AI 工具这么多,聊天、画图、做视频,该用哪个?

假设你准备做一条介绍家乡的短视频。

先写一段介绍，再配几张图片，接着加上旁白和背景音乐，最后把素材剪成视频。你打开一个 AI 聊天框，输入“帮我做一条介绍家乡的视频”，它却只给你一份拍摄脚本。

脚本写得不错，可图片、声音和视频在哪里？

这时候，需要弄清楚的除了“怎么提要求”，还有一件事：你正在使用的工具，能把任务做到哪一步？

这一篇，我们按用途认识几类国内外常见的 AI 工具。以后遇到一个想法，你就能大致判断该从哪里开始。

你有一段通知想改清楚，一份材料需要提炼重点，或者一个概念怎么也没弄懂，可以先从通用 AI 助手开始。

国内常见的有 豆包、DeepSeek、千问。它们都提供面向普通用户的对话入口，可以作为日常提问和文字任务的起点。通过各自官网进入，也更容易找到官方应用，避免误入名称相似的第三方服务。豆包、DeepSeek、千问

国外常见的代表有 ChatGPT、Claude、Gemini。它们同样覆盖写作、问答和资料处理等用途；具体支持哪些文件、图片和其他工具，需要看所用版本与账号开放的功能。ChatGPT、Claude、Gemini，这几个国外的AI工具非常强大，但是需要一些科学上网的小手段才能正常使用，后续有机会我们再展开聊聊。

这里容易混淆两个东西：模型和应用。

模型负责处理信息、生成回答；应用则提供聊天框、文件上传、搜索等实际功能。我们平时打开使用的，通常是应用。一个应用可以使用不同模型，也可以额外接入其他工具。

所以，选择时不用先背一串模型版本号。拿一件自己的小事试一试，更容易判断是否合适。

比如：

看看它有没有遗漏条件、添加不存在的信息，再决定是否继续使用。对于基础文字任务，先熟悉一个工具就够了。

假设你想给一篇介绍阅读习惯的文章配图，脑海里有一个画面：窗边的书桌、摊开的书、午后的阳光。

这类任务可以尝试图片生成工具。你描述内容和风格，它生成图片；如果已有参考图，也可以在支持的功能中继续调整。

国内可以认识 即梦 AI、可灵 AI。即梦提供图片与视频创作入口；可灵也同时提供图片和视频生成能力。即梦官方入口、可灵官方产品信息

国外可以认识 Midjourney。它提供网页生成界面，也支持参考图、风格探索和图片编辑等创作方式。Midjourney 官方指南

第一次尝试，可以这样描述：

这里交代了用途、主体、光线、风格和限制，比“画一张好看的图”更容易得到接近想法的结果。

如果是连续几篇文章的配图，还可以提供上一张作为参考，要求保持配色和画风，再更换主体。

生成后记得检查文字和细节。尤其是海报上的日期、价格、联系方式，不能只看整体好看就直接使用。

“处理声音”这个说法很宽泛，先分清你要做哪一件事。

把已有录音变成文字，叫转写。 比如采访录音、课堂录音、会议录音。国内的 讯飞听见 提供录音转文字、实时转写及相关整理功能。讯飞听见官网

转写出来的文本可以继续交给通用 AI 助手整理。但人名、数字和专业词语最好对照录音核实，否则后面的摘要也可能沿用错误。

把写好的文字读出来，是配音。 比如给短视频加旁白。国内可以从 剪映 的文字朗读等功能入手；国外可以认识 ElevenLabs，它提供文字转语音等声音工具。剪映官网、ElevenLabs 官网

