物界前沿Mango AI 用了一周，图生视频这套组合拳有点意思
被朋友安利了 Mango AI，说这个平台把几个主流模型打包在一起，从静态图到动态视频一条龙。我这几天拿它跑了几个测试项目，有惊喜也有想吐槽的地方，聊点实在的。
我的评价是看情况推荐。适合内容创作者和做原型验证的团队，不适合对画面控制有洁癖的人。
Mango AI 这个平台最核心的东西是把 Nano Banana 2（Google 的图片生成模型，基于 Gemini 3.1 Flash）和 Seedance 2（字节的视频生成模型）串成了工作流。实际用下来，流程比我预想的顺。它追求的是速度和规模，牺牲一点细节精度，这个取舍在大部分场景下是合理的。
我先用 Nano Banana 2 生成了几张产品图，写prompt之后大概十几秒出图，确实比之前用的模型快不少。它的优势不只是快，它能看懂复杂的提示词，还会结合 Google 搜索和图片搜索来理解语义。我试着让它生成一张咖啡店门面的图，提示词写「午后斜阳，木质感，人少一点」，它给的光影和材料质感比我预想好很多，参考了真实街景的风格。
然后我拿一张生成的图，直接丢给 Seedance 2 做图生视频。效果撑住了，大概四五十秒出一条竖屏短片，镜头的运动轨迹比我想象的自然，物体边缘没有出明显的抖动。
不过要说短板，也有明显的地方。角色一致性这一块，很多工具还没完全解决，Mango AI 也不例外。我专门试了一组测试：用同一张人物正面照，让它生成不同场景下同一个人的画面。
翻了一下 Seedance 2 的攻略，里面提到一个关键点：素材只放一张正面头像和一张全身照就好，不要加各种角度的转面图。模型会把不同角度的同一个人误读成不同的人，反而让身份漂移更严重。这个说法我实际测下来是成立的。我一开始放了正面照加两张半侧面，出来的角色脸已经不太一样了。后来按照攻略只留正面和全身照，一致性好了不少，但表情和光影在跨场景时还是会有轻微漂移。
试用那几天我把自家狗的照片喂进去生成拟人化形象，用 Nano Banana 2 出了一版「坐在沙发上看报」的狗，效果确实自然，毛发的层次感在线。
GPT Image 2 这个模型也在这个平台里，它其实更适合做图片编辑和局部修改，比如你有一张照片，想改掉某个区域的内容，它的理解能力很强。我试着用它给产品图换背景色，基本一次到位，不用来回刷。
整个流程跑通不麻烦，但有几个地方会卡住。视频生成等待时间不算短，高峰期可能需要排队，我这边测下来一条10秒左右的视频等了好几分钟，不算快的。如果你想要特定镜头运动和运镜角度，Seedance 2 的默认逻辑不一定跟你想的一样，得在 prompt 里反复调。订阅制、年费制，对偶尔用一下的人不太友好，价格摆在那，自己估算一下值不值。另外，删除语气词和停顿的「视觉化语音编辑」，这个我没在 Mango AI 里找到，可能我对这个平台的理解有偏差。
有一点要提的是，这类工具平台变动很快，今天看到的模型列表，下周可能就换了，跟之前那个 Sora 退出市场的消息一样，昨天还在用，今天可能就没了。团队要是把生产流程绑死在某个平台上，风险不小。从组织层面看，选这类工具不能只盯着单次出图质量，还要考虑可替换性。
自媒体做快速出片、产品原型验证、广告脚本测试，挺合适；需要精准控制运镜和角色表情的严肃创作者，还有在意成本的个人用户，就得掂量一下。整体一句话：它把多模型工作流捏得够顺，但离「随便一按就出成片」还有距离。
本文编译自 Hacker News，原文：https://trymangoai.com
版权归原作者所有，本文为基于公开报道的编译与独立分析。
