AI 视频生成的成本结构:分层工作流怎么省
借新一代视频模型的定价与对话式编辑能力,讲清「先生成低分辨率初稿、只改局部、最后才升频」这套分层工作流为什么能显著降低视频生成成本。

结论先行
一、一个具体的变化
2026 年 11 月 5 日,Google 把视频生成模型 Gemini Omni 1.2 Flash 推上 Gemini API 和 Gemini for business,
同时开放给 Google AI Studio、Google Cloud、Flow、Google Vids、Gemini 应用和 Google Ads。
主要参数:
- 原生生成最长 15 秒的片段,时长可在 3 到 15 秒之间逐秒指定(此前 1.1 版最长 10 秒)
- 720p 输出价格降到每秒 0.07 美元,比 1.1 版低 30%
- 生成的视频带不可感知的 SynthID 水印
官方的价格机制在 Gemini API 定价页上写得更细:视频输出按 token 计费,Omni 1.2 Flash 的视频输出价是每百万 token 12.00 美元,1.1 版是 17.50 美元。
不过 1.1 的这个价只到 2026 年 12 月 3 日为止,那天起 1.1 的请求会自动路由到 1.2 并按 1.2 的费率计费。
定价页给出的换算口径是 720p 视频每秒 5,792 个输出 token。
按这个口径,1.2 Flash 的 720p 一秒是 12.00 × 5,792 ÷ 1,000,000 ≈ 0.0695 美元,和博客公布的每秒 0.07 美元对得上;1.1 版则是 17.50 × 5,792 ÷ 1,000,000 ≈ 0.10 美元,落差正是 30%。
定价页还直接给了各分辨率的每秒折算价,省得自己换算:
360p 每秒 0.023 美元(1,931 token),720p 每秒 0.07 美元(5,792 token),1080p 每秒 0.104 美元(8,688 token),4K 每秒 0.209 美元(17,376 token)。
括号里是官方写的每秒 token 数。
二、真正的变化:对话式编辑
多轮对话式编辑指的是:生成一段视频后,用自然语言继续提要求,换产品、换背景、改光线、改天气、改画面比例,模型在原片上改,不重新生成整段。
官方文档说明这个能力支持完整的 15 秒片段,而且不需要重新上传上一版视频,模型自己记住前面的对话。
这件事改变的是返工方式,不是单价。后面算账时会看到,编辑一轮的输出费用和同长度同分辨率的一次生成是同一量级。
三、分层工作流
Google 官方给的工作流是三步:先以 360p 或 720p 生成初稿,用后续对话式编辑修正个别细节,最后只对成片做升频,提到 1080p 或 4K。
关键在第二步用编辑而不是重新生成。重新生成意味着整段重掷一次,新结果和之前满意的部分不一样,还得再调;编辑保留你已经认可的部分,改哪补哪。
四、算一笔账
先把 Google 自己的单价摆出来。定价页给的每秒折算价乘以 15 秒,就是一条 15 秒成片的输出费:
| 分辨率 | 每秒 | 15 秒片段 |
|---|---|---|
| 360p | 0.023 美元 | 0.35 美元 |
| 720p | 0.07 美元 | 1.04 美元 |
| 1080p | 0.104 美元 | 1.56 美元 |
| 4K | 0.209 美元 | 3.13 美元 |
升频是单独一笔,而且有官方数字。Google Cloud 的 Gemini Omni 计费说明写明:输出 token 数按分辨率走,360p 每秒 1,931、720p 每秒 5,792、1080p 每秒 8,688、4K 每秒 17,376。
而升频产生的输出 token 只按源片到目标片的差值算:
| 升频路径 | 每秒升频 token |
|---|---|
| 360p→720p 和 720p→1080p | 2,896 |
| 360p→1080p | 5,792 |
| 720p→4K 和 1080p→4K | 11,584 |
拿 12.00 美元每百万 token 去乘,一张 15 秒的 720p 片子升到 1080p,升频这一段的输出费是 2,896 × 15 × 12.00 ÷ 1,000,000 ≈ 0.52 美元;360p 升到 1080p 是每秒 5,792 token,约 1.04 美元。
这里有个能直接算出来的结论。4K 的每秒 token 数 17,376,正好等于 720p 的 5,792 加上升频的 11,584。也就是说,先出 720p 再升 4K,和直接出 4K,付的是同一份钱:升频把 720p 的画面放大,不额外免掉 4K 那一档的输出费。
