★ FEATURED ARTICLE 昨晚几个从业群又被一份定价刷屏了Seedance 2.0的模型价格公布按秒计费1秒1元。刚开始很多人当成段子在看觉得AI视频再怎么便宜也不至于按秒算钱吧。但真坐下来把短剧的成本结构盘一遍你会发现这个定价背后有很多值得聊的东西。这篇文章不打算复述发布会内容那没意思。我想认真聊聊几件事这个价格到底贵不贵Seedance 2.0凭什么敢这么定价以及短剧行业被一秒一块钱戳中的到底是哪一个环节。1. 1秒1元的定价单先把它算明白1.1 先把账算清楚一条短剧的成本到底是多少先说结论1秒1元放在视频生成模型里属于中上价位但不离谱。很多大模型的生成费用其实也是按秒或按Token折算的只是官方很少直接喊出一秒一块钱这种口号大多藏在套餐包和积分体系里让用户没有直观感知。Seedance 2.0这次把单价亮出来反而让所有人开始重新估算视频生产的成本底线。拿短剧来算一笔最朴素的账。一条短剧单集常见的时长为1到3分钟业内常规做法是单集2分钟上下也就是120秒左右。按1秒1元算一集的原始生成成本是120元。听起来很低对吧但视频生成不是一次就能成的一个镜头通常要抽卡好几遍才能出一个满意的按5到10倍的消耗来算一集AI素材的生成成本大约在600到1200元。这个数字和传统拍摄相比便宜得几乎可以忽略不计。但千万不要小看这120元一集的基数它改变了整个账目的计算方式。传统短剧单集成本如果按1万到20万算AI生成把单集成本拉到三位数到四位数的区间这里面的差距不是便宜一点而是成本结构已经不是同一个物种。制片方不会再为了省一天的场地费用纠结而会为了多抽几次卡、多磨一个镜头反复投钱因为怎么算都比实拍便宜。1.2 定价逻辑为什么视频模型都开始按秒计费视频模型按秒计费本质上是因为视频的Token化和算力消耗和文本不在一个量级。生成1秒视频背后要做的是连续几十帧图像的预测、运动补偿、时序一致性处理算力开销比生成一张图高几个数量级。模型厂商定价格的时候既要覆盖推理成本又要留出产品化空间的利润按秒算是最直观也最好理解的单位。对比一下一张高质量AI图片在不少平台的价格大约在0.5到2元之间而1秒视频大概等于24到30帧按帧折算下来1秒1元其实是把多帧生成打包之后给出的优惠价。这也能解释为什么很多视频模型的定价看起来比图片贵很多但业内反而不觉得离谱——因为按帧单位算性价比是很合理的。还有一点值得注意Seedance 2.0定价公布时同步放出了人像、运镜、基础模型等多档配置也就是说1秒1元只是一个基准价。实际使用中更高分辨率、更长时长、带特殊风格模型的请求单价还会往上浮动。这一点后面聊工作流的时候会再展开。2. 从提示词赌博到导演台Seedance 2.0解决了创作控制力问题2.1 视频生成的老毛病开盲盒式抽卡在Seedance 2.0之前视频生成最让人头疼的问题不是画质而是不可控。你和模型说一个女生在雨天回头镜头缓慢推进出来的画面可能确实是一个女生在雨天回头但机位、光线、情绪、景别全是随机的有时甚至背景里的人都在瞬移。做短剧的人拿到这种素材第一反应是这没法量产只能碰运气。短视频和短剧的创作逻辑和艺术短片完全不一样它需要的是稳定可复现的生产流程。今天要拍一个男主在办公室愤怒摔文件的镜头明天可能还要一模一样的场景、一模一样的角度再拍一条不同情绪的。模型如果给不出这种稳定性成本再低也没法真正进入到工业流水线里。2.2 导演台是什么从写提示词变成下指令Seedance 2.0这波最受关注的更新之一是导演台Skill相关能力的开源和开放使用。所谓导演台通俗讲就是给模型套上了一个更结构化的控制界面。你不再只是写一段提示词然后祈祷模型理解而是可以把一段脚本按镜头拆开然后为每个镜头指定景别、运镜方式、时长、人物位置关系、情绪基调模型会按照这些指令逐条生成最后拼成符合你预期的素材。打个比方以前用视频模型像是给一个很有天赋但完全不懂规矩的实习生一张纸条写什么全靠他自由发挥导演台就是你把分镜脚本、机位图、节奏表全部摆在他面前他只负责执行。对于短剧这种高度标准化的内容品类来说后者才是真正能批量生产的方式。我身边有几个做信息流短剧素材的朋友已经在用类似的思路开会讨论镜头脚本了。2.3 对短剧最值钱的能力角色一致性、运镜和转场短剧拍摄最麻烦的常见问题有三个角色一致性、镜头连贯性、情绪节奏。演员今天拍和昨天拍长相不能变同一场戏的不同机位要能剪辑在一起反派的眼神要从阴狠过渡到恐惧这些都是传统剧组花大量时间和钱去解决的。