做AI短剧,每次点“重新生成”,你在为什么付钱?
- 2026-11-18 21:42:53
《持械入宋》火了。到 11 月初,这部 AI 短剧已经连更十季,约一千集。

我看到这个数字,第一反应是想找他们用的提示词。自己做五秒钟的视频,人物走两步都可能抽好几遍。人家一集接一集地更,究竟在哪儿省下了时间和钱?
一条提示词,细到什么程度?
我在知乎上看到一段做钟馗的提示词。作者是蔡三告。下面是他公开的其中一段,保留原文。
长安金殿前石阶· 暮
黄昏,长安金殿外,石阶上一场文戏,情绪被推到史诗级的顶点。基调色是琥珀橙,衬色是深青和雾青。黄金时刻的暖逆光投下长影,空气透视分明,青橙冷暖两分。环境:石阶宽阔层叠,白石栏上雕着螭首,两侧石狮蹲踞,暮色里的宫城轮廓沉进深青雾青。人物:钟馗,豹头环眼、铁面虬髯,戴乌纱、穿红袍、束玉带,身材魁伟,配三十岁上下的男声,低沉厚实,微带粗粝。
接下来的第一个镜头,走低机位贴地跟拍,人一起身,镜头边抬升边退远。起幅镜头贴着地面,钟馗从右侧闯进画面,靴子重重踩上第一级台阶;落幅转成大远景,宫城在暮色里整个铺开,钟馗缩成阶顶一个小背影。他肩背宽厚,步子稳,像铁塔似的沿阶而上,台阶两侧的石栏、螭首、石狮接连闪过前景。
行至阶顶,脚步一顿,背影立住,肩线微微收紧,右手缓缓抬到腰间,解开旧刀,俯身把刀搁在脚边的台阶上,动作又慢又稳,一气呵成,带着沉重的顿挫感;一开口,胸腔里带着震动,用那把低沉粗粝的男声说:提笔能谋,开弓能战。稍作停顿,再道:今日不擒我,全凭这张脸。
黄昏金橙色的逆光从宫阙后方斜斜照来,把钟馗的轮廓染出一圈琥珀金边;石阶、宫墙朝光的一面偏暖,阴影与远处宫城压进深青和雾青,明暗约六比一。空气里飘着薄暮尘粒,以及脚步带起的细碎石尘。天色渐渐暗下,宫檐风铃轻摆,湿冷石阶上留着残光。
声音上,暮风穿过宫阙,风铃叮当,靴踏石阶的沉重声由近及远;底层铺着低沉的鼓与弦乐,随镜头拉远而弱。画面走胶片质感、变形宽银幕,青橙调色,暗部冷青、皮肤与主光偏暖琥珀,冷暖分属轮廓与宫城;主光硬朗、反差大,暗部保细节,颗粒感,高光处柔和过渡,180度快门带来自然运动模糊,浅景深椭圆光斑,广角端略现桶形畸变,逆光边缘偶有蓝色横晕。画质清晰、细节饱满、低饱和,满屏无黑边,脸型稳定、五官清楚、动作顺滑不生硬,无穿模卡顿,不带字幕,不生成任何文字,不留水印与标志。
我最想学的是钟馗放刀那一下。把刀往地上一摔,看着像发火。脚步先停,肩线一紧,再慢慢解刀、俯身、搁下,观众会等着看他接下来要干什么。“心情沉重”写到这一步,我才知道生成出来该看哪里。

这段词也有个值得琢磨的地方。镜头最后已经拉成大远景,钟馗只剩一个小背影。如果我非要观众看清他的手是怎么放下刀的,可能得单独给手和刀一个近景。多写几遍“细节清晰”,画面里的人还是那么小。
都是生成五秒,为什么一个花一块,一个花十几块?
知乎上两位答主都讲了自己的花费。先看他们点一次生成扣多少钱,再看这些钱最后换来了多少能用的画面。
休木同学的五秒约 1.07 元。 他用的是一年 2599 元的即梦会员,每月约 6100 积分。他按每月积分用满来算,一年大约用掉 6100 × 12 = 73,200 积分,每积分约 0.0355 元。
他用的 Seedance Fast 每秒扣 6 积分,五秒扣 30 积分,所以一条约花 30 × 0.0355 = 1.07 元。
唐知止的五秒约 13.37 元。 他在其中一个平台充了 2246 元,拿到 27,720 积分,每积分约 0.081 元。他生成五秒大约扣 165 积分,所以一条约花 165 × 0.081 = 13.37 元。
差价是两层叠出来的。唐知止那笔账里,一分的价格约是休木的 2.3 倍,五秒扣的积分又是 5.5 倍。休木那一块钱还有个前提,年费付了,积分也得用得够满。假如一年只用掉计算里一半的积分,摊下来,同样扣 30 积分的一条就要约 2.13 元。
但做到成片,账还没算完。假设两人都生成十条,每条五秒,最后能用多少?
休木说,自己十条里大概八条能用,算账时用了更保守的七成。先按七条各用满五秒来估,就是生成 50 秒,留下约 35 秒。十次约花 10.65 元,折合每秒可用素材约 0.30 元。现实里,他也会把一条只剪进三秒,所以 35 秒只是算例。
原帖没有公布逐镜采用的时长。
唐知止做的是参赛短片。他粗估要生成三到四秒,才换来一秒能进成片的画面。按这个比例,同样生成 50 秒,最后约用 12.5 到 16.7 秒。按他举的那个平台算,十次约花 134 元,每秒可用素材约 8 到 11 元。
他做的两部短片各约三到四分钟,总共花了 4000 多元。这里的 12.5 到 16.7 秒,是拿他自述的比例做的换算。