升到 4K 没有额外折扣:4K 每秒 17,376 token 里已经含了升频那部分,所以返工轮次省下来的部分不会被升频吃回去。
这里有个口径差异要留意:GMI Cloud 的说明写的是升频按目标分辨率的每秒价乘以源片长度计费,Google 自己的写法是升频只按源片到目标片的 token 差值算。
同样是 720p 升 1080p,按 Google 的差值算是 0.52 美元,按 GMI 的目标分辨率算是 0.52 美元加上一段 720p 的 1.04 美元。本文上表用 Google 的口径。
编辑同样要钱。Runway Dev 的计费说明写着,编辑按源片长度出片,要求 720p 就按 720p 的价计;这条是转售渠道的口径,Google 自己的定价页没有单列编辑单价。
于是 15 秒的账长这样(输出费):
| 做法 | 逐项计算 | 合计 |
|---|---|---|
| 一次出 720p,成片 | 15 × 0.0695 | 1.04 美元 |
| 720p 初稿 + 1 轮对话式编辑 | 初稿 1.04 + 编辑按源片 15 秒 720p 出片 1.04 | 2.08 美元 |
| 720p 初稿 + 3 轮对话式编辑 | 1.04 + 3 × 1.04 | 4.16 美元 |
| 一次出 1080p,成片 | 15 × 0.1043 | 1.56 美元 |
| 一次出 1080p,重掷 5 次挑一次 | 5 × 1.56 | 7.80 美元 |
| 720p 迭代 3 版后升 1080p | 3 × 1.04 + 升频 0.52 | 3.65 美元 |
| 360p 迭代 5 版后升 1080p | 5 × 0.35 + 升频 1.04 | 2.78 美元 |
| 一次出 4K,成片 | 15 × 0.2085 | 3.13 美元 |
| 一次出 4K,重掷 5 次挑一次 | 5 × 3.13 | 15.65 美元 |
以上只算了输出。编辑还要另付输入视频的钱:Runway Dev 的口径是输入视频每秒 0.01 美元,Gemini API 侧输入按每百万 token 1.50 美元计,15 秒输入折算成多少 token 取决于抽帧密度,官方没有给换算表。实际账单会比上表高一点,量级不大。
第一,「有对话式编辑时,修改的增量成本远低于重新生成」这句话站不住。按上表,一轮 720p 编辑的输出费用和一次 720p 生成一样,都是 1.04 美元。编辑省的是收敛速度,不是单价:你要的是第 5 版,重掷要的是第 5 次随机结果,中间可能还夹着几次不满意。
第二,分辨率只该在最后一步付高价。1080p 成片,重掷 5 次是 7.80 美元,360p 迭代 5 版再升频是 2.78 美元;4K 直接重掷 5 次是 15.65 美元。差价不在升频本身,而在返工那几轮跑在便宜档上。
不过升到 4K 没有额外折扣。4K 每秒 17,376 token 里已经含了升频那部分(720p 的 5,792 加升频的 11,584),所以先出 720p 再升 4K 和直接出 4K 付的是同一份钱。
五、各家视频生成的公开单价
同一时间点上能查到的公开报价,方便横向比:
| 模型 | 单价 | 备注 |
|---|---|---|
| Gemini Omni 1.2 Flash(Google) | 360p 每秒 0.023 美元,720p 0.07,1080p 0.104,4K 0.209 | 官方定价页,见上表 |
| Runway Gen-4.5 | 每秒 0.12 美元 | 每次至少 2 秒 |
| Runway Gen-4 Turbo | 每秒 0.05 美元 | 每次至少 10 credits |
| Runway Aleph 2.0 | 每秒 0.28 美元 | 专门做视频编辑,每次至少 56 credits |
| Kling 4.0 | 720p 每秒 0.157 美元,1080p 每秒 0.235 美元 | 带输入视频时 720p 降到 0.094 美元 |
| Veo 3.1(Google Cloud) | 带音频 0.40,无音频 0.20,单位写作「每 1 count」 | Google 页面没有说明 count 与秒的换算关系 |
| Sora 2 | 每秒 0.10 美元 | 模型页写着 Sora 2 模型和 Videos API 已于 2026 年 9 月 24 日关闭,没有一对一的替代 API |
| Sora 2 Pro | 720p 每秒 0.30 美元,更高分辨率是 0.50 和 0.70 美元 | 同上,都是页面残留的价格,拿它做明年的预算表会踩空 |