Seedance 2.0这类新一代模型在角色一致性上下了很大功夫。通过参考图锁定人脸特征和服装细节再结合不同镜头的生成能做到同一个角色在多个镜头里长相稳定。运镜控制则解决了一个更实际的问题短视频平台对完播率极度敏感镜头语言必须紧凑多变以前用AI生成想做一个从全景推到特写的动作结果模型经常给你一个乱甩的镜头完全没法用。现在可以明确指定推进速度、幅度、起幅落幅素材的可用率一下就上去了。这些能力放到短剧语境里意义不是生成更好看的画面而是你可以像指挥剧组一样指挥模型。这才是颠覆性的一点。3. 短剧行业的成本结构被一秒一块钱捅了个大窟窿3.1 传统短剧一集的钱都花在哪里聊颠覆之前得先看清传统短剧的钱花在哪了。很多圈外人以为短剧就是小成本草台班子拍的其实精品短剧的制作成本并不低。业内比较常见的说法是一部80到100集左右的短剧成本跨度非常大低配的可能几十万高配的几百万上千万都有。钱主要集中在这些地方演员片酬是大头有表演经验、脸能看的演员即便不是明星一天也很贵场地和服化道也是大头都市剧要租公寓、写字楼、咖啡馆古装剧要搭景做造型还有就是后期剪辑、调色、配乐、特效每一环都要人力和时间。一个剧组几十号人哪怕只拍半个月工资加食宿就是一笔不小的开销。更麻烦的是这些钱是开工就要付的不管拍出来的素材能不能用。重拍一场戏意味着重新付一天的场地费、演员费和餐食费所以传统短剧制作里会用大量的保一条来降低风险牺牲效率换确定性。3.2 重新算账AI生成和传统拍摄的差距在哪把AI生成放进这张账单里做对比差距就明显了。以一部80集的短剧为例每集2分钟总时长160分钟也就是9600秒。假设全部用Seedance 2.0这类模型生成按基准价1秒1元计算素材侧成本是9600元。算上抽卡重试率按10倍算素材生成成本大约是在10万元以内。这个数字放在传统制作里还不够一个有点名气的演员拍一天。当然AI生成不会完全替代所有环节。编剧、剪辑、声音、运营这些人力成本依然在但最大的那块视觉生产成本会被压到极低。传统短剧花100万做出来的视觉素材用AI来做综合成本可能在5万到20万之间这还没算节省的时间周期。3.3 比成本更关键的变量试错成本几乎归零很多人只看到成本下降但其实真正的游戏规则改变是试错成本归零。传统短剧开拍之前要确认剧本、确认阵容、确认场景因为一旦开机每一个错误决定都会烧钱。这就导致短剧团队天然偏向保守只敢做已验证过的题材霸总、战神、重生翻来覆去地拍。AI生成完全改变了这个逻辑。先用模型快速生成几条样片发给运营看数据再决定要不要做成完整剧集。甚至可以在一天之内做出五六个不同的题材方向用真实投放数据说话哪个跑得好就重点做哪个。短剧行业的选品逻辑会从赌一部大作变成批量测款这个变化比单纯省钱要深刻得多。4. 短剧真的会被颠覆吗能替代的和替代不了的4.1 先被替代的环节视觉素材量产、外景拍摄和零星特效如果非要预判替代顺序我的判断是先从最脏最累的视觉素材生产开始。传统的影视级素材最多但也是最耗钱的比如一个主角回忆过去的闪回镜头传统剧组要重新找场地、缝服装、调光线而AI生成这样的镜头只是几分钟的事。批量的人物出镜镜头、城市背景空镜、物体特写这些不需要复杂表演的内容会是AI视频最先吃掉的蛋糕。外景拍摄在短剧里比重很大。剧组为了一个3秒钟的街景镜头可能要租一条街、清场、协调工作人员成本几千到几万不等。AI生成可以在提示词里指定街道风格、时间段、天气完全不依赖物理世界的配合。类似的特效镜头比如爆炸、科幻场景、奇幻变身传统短剧剧组基本靠便宜的后期模板应付观感很廉价AI生成反而能提升质感。4.2 很难被替代的剧本、情绪表演和用户运营技术替代是有边界的。短剧的核心竞争力从来不只是画面而是情绪驱动。霸总剧观众要的不是看一个帅哥而是看他眼神里的占有欲、失控感、反差感。AI模型再强大目前的表演本质上是画面合成不是演员的二次创作。一个真实演员的微表情、呼吸节奏、即兴反应这些东西是模型从数据里学来但很难精准创造的。短剧用户对情绪的敏感度极高2秒钟的迟疑都可能让人物关系崩掉。完全用AI生成主演容易产生一种诡异的塑料感——画面很美但情绪不连贯。这也就是为什么我判断短剧不会被颠覆而是会走向AI素材为主、真人表演点睛的混合形态。纯AI生成的短剧会先在不需要强表演的品类里跑通比如都市奇幻、新中式穿越、场景驱动型的题材。另一个AI替代不了的是投流和运营。短剧是一个高度依赖流量买量的生意素材做再好投放策略不对照样亏。