2026年9月5日
超过 10 秒的 AI 视频：各模型的真实时长，以及便宜一半的做法
每个视频模型到底能到多长，为什么 30 秒的生成是 5 秒的六倍价钱，以及如何用短镜头串起一分钟的片子，剪辑还不花钱。
Frank HoubreImaginode 創辦人
所有人在第一条视频上都会撞到的上限
大多数视频模型停在 5 到 10 秒，少数能到 15 秒，只有三个能在一次生成里做到 30 秒。
你刚生成了第一个镜头。挺好看，运动也对，光也在。然后它只有五秒。你去找那个能拉到一分钟的滑块，它并不存在。
这是所有走进 AI 视频的人第一次失望，而且这失望很合理：人家卖你片子，交付给你的是镜头。只是限制并不是大家以为的那个，解法也一点都不技术。它有一百年历史，叫剪辑。
我们一起来看，把目录里每个模型的准确时长、以积分计的真实价格摆出来，尤其是那个扎心的对比：一分钟视频一次生成要多少，和同样一分钟切成镜头要多少。差距会让你意外。
真实时长，逐个模型
Wan 3.0、Wan 3.0 Prime 和 Seedance 2.5 能到 30 秒，Flux 3 Video 到 20 秒，Kling V3、Seedance 2.0、Wan 2.7 和 Grok Imagine 到 15 秒，而 Veo 3.1 封顶在 8 秒。
这是目录的现状，因为这些上限在别处都没有可读的写法。先说最长的：Wan 3.0 和 Wan 3.0 Prime 接受 2 到 30 秒，Seedance 2.5 是 4 到 30 秒。能摸到半分钟的只有这三个。
紧挨着下面，Flux 3 Video 是 5 到 20 秒。然后是 15 秒这一档：Kling V3 3 到 15，Seedance 2.0 和 Seedance 2.0 Fast 4 到 15，Wan 2.7 2 到 15，Grok Imagine Video 1 到 15。
还有短的，而它们往往是最好的：Kling 2.5 Turbo 给 5 秒或 10 秒，中间没有别的值。Veo 3.1 Lite 和 Veo 3.1 Fast 让你在 4、6、8 秒里选，多一秒都没有。完整目录在模型页上，价格会随你的设置实时变动。
模型为什么这么早就停
算力成本随时长上升，而一致性下降：超过几秒，模型就会跟丢自己那场戏。
两个原因，一个经济的，一个技术的。经济的很简单：生成视频就是每秒产出二十四张必须彼此扣得住的图。算力涨得很快，而供应商按秒计费，因为那正是他们的成本。
技术的那个更有意思。视频模型只能在一个有限的窗口里维持一致性。过了一定时间，脸会慢慢变形，衣服换颜色，桌上放着的东西消失。你多半见过某条二十秒的 AI 视频，里面有什么东西在缓慢漂移，却说不上来是什么。
要明白 5 秒或 10 秒的上限不是商业上的小气。那往往正是模型真正擅长的区间。再往外，你付更多钱，换来一个扣得更松的结果，这是两头都占坏的。
长生成的价格：那个坏消息
计费与秒数成正比：三十秒正好是五秒的六倍，完全没有量的折扣。
这就是大家事后才发现的那一点，也是这篇文章真正要说的。大多数模型上，费率按时长等比计算。没有阶梯价，没有套餐，没有批发价。
准确数字，在 Wan 3.0 上。720p 的五秒是 60 积分。1080p 的十秒是 240 积分。而 1080p 的三十秒是 720 积分，半分钟大约 7 欧元。换成 720p，同样这半分钟降到 360 积分，480p 是 180。
在 Seedance 2.5 上，720p 的三十秒同样是 720 积分，十秒则是 240。Flux 3 Video 的 1080p 20 秒要 696 积分。Kling V3 的 1080p 十秒是 303 积分。按这个价，三十秒的镜头失败一次，你就把七欧元扔出了窗外。