我的判断是,买生成额度时,算一次五秒多少钱。做片子时,还要算付出去的钱最终有几秒进了成片。 唐知止做参赛作品,动作不到位也会重跑。休木会先把素材丢进时间线,有时后两秒出问题,前三秒照样剪进去。两个人的片子和要求不同。
这些账能帮我决定该怎么花下一笔钱,单凭它们判断谁更会写提示词,依据还不够。
同一条“废片”,什么时候剪,什么时候再花钱?
休木举了个开门的例子。男主听见响动,抬头。切到门把手,配一声开门响,再切回来,人已经站在门口。如果门外只是来送外卖的,观众自然能补上他怎么走过去。那几步就省了。
可如果我想拍的是男人走到一半,突然不敢开门了,那几步就有了用处。我会这样写提示词。
夜晚,客厅只开一盏落地灯,灯光照到走廊入口。固定侧机位,画面左侧能看到客厅,右侧是关着的木门。门前留出一截空走廊。
穿蓝灰色毛衣的男人从左边进画,朝门走了两步。第二步落地之后,他突然站住,身体还朝着门,双手垂在身侧,视线从门把手抬到门上方。让他在离门一步多的位置站定一拍。画面结束时,他仍站在原地,门保持关闭。
剪辑时配三下敲门和两声脚步。第二声脚步落下后,留一拍安静。
假设这一条停得很好,朋友看完却问:“他是在等外面再敲一次吗?”

我知道妻子出门前叮嘱过他,所以一看到他停,脑子里就接上了那句话。朋友只看到这几秒画面,觉得他在等下一声,也说得通。
这时,我会先用一张妻子举着钥匙的静帧,配一句“我带了钥匙。有人敲门,别开”。如果加进去以后观众看懂了,就省下重做走路镜头的钱。如果观众已经知道那句嘱咐,画面里男人却一口气走到了门边,才需要回去把“第二步落地后站住”写清楚,重新生成。
再换一个结果。假设一次五秒花 5 元,我跑了三次,花了 15 元。第三条的前三秒,人终于走了两步、站住、望着门。后两秒,模型却让他伸手把门打开了。
只需要观众看见他停步,剪掉后两秒就够。 前面接妻子的嘱咐,后面切到关着的门。付费生成了十五秒,最后留下三秒,生成费就是每秒可用素材 5 元。前三秒已经够讲这场戏,再跑第四次也不一定多用到一秒。
如果一定要观众看见他差点开门、最后把手收了回来,就值得补一个镜头。 三条素材里都没有这个动作。我会保留能用的前三秒,单独生成这一段。
固定特写。画面里是同一扇关着的木门和金属把手。蓝灰色毛衣的袖口从左侧进入画面。手缓慢靠近把手,指尖快碰到时停住,悬一拍,再缩回画外。镜头在关着的门上多留半拍。整个过程中,把手保持原位。
如果补这一条也花 5 元,总额就是 20 元。我愿意花这 5 元,因为手收回来的那一下,观众之前没看见过。
帖子里还有一笔容易漏算的账。朱雀给自己的店做一条三十秒视频,从开工到能发用了整整一天,机器实际运行可能还不到一小时。做到第四遍,最后用的还是第一版的第一段。每次重跑还要等生成、挑画面、重新对字幕。
先把能用的几秒接回去看一遍,有时省下来的时间比省下来的积分更实在。
用十几秒练一次
用手机拍,或者先用几张静帧配敲门声,就能做这个练习。
1.写下你想让观众看懂的话。 比如“他想起妻子的嘱咐,所以停住了”。把这句话留给自己。
2.找一个没看过剧本的人试看。 问他:“他为什么停?你从哪儿看出来的?”他看见停步却猜错原因,就补交代。他没看清停步,再改动作。
3.开始花钱后,每次记两项。 这一遍花了多少?最后剪进去几秒?如果准备再跑一遍,先把“我还缺______”填上。能填出“手伸到把手前又收回来”,你就知道这回的 5 元该花在哪儿了。