Runway Dev 的转售页给 Kling 4.0 报的是促销价,720p 每秒 0.1256 美元、1080p 每秒 0.188 美元,促销到 2026 年 11 月 30 日为止。表里用的是 Kling 官方页的列价,两者不冲突。
六、同一个价差在图像生成上也有
分辨率越高单张越贵,这条在图像 API 上同样成立。Gemini 3.1 Flash Image(Nano Banana 2)的标准档输出价是每百万 token 60.00 美元,折算下来每张 1K 图 0.067 美元,2K 图 0.101 美元,4K 图 0.151 美元。
同一张构图,4K 的单张成本是 1K 的两倍多。所以挑工具时可以问一句:它改局部的时候,要付全量生成的钱吗?如果是,工作流会被返工成本拖住。
七、单价之外还有额度
Google Vids 里生成 15 秒片段不额外收费,只要一个 Google 账号或 Workspace 订阅;Gemini 应用里的这项能力先给 AI Ultra 订阅者。做测试和样片,先走这些口子。
同一时期的另一个例子是豆包工作个人版:2026 年 11 月 6 日起取消 5 小时额度限制,个人用户可以在周额度范围内自己安排使用节奏,周额度仍按对应套餐算。价格管每次花多少,额度和排队管你一天能用几次。
八、你能在账单上看到什么
- 估算当前工作流平均要改几次才能定稿,以及每次改动的分辨率
- 按公开单价算一遍:每轮迭代 × 分辨率单价 × 时长
- 把升频单独列一行,看它是不是和一次生成同分辨率同价
- 试一次「先出低分辨率初稿、迭代几轮、最后一次上高分辨率」,对比成片质量和账单
资料来源与未核实项
| 页面 | 本节用到的内容 |
|---|---|
| 资料来源与未核实项 | 本文引用页面上的全部内容。 |
| Google 官方博客《Gemini Omni 1.2 Flash: Fast and cost-effective with longer clips》(https://blog.google/innovation-and-ai/technology/developers-tools/introducing-gemini-omni-1-2-flash/) | 2026 年 11 月 5 日:15 秒上限、时长逐秒指定、720p 每秒 0.07 美元、较 1.1 版降 30%、SynthID 水印、分层工作流建议、Google Vids 与 AI Ultra 的免费额度说明。 |
| Google Cloud 博客《Gemini Omni 1.2 Flash now GA》(https://cloud.google.com/blog/products/ai-machine-learning/gemini-omni-1-2-flash-generally-available) | 2026 年 11 月 5 日:GA 范围与各入口。 |
| Gemini API 定价页(https://ai.google.dev/gemini-api/docs/pricing):Omni | 1.2 Flash 视频输出每百万 token 12.00 美元、1.1 版 17.50 美元、720p 每秒 5,792 token 的换算口径,以及 360p 每秒 0.023 美元(1,931 token)、720p 0.07(5,792 token)、1080p 0.104(8,688 token)、4K 0.209(17,376 token)的官方折算价;同页还有输入每百万 token 1.50 美元和 Nano Banana 系列各分辨率单张折算价。 |
| Google Cloud 生成式 AI 定价页的 Gemini Omni 一节(https://cloud.google.com/vertex-ai/generative-ai/pricing):输出 | token 按分辨率的每秒数,以及升频的输出 token 差值(360p→720p 与 720p→1080p 每秒 2,896,360p→1080p 每秒 5,792,720p→4K 与 1080p→4K 每秒 11,584)。同一页的 Veo 段落给出 Veo 3.1 带音频 0.40、无音频 0.20,单位写作「每 1 count」。 |
| Gemini API 更新日志(https://aistudio.google.com/docs/changelog) | 2026 年 11 月 5 日条目:Omni 1.2 Flash GA、视频输出价降至每百万 token 12.00 美元、付费层速率限制翻倍;同条还写明从 2026 年 12 月 3 日起,gemini-omni-1.1-flash 的请求自动路由到 1.2 Flash 并按 1.2 的费率计费。 |
