Gen4.5好好“把玩”一下。

先说那个让人坐立不安的数据

Runway 自己做了个测试——1000 人，真实视频和 AI 视频混着看，同等分辨率、同等时长， 10 秒内判断真伪。

结果：57.1% 的人分不清楚。

你可以说这是 Runway 自己的数据，有利益驱动，打个折扣。打完折扣，也就是说，哪怕你保守估计，也有将近一半的人被骗了。

这个数字比什么技术参数都更直接。

它告诉你的不是"物理渲染精度提升了多少"，而是：这东西，已经能过人眼这关了。

连 Runway 内部员工——天天盯着这些视频、天天调模型的人——也有人没分清。

这不是某种营销话术。这是一个信号，说明 AI 视频生成的技术拐点，可能就在这两个月里悄悄过去了。

那到底哪里变了

我花了几天时间测试，重点对比了 Gen 4 和 Gen 4.5 ，顺便横向拿了 Kling 2.6 和 Google Veo 3.1 做对比。几个感受最深的地方：

物理感。这是变化最大的一块。以前生成的视频，总有种"飘"——头发漂得太轻，液体流得不对，人走路重心不稳。 Gen 4.5 这次把这个东西做对了很多。我测试了一段"咖啡杯被风吹倒、液体溢出"的场景，液体的流动轨迹、溅起来的弧线、桌面的浸湿渐变，差不多是我见过 AI 视频里处理得最自然的一次。

不是完美，但是到了"拍摄条件不好、实拍素材也就这样"的级别。

镜头控制。 Gen 4.5 对镜头语言的理解明显上了一台阶。你写"推镜+人物转头"，它真的会在推进过程里做出焦距微变和景深渐浅的效果，不只是人往前走然后镜头跟着动。

Runway CEO 发了一个 2 分多钟的短片——多个场景切换，不同角色出现，叙事连贯。这在以前的 AI 视频里几乎是不可能做到的。你试试问 Sora 2 给你生成一段有完整故事的两分钟视频，看看角色一致性能撑多久。

细节不崩。这条说起来有点抽象，但做视频的人懂——AI 视频最容易崩在"运动中的细节"。人物快速移动时脸糊，手指在特写镜头里变形，衣服纹理在运动中乱跑。 Gen 4.5 在这方面做了专项加强。官方演示里有一段人物在章鱼背上飞行的画面，光是那个面部细节在高速运动中保持稳定这件事，就已经超出我的预期了。

但是，有几个地方我真的要吐槽

角色一致性还是差了点。跟 Kling 2.6 比， Gen 4.5 在多镜头长序列里维持角色外观的能力还是弱一截。你生成一个人物，换个场景、换个角度，面部特征会有微妙漂移——不是崩坏，但仔细看得出来。

如果你做的是品牌代言、 IP 衍生这类对角色一致性要求高的内容，现在拿 Gen 4.5 做还需要大量手工挑选镜头，不能完全信任模型自己保持一致。

没有原生音频。 Veo 3.1 和 Sora 2 都已经可以原生生成音效和对话了——视频里的脚步声、环境音、人物说话的唇形同步。 Gen 4.5 这里是一个空白。你生成的视频是哑的，后期要自己配音配效果。

对很多人来说这是个大问题。你做了一段很不错的视频，加音频的时候发现音画难对齐，感觉就像做了一桌好菜结果没有餐具。

长视频依然要靠剪辑。 Gen 4.5 单次生成最长 10 秒，要做更长的内容必须分段生成再剪接。跨片段的一致性你需要自己把控——光线、角色、场景细节，每个片段都可能产生偏差，拼接的时候如果不仔细对，观众肯定看得出来。

对普通用户来说，这道门槛不低。

和竞品怎么比

直接说结论，不绕弯子：

看特效、运动模拟、物理感 → Gen 4.5 目前最强。

看角色一致性、背景稳定 → Kling 2.6 更可靠，目前综合排行第一。

看对话场景、音画同步 → Veo 3.1 ， Google 在这块下了功夫。

看整体视觉质量分档 → 最新的 Artificial Analysis 榜单（ 2025 年 12 月数据）， Gen 4.5 以 1247 Elo 分排名第一，超过了 Veo 3.1 和 Sora 2 。但这是综合分，具体细分场景各有差异。

说白了就是：没有一个模型是"全场景最优解"，你得根据自己的需求选工具。 Gen 4.5 的优势是视觉质量上限高，特别适合对物理真实感要求高的内容；缺点是在需要长序列一致性和原生音频的场景里还差一口气。

工作流怎么用

聊完评测，说说实际怎么上手。

最快入手路径：图生视频

上传一张高质量的参考图（建议 1080p 以上，主体和背景分开清晰），然后写运动提示词——重点描述摄像机运动方向和主体动作，别堆形容词。

好提示词示例：Camera slowly pushes in on a woman turning her head, shallow depth of field, golden hour light

差提示词：美丽的女人在漂亮的光线下非常自然地转头

参数方面：宽高比 16:9 ，时长选 10 秒，运动强度设中等。

过高会导致变形，是我测出来的教训，直接选高的话你前三次生成大概都是废片。

进阶：分镜头策略

不要指望用一段提示词生成完整叙事。

正确的做法是：把场景拆成建立镜头（交代环境）+ 动作镜头（主体动作）+ 特写镜头（细节/情绪），分别生成，然后在剪辑软件里拼。这样每段控制在 5-10 秒，一致性最好把握，效果也最可控。

4K 升频

Gen 4.5 默认输出 720p ，付费计划（ Pro 起）内置 4K 超分工具。我测了几段，升频后的效果比我预期好，没有出现太多边缘模糊或颜色失真的问题——当然，如果你原始生成的质量就不行，升频救不了根。

定价参考（官网价格，不含税）：

最后说一句

AI 视频这条线，走到现在，已经超出"玩具"的范畴了。

Gen 4.5 之后，说 AI 视频还是看看就好、别指望实用，这种态度有点站不住脚了。

不是说它现在完美。它现在依然不完美，角色一致性、原生音频、长视频生产流程，都还有距离。

但那 57% 的数据放在那里，视觉质量这条线，已经过了"肉眼无法稳定分辨"的阈值。

接下来的问题不是"AI 能不能做视频"，而是"用什么工作流做、做什么场景的内容、配合什么工具降成本"。

这才是值得认真研究的方向。

你用过 Gen 4.5 吗？测完最大的感受是什么，留言聊聊。