2026年8月12日
第一支 AI 影片：不讓預算爆掉的方法
一支 AI 影片依模型和解析度要花 26 到 330 點。這裡教你在動畫化之前先用 1 到 7 點以圖片定稿，聰明設定長度與解析度，並避開一個晚上就掏空帳戶的錯誤。
第一次嘗試的陷阱
直接文字轉影片，等於花 26 點去發現一個用靜態圖一歐分就能驗證的構圖：正確做法是先用圖片定稿，再讓它動起來。
場景很典型。週五晚上，腦中有個短片點子，你打開影片生成器，輸入「一名騎士在日出時穿過起霧的森林」，按下生成。等三分鐘。結果出來了：騎士是背對鏡頭的，森林像市立公園，霧完全不見了。二十六點就這樣飛了，而你連一個能用的鏡頭都沒有。
問題不在模型。生成這名失敗騎士的 Kling 2.5 Turbo 是很好的生成器。問題在方法：直接文字轉影片，等於用動畫的全額價錢，去發現一個你本來花一歐分用靜態圖就能驗證的構圖。這就像為了重讀第一章而把整本書印出來。
這篇文章講的是反過來的做法，也是那些用每月 13 歐元 Starter 方案就能撐一個月的創作者在用的方法：每個鏡頭先用圖片定稿，再讓那張圖動起來。附上真實數字、真實的失敗率，以及 Imaginode 什麼情況退點、什麼情況不退。
一次影片生成到底要多少錢
Kling 2.5 Turbo 5 秒約 26 點，Seedance 2.0 Fast 約 48 點，4K 最高到 330 點；相對地一張圖片只要 1 到 7 點，至少是三十倍的差距。
先把數量級擺出來，因為後面所有的推論都從這裡來。在 Imaginode 上，1 點約等於 0.01 歐元。Kling 2.5 Turbo 5 秒大約 26 點，也就是 0.26 歐元。Seedance 2.0 Fast 在 720p 下 5 秒約 48 點。而完整版的 Seedance 2.0 在 4K 下，5 秒約 330 點：一段短片超過 3 歐元。
相對地，一張圖片從 1 點（Flux Schnell）到 7 點（Flux 2 Pro）。換句話說，一支失敗的影片，等於四、五輪完整的圖片探索，每輪還能試十來次。這個一比三十、有時一比三百的比例，是你按下生成之前唯一該記住的統計數字。
有一道護欄：確切花費會在你點擊之前顯示在生成按鈕上。帳單不會有意外，價格在你做決定的當下就白紙黑字寫在那裡。養成看它的習慣。很多新手是事後才發現，自己順手啟動了一個高階模型。
餘額為什麼直接文字轉影片是在賭博
一段直接的影片提示詞一次外包了五個決定，全都要付錢之後才看得到，而且大約每三、四次就有一次進垃圾桶，難看但已交付的結果照樣算錢。
當你把提示詞直接丟給影片模型，你等於把一切都交給它：構圖、光線、角色的臉、色調，還有運動。一次五個決定，而且要付錢之後才看得到。從機率上說，只要其中一個失手，這個鏡頭就不能用了。
而且要說得直接一點：AI 影片現在仍然常常失敗。大約每三、四次生成就有一次進垃圾桶，可能是手變形、畫面上的文字融掉，或是物理很可疑，例如玻璃杯直接穿過桌子。一次 48 點的嘗試，每次失敗都很有感。直接試三次，你就花了 144 點，也許只換到兩個堪用的鏡頭。
還有一件事要先知道：難看但技術上已交付的結果，還是要付錢。只有供應商端的技術性失敗才會退點。平台不會評判你的騎士好不好看，它只確認檔案存在。所以重點在於，盡量減少影片模型可能失手的地方。
方法：先用圖片定稿
永遠不要叫影片模型自己想構圖：先花 1 到 7 點確定一張圖，在節點紀錄裡比較，再把它當成影片的第一格。
原則一句話就講完：永遠不要叫影片模型發明構圖，只要它讓一張你已經核可的圖片動起來。在 Imaginode 的畫布上加入一個圖片節點，寫下提示詞，生成。幾秒後結果就出來，依模型不同只要 1 到 7 點。
圖片不滿意？改提示詞再跑一次。每個節點都保留最近 12 次生成的紀錄，你可以並排比較，第八版不如第三版就退回第三版。這是影片給不起的奢侈，因為在影片裡，每一次比較至少要 26 點。
