一个人把信封递到另一个人手里,只需要几秒钟。写进分镜,可能只有一行字。真正做成镜头时,却要让手碰到正确的位置,信封没有变形,人物朝向接得上,还得在交接完成后留一点时间给观众看清。
生成了五秒视频,不代表这五秒都能放进片子。也许开头的人物对了,后半段道具消失;也许动作成立,表情却接不上前一镜。制作人员会再试、截取、修整,有时还要换一种拍法。
因此,问一部 AI 漫剧要花多少钱时,我们更关心的单位是可用镜头:它需要多少次尝试,多少人的处理,以及怎样才能进入整段叙事。模型的单次价格仍然重要,但它只回答了其中一个问题。
同样五秒钟,分母可以不同
先把一个小算例摊开。为了说明口径,假设同一段动作生成六次,每次返回五秒,每次实际计费三元。我们从第二次结果中选两秒,再从第五次结果中选三秒,拼成需要的五秒镜头;两段衔接已经另外检查通过。
这时共生成三十秒,实际调用支出十八元。如果用生成时长去除,每秒是六角;如果用最终采用的五秒去除,每秒是三元六角。两种计算都能算对,但只有后一种把没被选中的尝试也分摊进了这段采用素材。

这里仍然不能把三元六角直接叫作“成片每秒成本”。声音、字幕、剪辑、修整与输出检查还没算,其他镜头也未必同样容易。甚至这五秒在接入整片以后,可能因为节奏变化被缩短或替换。
记录时,可以分开保留三种时长:模型返回了多少,镜头检查后能采用多少,最终剪辑里留下多少。三者回答不同的问题。前者用来核对工具消耗,中间一项帮助判断这类任务好不好做,最后一项才与交出的片长对应。
“未采用”也不等于“没有价值”。试探画风、比较景别、寻找角色动作的尝试,可能帮助团队决定后面的做法。它们属于探索投入。另一类尝试则是在重复修同一个问题,例如道具一直不对,却始终没有补充更明确的参考。把两类记录混在一起,只看一个采用比例,就很难知道下一笔预算应该花在哪里。
更有用的退回原因,要落到具体地方:信封在第几秒消失,人物从哪里开始转错方向,接前一镜时为什么显得突然。它能帮助下一次改变输入、拆动作或调整剪法。写一句“不够好”,通常解释不了下一次为什么会更好。
一次重做,通常还有人在工作
在等待模型返回的几分钟里,制作人可能正在整理其他镜头;也可能必须反复检查任务、重新提交。两种情况对交期和人工的影响不同。等待时长不能全记成人工,但准备参考、查看结果、比较片段、下载整理和接回剪辑的时间,也不能因为分散而不计。
可以先按实际动作记人时,而不是按开过几个软件记。一段视频从出图工具走到视频工具,再进入剪辑软件,期间还有改名、比对与修整。同一个人的二十分钟只能记一次;两个人各投入二十分钟,则是四十个人分钟。它们都不直接等于项目经过了多久。
下面把范围扩大到一段三十秒的制作练习。假设计划十二个镜头,每镜平均生成四次,每次三元;人工共二十小时,内部核算暂按每小时一百元;另有三百元素材与软件分摊,且不重复包含前面的调用费。
| 项目 | 本例的计算口径 | 金额 |
|---|---|---|
| 人工 | 20人时 × 100元/人时 | 2,000元 |
| 调用 | 12镜 × 平均4次 × 3元/次 | 144元 |
| 其他直接费用 | 素材与软件分摊,假设固定 | 300元 |
| 合计 | 上述三项之和 | 2,444元 |
形成对外报价时,税费、设备、管理、销售、利润和项目风险是否另计,还要按团队自己的核算范围补齐。
接着改变两个输入:平均生成次数与人工小时。其他条件保持不变,就可以看到不同组合下的预算。

沿用基准,如果把单次价格从三元降到一元五角,四十八次生成可以省七十二元。如果筛选和修整额外多花四个人时,人工会增加四百元。两件事同时发生,总额反而变成二千七百七十二元,比原来多三百二十八元。
比较工具时,要把完成同一镜头所需的工作放在一起看。一个工具可能更便宜,却需要更多准备;另一个工具的调用费稍高,却可能更适合某种动作。究竟哪种划算,需要相近任务的实际记录,不能只凭漂亮的演示片或一张价目表判断。
记录一两个项目以后,还可以把镜头分开比较:单人静止、双人对话、手与物体接触、多人走动,各自需要怎样的准备与处理。不要先用容易镜头算出均价,再把它套到整部作品。困难往往集中在少数要求上,平均数恰好会把它们藏起来。
把最难的镜头放到前面
预算紧时,一个值得优先投入的地方,是让关键镜头早点暴露问题。
先用草图与临时声音排一段粗剪,看故事能否讲清楚、动作有没有足够时间、对白会不会挤掉反应。这类把分镜放到时间线上预演的方法,可以参考 Adobe 对动态分镜的说明。画面可以粗,观众需要理解的事情不能含糊。
然后挑一个真正代表难度的镜头试做。整片难在两人交接道具,就测试交接;难在角色从近景走入全景,就测试外形与空间能否延续。只生成一张静止肖像,还不足以支撑后面动作镜头的预算。
参考控制可以帮助准备这样的测试。例如 Google 在2025年10月15日的 Veo 3.1 发布说明中介绍了参考图引导与首尾帧生成。这提供了交代人物、场景和动作起止的工具手段;具体镜头需要尝试多少次、后期还要处理多少,仍要回到自己的试片记录。
试片之后,决定可以更具体。有的动作值得继续精做,因为它承担了重要情节;有的过场可以换景别,用反应镜头和声音完成同一段信息;也有的需求在当前预算下就该缩小。省下来的应当是无效重复,而不是把观众必须看懂的动作删掉。
对新角色、新画风、新动作留下探索预算,同样合理。第一次投入得到的角色参考和处理经验,可能会被后续镜头重复使用;但能不能复用,要看服装、场景和任务是否相近,不能把以后还没发生的复用先算成收益。为每一类探索设置回看点,比一开始承诺通用的“最多生成几次”更有依据。
最后,报价里也应说清这次交到哪一步:片长、画幅、声音和字幕版本,是否包含可编辑工程,以及哪些已确认内容改变后需要重新评估。把这些条件写清,不会让创作变成填表,却能避免同一个“做一条视频”被理解成完全不同的工作。
我们希望 AI 帮助小团队把更多想法拍出来。要走得长一些,就需要看见画面之外的投入:没被选中的尝试、人的判断、声音与剪辑,以及一次修改带来的连带工作。真正值得积累的成本经验,是下一次面对相似镜头时,我们更清楚该准备什么、哪里值得多花时间、又该在什么时候换一种做法。


