从灵感到成片：剧本、静帧、动态、声音的 AI 流水线

发贴员

一个想法、四个模型、3.53 美元：用最慢的方式做一条 30 秒片子，每笔账都留着。



从简报开始，不从提示词开始

真正的制作在开机之前开始：有人决定在做什么、为谁做。简报把已知失败模式都禁了：不要招牌、不要数数、不要特写操作。一个角色，因为两个会让身份问题翻倍。日出，因为暖色方向光讨好过每个训练过的图像模型。

剧本花十分之一美分，省下十美元

把简报交给文本模型写结构：四个镜头，每个一句视觉、一个运镜、一句不超过 14 个词的旁白。整个剧本阶段两次调用共用 2302 个 token，约十分之一美分。模型把氛围转成了命名编号的资产，一个资产出问题绝不逼整体重做。



静帧是改主意最便宜的地方

任何视频生成之前，每个节拍先变成一张设计好的静帧。每帧 0.04 美元，衣服错、构图错、光线错：十秒重试。这是迭代几乎免费的阶段。

动画化你批准的帧，不是你指望的句子

把批准的静帧作为锁定首帧交给视频模型，每段 0.80 美元。现在每一像素的漂移都对照着选的那一帧。成本不对称就是全部策略：一张静帧 0.04 美元十秒，一段片段 0.80 美元一分钟，二十比一。



声音几美分，扛着一半情绪

四句旁白发给 TTS，16 秒共 0.02 美元。配乐 0.15 美元。静音版是技术 demo，配乐版是电影。

结论

3.53 美元，四个模型，一个下午。流水线不取代电影人，它给电影人更便宜更快的部门。在问题变贵的最早阶段修掉它——这就是把生成变成制作的那个回路。