等到圖片完全是你要的樣子，構圖也對了，它就成為影片的第一格。這時影片模型只剩一件工作：讓已經存在的東西動起來。你剛剛把一場五個未知數的賭局，變成只有一個未知數。
第一格該用哪個圖片模型
用 1 點的 Flux Schnell 抓大方向，再用 6 點的 Flux Pro 1.1 或 Imagen 4 定稿，固定角色則用 5 點的 Seedream 5 Lite：全部大約十五點。
抓大方向時，1 點的 Flux Schnell 無人能敵。十次構圖嘗試只要 10 點，也就是 0.10 歐元。它是最理想的拋棄式草稿：快、細節不一定精緻，但足以判斷構圖和光線。
構圖確定之後，再用更講究的模型重新生成最終版：6 點的 Flux Pro 1.1 或 Imagen 4，想把細節拉到最滿就用 7 點的 Flux 2 Pro。如果你的鏡頭裡有一個定義在參考節點裡的固定角色，5 點的 Seedream 5 Lite 是最忠於參考圖的冠軍。
一輪認真探索的總帳：含草稿大約十五點。比一支失敗的 Kling 影片還便宜。而且你進入動畫階段時，握有直接文字轉影片永遠給不了你的把握：你已經知道自己的鏡頭長什麼樣子。
把圖片接到影片節點上
一條從圖片節點拉到影片節點的線就固定了第一格：構圖、光線和臉都被鎖住，模型只剩運動可能出錯。
在畫布上，從圖片節點的輸出埠拉一條線到影片節點。接上時輸入端的圓點會亮起，表示連線生效。如果你把線鬆手在節點上的任意位置，它會自動接到最可能的輸入，也就是起始圖片。
影片節點會依你選的模型顯示不同的輸入。起始圖片永遠只有一個，用來固定第一格。有些模型也接受結束圖片，很適合做可控的轉場。而參考圖則能維持角色一致：Seedance 2.0 最多 9 張，Seedance 2.5 更多。
接上起始圖片之後，構圖、光線和臉都被鎖住了。可用鏡頭的比例會比純文字明顯提高，因為模型只剩運動這一項可能出錯。順帶一提：Seedance 在圖片轉影片時有自己的解析度限制，平台會替你調整好。
先用 5 秒 720p，之後再往上加
所有測試都用 5 秒 720p：同一個 Seedance 2.0 鏡頭從 720p Fast 的 48 點跳到 4K 的約 330 點，等於為一次測試多付將近七倍。
長度和解析度是兩個會把預算炸掉的滑桿。驗證時調到最低，交付時才調到最高。具體來說：所有運動測試都用 5 秒、720p。要判斷騎士是自然地走路，還是像西洋棋子一樣在地上滑，這已經綽綽有餘。
價差讓這個紀律很值得。在 Seedance 2.0 上，同一個 5 秒鏡頭從 720p Fast 的約 48 點，跳到完整版 4K 的約 330 點。為一次可能會丟掉的測試多付將近七倍。4K 是留給最終版、留給你要匯出的那一支。
長度也是同樣的邏輯。Seedance 2.5 可以做到 30 秒的片段，這很了不起，但一次 30 秒的失敗，等於六次 5 秒的失敗。把場景拆成短鏡頭，一個一個驗證，長鏡頭留給已經驗證過的運動。
新手該用哪個影片模型
兩個穩當選擇：Kling 2.5 Turbo 5 秒約 26 點適合學習，Seedance 2.0 Fast 48 點質感更細；學習期間就固定用一個模型。
Imaginode 提供 47 個模型，全部用同一套點數支付，換供應商只要兩下點擊，不必再訂閱一次。第一個晚上，有兩個穩當的選擇。Kling 2.5 Turbo，5 秒約 26 點，是學習階段性價比最高的：快、運動自然、足以判斷你的點子好不好。Seedance 2.0 Fast，約 48 點，質感更細膩。
目錄裡其他名字之後再說。想要生成音訊時找 Veo 3.1 Lite 和 Fast，要上 1080p 或 4K 時找完整版 Seedance 2.0，需要多張參考圖或最長 30 秒的片段時找 Seedance 2.5。Grok Imagine Video、MiniMax H3、Wan 2.7、Kling V3 或 PixVerse 各有強項，但第一支短片沒有一個是必需的。