用户画像、跑量模型、素材A/B测试、情绪钩子设计这些环节比拼的是对数据和用户心理的理解和画面生成没有直接关系。技术降低了内容的供给门槛但流量运营的门槛反而会水涨船高因为大家都能快速出片竞争会集中在谁能更快更准地抓住用户。4.3 内容生产的AI通胀与审美疲劳还有一个容易忽略的问题AI视频生产成本降低会带来内容供给量的爆发式增长当每个人都用几乎一样的技术生成类似的画面时同质化会急剧加剧。霸总的脸会越来越像下雨回头的镜头会烂大街观众的完播率会进一步向剧情节奏和情绪设计倾斜画面质感的权重反而下降。这本质上是一种AI通胀技术普及带来的优势是暂时的真正的壁垒还是回到内容创意本身。所以现在讨论颠覆不如讨论谁先把AI用进内容创作的核心环节谁先建立新工作流和组织方式。5. 用Seedance 2.0做短剧的实操工作流与踩坑建议5.1 起步姿势别一上来就做全AI短剧先拿它补镜头聊了很多宏观的东西回到实操。如果你想现在就用Seedance 2.0为短剧项目提效我的建议是别一上来就搞全AI剧集。先从这个角度切入把它当成一个万能补拍组。拍摄过程中经常会遇到这样的问题——剧本里写了某个镜头但因为场地、天气、演员档期原因没法拍传统解决办法是删戏或改戏现在你有第三个选项用AI生成。比如需要表现十年前的城市清晨不需要回十年前也不需要搭景直接生成一个带年代感滤镜的城市空镜。再比如主角回忆中的某位故人用参考图锁定人脸让模型生成若干个回忆桥段剪辑进去观感甚至比实拍拼接更好。这种使用方式风险最低、见效最快也最容易让团队建立对模型的信任。等跑通了几个项目再逐步提高AI素材在整个片子里的比例。5.2 一个可复用的AI短剧素材生成工作流下面这条工作流是我根据目前视频生成模型的使用习惯整理的完全适用于Seedance 2.0这类模型你们拿到手可以直接做模板用第一步写脚本时同步拆出镜头清单。每一集不要只写剧情还要标注出哪些镜头必须实拍强情绪、复杂对手戏、哪些可以AI生成空镜、过渡、闪回、特殊场景、群像背景。第二步为每个AI镜头写结构化的生成指令。不要写城市夜景要写中国南方小城夜雨后的街道霓虹灯和积水倒影手持镜头缓慢推进略带电影感冷色调。用导演台类功能指定景别、运镜方向和时长。第三步集中生成、统一筛选。不要生成一个用一个而是把一批镜头一次性生成然后用表格记录每次生成的镜头ID、Prompt内容和可用性评分方便复盘哪个写法的可用率高。实测下来描述中包含具体镜头运动和情绪变化的Prompt可用率会比纯场景描述高出一倍以上。第四步后期拼接时严格控制节奏。AI生成素材的缺点是容易漂移画面风格前后不统一。建议在剪辑时统一加一层风格化滤镜弱化镜头间的差异感同时用转场、叠化把AI素材和实拍素材衔接起来减少断层感。5.3 实测中的坑和我的建议最后说几个我身边人实际试用这类模型时踩过的坑希望你们绕开。第一个坑是追求单次生成的完美。很多新手拿到模型会一直刷同一个镜头非要刷出一条完美的才罢休。但模型生成是有随机性的刷20条可能也就多出1条好一点的性价比很低。正确的做法是刷3到5条在其中选最好的然后把精力花在剪辑补救上而不是死磕生成。第二个坑是忽略音频和音效。视频模型只出画面很多人忽略了声音。而短剧的情绪渲染有相当大一部分靠音效和BGM撑着。同样一段下雨的镜头配上不同的音乐情绪完全不同。做AI短剧素材你在声音上花的精力至少要占一半不然出片很容易变成无声PPT。第三个坑是人物情绪不对就硬用。目前视频模型生成的表演在情绪表达上依然有限。如果某个镜头里角色的情绪明显不符合剧情需求建议果断删掉或改用实拍不要抱着差不多能用的心态硬放进去。短剧观众对情绪的挑剔远超想象一条情绪不对的镜头可能让整个剧情垮掉。第四个坑和时间成本有关。现在Seedance 2.0这类头部模型开放使用之后用户量非常大排队和模型繁忙提醒是常态。真正做项目时要把排队时间算进周期里不要等到当天就要出片了才开始生成最好是提前批量生成素材入库做一次AI素材库存用的时候直接调取。这个习惯能帮你避开绝大多数加急翻车的场景。从定价角度来看1秒1元让AI视频从尝鲜玩具正式迈进了生产资料的阶段。短剧行业不会一夜之间被颠覆但成本结构、试错方式、制作流程都在被重新塑造。我自己比较看好的方向是混合制作——核心表演靠真人场景和镜头靠AI补齐剧本和数据运营做双驱动。预算有限的团队尤其能吃到这波红利因为制作门槛降下来了拼的就纯粹是谁更懂用户了。
阅读完成 · 觉得有帮助？
