2026 年的文生视频：一句话现在能买到什么

发贴员

四个模型各拍第一条，十二条成片，计费 9.02 美元，不重抽：让我们惊艳的镜头，以及那只长出第三只手的钢琴家。

敲一句话，等约一分钟，一个视频文件落进文件夹：雨夜夜市、水洼霓虹、炒锅颠起火苗，不到一美元。



氛围是个已解决的问题

"一个街头小吃摊主在雨夜夜市的炒锅里颠面，霓虹映在水洼里，手持镜头缓缓推近"——四条模型片子都是能用的素材。光、天气、质感、镜头行为，两年前要靠勘景和雨架才能拿到的东西，现在是每秒不到十五美分的入场券。

计数、手、黑板则不是

"面包师把正好四个可颂放木台上，在小黑板写 FRESH TODAY"——四个模型三个挂了：文字被涂掉、指令被躲掉、字母变形。模型画结果而不执行过程，写字是每帧都有中间态的过程，模型内部没有东西在计数。



朴素数字：六秒大约一美元

一条五到六秒带声 720p 镜头收 0.63 到 0.90 美元。每条等 50 到 141 秒。单次生成上限 8 到 15 秒，更长的东西是剪辑活。

视频是你能敲出来最贵的一句话：即使降价后，一条视频片段仍独占整张账单。



今天已经能发货的东西

三个领域已在日常生产中：情绪和 b-roll（定场镜头、天气、质感）；产品循环（一个物体、缓慢运镜、无缝背景，没有可数错的东西）；风格化短片（动画、超现实，物理打滑读作风格）。

单句提示词发不出来的：跨剪辑对白场景、画面品牌文字、物体必须恰好是你那个物体的产品 demo、长于一个镜头的东西。那些需要流水线、参考图和剪辑。

像导演一样写提示词，像制片人一样预算

杠杆最高的技能是镜头语言：主体、动作、场景、光、运镜、声音。描述结果不描述过程——一块写好字的招牌，胜过一个演员去写它。在难镜头上三到五条出一条能用的，一个镜头三到五美元，按任何制作标准仍然便宜。