我們的建議很直接：學習期間就固定用一個模型。每個生成器都有自己的脾氣、自己解讀推軌或光線的方式，而你只有累積可以互相比較的嘗試才會進步。每個鏡頭換一個模型，等於每個鏡頭都從零開始，學費還付好幾遍。
描述運動，而不是畫面
圖片已經帶著構圖了：只描述會動的東西，主體、鏡頭、節奏，運鏡寫成最後一句，5 秒的鏡頭只放一個動作。
你的圖片已經帶著構圖，所以不要在影片提示詞裡再重複一遍。只描述會動的東西：主體、鏡頭、節奏。「騎士緩緩走向鏡頭，斗篷在風中擺動，前景有落葉飄下。」一句清楚的運動描述，勝過一整段重複的畫面描述。
把運鏡寫成明確的最後一句，模型對這種寫法的反應，比對埋在句子中間的形容詞好得多。份量也請保守：一個會動的主體加一個運鏡，對 5 秒來說已經很多了。堆了四個動作的提示詞，只會產出一團糊。
如果技術英文讓你卻步，提示詞欄位上的魔法棒會透過 Kimi 模型把你的文字改寫成豐富有結構的英文，只要 1 點。它會保留你的角色 @提及。花 1 點讓一次 48 點的生成更可靠，這帳很好算。
說老實話，現在還是會失敗的部分
就算起始圖片很乾淨，也要抓每三、四次失敗一次：手變形、文字融化、物理可疑；對策是挑選能避開這些陷阱的鏡頭。
沒有任何方法能讓 AI 影片萬無一失，說有的話就是在騙你。就算起始圖片很乾淨，大約每三、四次生成仍會失敗一次。手還是第一號弱點：手指黏在一起、多出來的拇指、握著的物件變形。
畫面上的文字是另一個經典墳場。在你的起始圖片上還清楚可讀的招牌，很有可能從動畫第二秒就融成象形文字。物理也還很粗糙：違抗重力的液體、滑步的角色、互相穿透的物件。
對策主要在鏡頭的選擇。避開手部動作的特寫、必須保持清楚的文字，還有像倒咖啡這種複雜的物件互動。多用臉部、走路、氛圍，以及在場景上移動的鏡頭。好的 AI 導演會挑自己要打的仗，就像沒錢的導演會挑自己拍得出來的戲。
當機退錢，難看照付
技術性失敗會在幾秒內自動退點，交付了但令人失望的影片仍然算錢：每個最終鏡頭抓兩到三次生成，也就是約 65 點。
這條規則值得講清楚，因為它決定了你的預算結構。如果生成在模型供應商端技術性失敗，例如伺服器掛掉、檔案根本沒交付，點數會在幾秒內自動回到你的帳戶。不用申請、不用舉證、沒有客訴表單。
反過來說，交付了但令人失望的影片仍然要付錢。眼神歪掉的騎士、飄得很怪的斗篷，交付了就是付了。這種不對稱不是坑人，所有模型供應商都是這樣運作的：運算確實發生了。但這也解釋了為什麼這篇文章的整套方法，目標是減少令人失望的生成，而不是期待退款。
請據此編列預算：一個最終鏡頭要抓兩到三次影片生成，不是一次。26 點的 Kling 鏡頭一次就過，是驚喜，不是工作假設。以平均 2.5 次計算，你那個 5 秒鏡頭大約要 65 點，也就是 0.65 歐元。
三個很花點數的新手錯誤
沒有參考節點就想動固定角色、什麼都不改一直重跑同一段提示詞，以及跳過 720p 的 48 點直接衝 330 點的 4K：三個經典陷阱。
第一個錯誤：沒有參考圖就想讓固定角色動起來。沒有參考圖，臉每次生成都不一樣，你只是在燒點數追一個模型根本無從得知的相似度。建立一個參考節點，給它名字、描述和幾張照片，然後在提示詞裡 @提及它：描述會被注入，照片也會自動附上。
第二個錯誤：一直重跑同一段提示詞，期待奇蹟。如果連續兩次都在同一個地方失敗，問題出在需求本身，不是在抽籤。在再付 26 點之前，明確改掉某個東西：少一個動作、換一個更簡單的運動。節點的紀錄會清楚告訴你已經試過什麼。
第三個錯誤：一開始就直接生成高解析度的正式版。「反正要一次做好」這種反射，在 Seedance 2.0 的 4K 上每次嘗試約要 330 點，而在 720p 驗證只要 48 點。先在 720p 一次做好，再放大重生成一次就好。
生成音訊：Veo 這個案例