餘額一锤定音的对比：三十秒，两种做法
Kling 2.5 Turbo 上六个五秒镜头是 156 积分，而 720p 三十秒一次生成是 360 积分：不到一半，而且更耐看。
拿一条三十秒的片子，两种算法都算一遍。做法一，一次生成：Wan 3.0，三十秒，720p，360 积分。一次点击，一次等待，一个三十秒的长镜头。
做法二，在 720p 的 Kling 2.5 Turbo 上做六个五秒镜头，每个 26 积分。合计 156 积分。换成五秒 48 积分的 Seedance 2.0 Fast，涨到 288 积分，仍然更低。而把这些拼起来的剪辑不花钱，一会儿就说。
但价格甚至都不是主要论据。有六个镜头，你搞砸一个，就只重跑那一个，26 积分。一次生成，你搞砸第二十二秒，就要把三十秒重付一遍。真正干活时起作用的是这个不对称，而不是一开始省下的那点。
电影已经这么干了一百年
近年电影里一个镜头的平均长度不过几秒：没人会盯着一个固定镜头看三十秒，AI 只是逼你尊重这套语法。
去看任何一条广告、任何一支预告、任何一支 MV。数镜头。三十秒的广告里，常常能数出十来个。长镜头是存在的，很漂亮，也很少见，被留给特定的时刻。
一条让人记住的视频，不是一张持续很久的漂亮图，而是一种在推进的情绪。而情绪靠切来推进：先给脸，再给他看的东西，再给发抖的手。三个三秒的镜头，比同一个画面上固定九秒能讲的多得多。
所以没错，模型的限制一开始是被动接受的。但它把你推到的，恰好就是你本该去的地方。今天做出最好 AI 视频的那些人，不去追三十秒的镜头，他们串起五秒的镜头。
剪辑节点，以及它完全不花钱这件事
剪辑把片段拼起来、裁剪、加上硬切或叠化以及一条声音轨，导出在你的设备上计算，不消耗一个积分。
这就是让整篇文章的做法成立的那个节点。你把视频节点接到它的片段端口上，或者直接从项目媒体里挑，就得到一条时间线。每段片段都能设起点和终点来裁剪。两段之间，你选硬切、叠化，还是转黑。
它也接受静帧，时长可调，这样就能在两个动态镜头之间塞一张标题卡或者一张产品图。而且它带独立的音频轨，每条轨有自己的偏移和音量：你的旁白在一边，音乐在另一边。
重点是：导出免费。计算在你的浏览器里、在你自己的机器上完成，不会扣任何积分。所以你可以把片子重剪十五遍，试三种镜头顺序，换一个转场，一分钱不花。只要在导出期间保持标签页开着就行。
完整流程，从工作计划到导出
先切成镜头，用几个积分的静帧确认每个镜头，只在确认过的图上生成视频，然后再拼。
第一步，在纸上或者一个文本节点里：把你的三十秒切成镜头。六个五秒，或者八个三到五秒。写下每个镜头拍什么。这就叫分场，花十分钟。
第二步，也是最省钱的一步：在为视频付钱之前，用静帧确认每个镜头。一张 Flux 2 Klein 的图是 3 积分，一个视频镜头是 26 到 96。你在这里定取景、调光线、确认人物，全部按图像的价钱。这套方法我在开拍前的 AI 分镜里写详细了。
第三步：每张确认过的图成为一个视频节点的起始图。模型动画的是你已经批准的东西，而不是自己去编一个画面。第四步：全部送进剪辑。到这一步，创作上的关键工作已经做完了。
保持镜头之间的连贯
一个用于人物的参考节点，加一个接到所有镜头上的风格节点，就足以让这六段片段属于同一部片子。
按镜头剪辑真正的风险，是它看起来不像一部片子，而像六条不同的视频粘在一起。人物换了脸，光跳了，颗粒感也不一样。画布在这里就不只是好看，而是有用了。
参考节点稳住人物：给它三张照片和一个名字，然后在你六条提示词里用 @提及 调用它。这个题目在AI 里保持人物一致里有详细处理，如果有人出现在不止一个镜头里，这就是最重要的那块砖。