根据描述生成歌曲或配乐，则是音乐创作。 国外的 Suno 是这类工具的代表，可以根据描述创作音乐，也可以使用歌词等输入继续制作。Suno 官网

例如，同样是做一段旅行记录：

• 已经录了一段讲述，想整理成文字：找转写工具。
• 已经写好了旁白，想让它读出来：找配音工具。
• 想要一段轻快的背景音乐：找音乐生成工具。

先分清输入和想要的结果，就不容易找错入口。生成的音乐如果要用于公开发布或商业项目，还需要查看对应套餐的使用授权。

你有一张咖啡馆图片，希望画面里的热气缓缓升起、镜头慢慢靠近桌面。这属于图片生成视频。

如果没有图片，直接描述“雨后的街道，路灯倒映在积水里，镜头缓缓向前”，则属于文字生成视频。

国内可以尝试前面提到的 即梦 AI、可灵 AI；还可以认识 小云雀。它把多步内容创作组织在一个工具里，提供智能成片、数字人口播、图片设计等功能。

国外可以认识 Runway。即梦明确提供文字生成视频和图片生成视频，Runway 也提供生成式视频工作流程。即梦视频说明、Runway 官方指南

但如果你已经拍好十几段手机视频，只想删掉多余片段、调整顺序、加字幕和音乐，任务的重点就是剪辑。这时可以从剪映这样的剪辑工具入手。剪映官网

两种方式也可以配合：先拍摄主要内容，缺少的过渡镜头用 AI 生成，再统一剪辑。

初次尝试生成视频，建议先做一个简单镜头。例如只要求“镜头慢慢靠近，杯口有轻微热气”，比同时要求人物转身、拿杯子、说话、切换场景更容易检查效果。

另外，生成视频可能按次数或积分消耗额度。开始前看一下时长、清晰度和本次消耗，先用短片段试方向。

前面几类工具，已经可以帮助我们处理文字、图片和声音。但还有一类需求：

只提供文字回复的聊天工具，可以给出代码和操作方法；接入开发工具的 AI 智能体，则可能进一步创建文件、运行程序，发现问题后继续修改。

国内可以认识 WorkBuddy、CodeBuddy、TRAE。

WorkBuddy 面向办公与任务执行，可以在授权范围内读写本地文件、调用工具，覆盖办公、开发和设计等场景。WorkBuddy 官方介绍

CodeBuddy 更侧重开发，提供从需求到代码、预览和部署的相关功能。TRAE 则提供面向开发及办公等任务的产品形态。CodeBuddy 官方介绍、TRAE 官方介绍

国外可以认识 Codex，出自ChatGPT,现在已经统一为ChatGPT。它也提供读取、编辑项目和执行开发任务的工作方式，具体能力取决于使用入口与环境。官方文档

这类工具的关键，在于它除了生成回答，还可以使用工具推进任务。但能访问哪些文件、执行哪些操作，需要相应功能和权限支持。

拿到结果后，你仍然需要打开看看：页面能不能使用，按钮有没有反应，计算或整理的结果对不对。

后面的基础课，我们会选择 WorkBuddy 实际做一个小工具，把这段过程完整走一遍。

看完这些名字，可能又有一个问题：“是不是每一类都要学？”

可以从眼前最需要做的事情开始：

这是一条方便起步的路线，并不是工具排名。一个产品也可能同时出现在几类任务里：有的聊天助手能画图，有的视频平台也能生成图片，现在AI工具发展迅速，很多工具会把不同功能集成到一起，按需选择即可。

使用前，再确认三件事：能不能正常进入、免费额度是否够试、结果能不能下载或导出。 国外工具的服务地区、账号和支付条件各不相同，不必为了跟完基础课而全部注册。

回到开头那条家乡短视频，现在就能把过程分清楚了：先整理介绍文字，再准备图片或镜头，制作旁白，最后剪辑成片。每一步要什么结果，再去选择对应的工具。

下一篇，我们从其中一个入口开始：打开 WorkBuddy，做出第一件可以使用的小作品。

工具信息按 2026 年 9 月查阅的官方资料整理。功能、名称与收费会调整，文中链接均为官方入口或说明；示例用于说明用途，不代表已经逐项实测。