Veo 3.1 Lite、Fast 以及 Kling V3 會連聲音一起生成：氛圍鏡頭很好用，但如果你的短片最後要配音樂，就是白花錢。
有些模型已經不只做畫面。Veo 3.1 Lite 和 Fast 會連聲音一起生成：環境音、音效，有時還有台詞。一個下雨的鏡頭會附帶雨聲，一個市場會附帶人聲的嘈雜。Kling V3 也提供音訊。對社群平台的短影音來說，這省下一整輪音效設計。
開啟音訊之後費用當然會上升，確切價格一如往常顯示在生成按鈕上。每個鏡頭之前先問自己：如果這支短片最後會配上音樂剪出來，生成的音訊就會被丟掉。為了一條你等等要靜音的軌道多付錢，沒有任何意義。
我們的看法很直接：生成音訊在氛圍鏡頭和簡單的對白場景上很出色，凡是需要精準同步的地方就還會讓人失望。挑一個鏡頭試試，聽一聽，再決定。這種取捨是用耳朵判斷的，不是看規格表。
用攝影機節點更上一層
五個轉盤會把正確的英文術語寫在提示詞開頭、把運鏡寫在結尾：同一個攝影機節點可以餵給多個生成器，讓整體調度保持一致。
掌握了先圖片再影片的方法之後，攝影機節點是你的下一階。五個圖示化的轉盤：景別、鏡頭焦距（毫米）、光圈、角度、運動，節點會替你把正確的英文術語寫在提示詞最前面，也就是模型權重最高的位置。
對影片的好處非常直接：運動轉盤提供固定鏡頭、推軌前進或後退、橫搖、升降、環繞、手持或緩慢變焦，並把它寫成提示詞最後一句明確的敘述。從此不再有那種什麼都生不出來的模糊 cinematic camera movement。
同一個攝影機節點可以同時餵給好幾個生成器，讓開場鏡頭和下一個鏡頭的調度保持一致。我們為此寫了一整篇：「像攝影指導一樣指揮 AI」，裡面有每個設定的實際效果。先從簡單的開始：中景、35 mm、緩慢推軌前進。
第一個晚上的預算範例
三個 5 秒鏡頭，含探索和重試大約 205 點，也就是 2 歐元，不到每月 13 歐元（未稅）Starter 方案 900 點的四分之一。
來算一次真實的探索過程：一位創作者想要三個 5 秒鏡頭做預告片。用 Flux Schnell 探索構圖：三十來張圖，30 點。三張圖用 Flux Pro 1.1 做最終版：18 點。用 Kling 2.5 Turbo 動畫化，每個鏡頭平均兩次嘗試：約 156 點。合計：大約 205 點，也就是約 2 歐元。
以每月 13 歐元（未稅）的 Starter 方案和它的 900 點來算，這個晚上用掉不到當月預算的四分之一。經常拍片的創作者會升到 Creator 方案，未稅 42 歐元、3,100 點。臨時的高峰則可以買加值包，從 1,000 點 15 歐元起跳。
跟直覺做法比較看看：三個鏡頭直接在 Seedance 2.0 Fast 上文字轉影片，以一般的失敗率計算，會吃掉 400 到 500 點，結果還更不可控。這套方法不只便宜，成品也更好。
現在，換你的第一個鏡頭
今晚就做：十張 Flux Schnell 草稿、一張定稿，拉一條線到 Kling 2.5 Turbo，5 秒 720p；接好線的範本和 1 點一則的助理可以幫你把工作流搭好。
把今晚要做的事整理一次。一個圖片節點，十張 Flux Schnell 草稿，一張乾淨的最終版。拉一條線到影片節點，選 Kling 2.5 Turbo 或 Seedance 2.0 Fast，5 秒，720p。一句清楚的運動描述。全部都會自動儲存，你甚至可以從手機瀏覽器送出生成，鎖上螢幕它也會繼續跑。
如果你想從已經搭好的基礎開始，現成範本裡就有接好線的圖片轉影片流程，例如虛擬家居軟裝，它會把一個房間的變身動畫化：你只要換掉提示詞，其他都在位子上了。而右下角泡泡裡的助理，看得到你打開的畫布，每則訊息 1 點就能替你把整個工作流搭起來。
想走得比第一個鏡頭更遠，說明文件裡的學院提供 YouTube 影片課程，把整條流程實際操作給你看。這個部落格建議的下一站：攝影機節點那一篇，因為一個動得好的鏡頭，首先是一個構圖好的鏡頭。