接到六个节点上的风格节点稳住美术方向：所有地方同一套配色、同一种材质、同一种光线处理。再加一个共享的相机节点，保持镜头焦段和光圈的一致。六个镜头三个节点，接一次线就行。
结束帧：把两个镜头接得看不出切口
有几个模型除了起始图还接受一张结束图：下一个镜头因此可以正好从上一个停下的地方开始。
有个办法，专门用在你真的要连贯而不是要切的时候。有些模型除了起始图还能处理结束图：你给它起点和终点，它来造中间那段路。
在目录里，Seedance 2.0 和 Seedance 2.0 Fast、Seedance 2.5、Kling V3、Wan 3.0 和 Wan 3.0 Prime、MiniMax H3 以及 Veo 3.1 Fast 接受结束图。所选模型支持时，这个接口会自己出现在节点上，不用去找什么隐藏设置。
由此得出的技巧：拿镜头一的最后一帧，把它当作镜头二的起始图。你就得到两段无缝衔接的五秒片段，价钱是两个短片段的价钱。二十秒站得住的运动，就是这么造出来的。
声音：一条轨，不是六条
在每个镜头上都生成音频，会得到六种在剪辑里互相打架的环境声：不如让镜头静音，再在整体上铺一条声音轨。
经典陷阱，而且贵两次。很多模型提供音频开关，而且常常默认开着，因为一条没声音的视频一眼就被发现。对单独一个镜头来说，这挺好。
对准备剪在一起的六个镜头来说，这是个坏主意。每次生成都自造一套环境声，剪起来你会听到六个不同的房间被生硬地切来切去。而且音频要付钱：在 Veo 3.1 Lite 上，720p 的八秒无声 29 积分，有声 48 积分。六次就是 114 积分的差价，换来一个不能用的结果。
静音生成，然后在完整的剪辑上铺声音。一段旁白、一段音乐、几个放在恰当位置的音效，都放在剪辑节点的音频轨上，配好偏移和音量。片子会获得一种整体感，那是各自配音的镜头永远得不到的。
什么时候长生成依然值得
长镜头在无法切开的连续运动、一个推轨或一个渐进的变形上仍有价值，那时就得接受它的价钱。
我不会告诉你长生成从来没用，那不诚实。有些情况它是唯一的答案。在一个场景里连续推轨，一次必须不间断看见的变形，一段舞，一个一切就毁掉效果的镜头。
这些情况下，用 Wan 3.0 或 Seedance 2.5，接受这个价。但要心里有数：先用图确认取景，试验期间把分辨率降下来，只在你确定好的那一版上才升到 1080p。Wan 3.0 上 480p 的三十秒是 180 积分，1080p 是 720，而要确认一个运动，480p 绰绰有余。
顺带一说，这也是目录其余部分的逻辑：用地板价探索，用高价定稿。这套算术的细节在一张 AI 图或一条 AI 视频到底多少钱里，而公开的计算器让你在花掉一个积分之前先模拟自己的片子。
要记住的
用短镜头做的三十秒，成本不到一次生成的一半，可以逐镜头修，而且剪辑免费。
真实上限：Wan 3.0、Wan 3.0 Prime 和 Seedance 2.5 是 30 秒，Flux 3 Video 是 20，Kling V3、Seedance 2.0、Wan 2.7 和 Grok 是 15，Veo 3.1 是 8。没有哪个模型会一口气给你一分钟，而这挺好。
行得通的做法：切开、用图确认、生成五秒的镜头、用参考节点和风格节点稳住一致性、需要连贯时用结束帧衔接，然后一次性剪辑和配音。既然剪辑免费，唯一的成本就是镜头。
第一次动手的话，如果你从没生成过，先看你的第一条 AI 视频，然后回来用六个镜头做一条三十秒的片子。在 Kling 2.5 Turbo 上大约 156 积分，含剪辑差不多一欧元五。