| Gemini Omni Flash 文档(https://aistudio.google.com/docs/omni):对话式编辑与多轮状态 | 视频输入输出的时长上限、分辨率参数表里 1080p 与 4K 标注为 upscaled。 |
| Runway Dev 定价页(https://dev.runwayml.com/pricing)与 Gemini Omni 1.2 Flash 说明页(https://dev.runwayml.com/learn/gemini-omni-flash-1-2-api) | 页面标注价格截至 2026 年 11 月 10 日:各分辨率每秒价、编辑按源片长度计费、输入视频另按秒计费。 |
| GMI Cloud 模型说明(https://docs.gmicloud.ai/model-quickstarts/video/gemini-omni-1-2-flash):分分辨率每秒价(与 | Google 官方一致),升频按目标分辨率的每秒价乘以源片长度计费(与 Google 的 token 差值口径不同,见正文)。 |
| OpenAI Sora 2 模型页(https://developers.openai.com/api/docs/models/sora-2):2026 | 年 9 月 24 日关闭、无替代 API、残留价格。 |
| Kling 官方 API 视频定价页(https://kling.ai/document-api/pricing/base/video):Kling | 4.0 与 Flash 各档单价。 |
| 豆包工作额度调整:IT之家(https://www.ithome.com/1/023/414.htm)、雷峰网(https://m.leiphone.com/category/industrynews/Ii6W43GghzJA7V1u.html) | 2026 年 11 月 6 日。 |
| 15 秒上限、时长逐秒指定、720p 每秒 0.07 美元、较 1.1 版降 30%、SynthID 水印、分层工作流建议、Google Vids 与 AI Ultra 的免费额度说明。 | 本文引用页面上的全部内容。 |
| 931 token)、720p 0.07(5,792 token)、1080p 0.104(8,688 token)、4K 0.209(17,376 token)的官方折算价;同页还有输入每百万 token 1.50 美元和 Nano Banana 系列各分辨率单张折算价。 | 本文引用页面上的全部内容。 |
| 720p→4K 与 1080p→4K 每秒 11,584)。同一页的 Veo 段落给出 Veo 3.1 带音频 0.40、无音频 0.20,单位写作「每 1 count」。 | 本文引用页面上的全部内容。 |
| Omni 1.2 Flash GA、视频输出价降至每百万 token 12.00 美元、付费层速率限制翻倍; | 本文引用页面上的全部内容。 |
同条还写明从 2026 年 12 月 3 日起,gemini-omni-1.1-flash 的请求自动路由到 1.2 Flash 并按 1.2 的费率计费。 | 本文引用页面上的全部内容。 |
| 豆包工作额度调整:IT之家(https://www.ithome.com/1/023/414.htm) |
未核实项:
- 未核实项:
- 编辑的计费口径只查到 Runway Dev 的说明(按源片长度出片、按要求分辨率计价),Google 自己的定价页没有单列编辑单价,本文按转售口径记账。
- 编辑与升频的输入侧费用按 Runway Dev 口径记作每秒 0.01 美元,Gemini API 侧按每百万 token 1.50 美元计,一段 15 秒输入折成多少 token 取决于抽帧密度,官方没有给换算表,本文未核实这一项的具体金额。
- Veo 3.1 在 Google Cloud 上的「每 1 count」没有官方换算说明,本文只照抄原文单位,不换算成秒。
- 升频计费在 Google 与 GMI Cloud 两处口径不一致:Google 按源片到目标片的 token 差值算,GMI Cloud 按目标分辨率的每秒价乘源片长度算。本文表格统一用 Google 口径,按 GMI 口径计账会更高。
- 本文所有单价都是 2026 年 11 月上旬的公开页面读数,没有实际调用 API 核对过账单,也没有跑过一次完整的分层工作流去验证成本表。
用过至少一款 AI 视频或图像生成工具;了解分辨率与生成时长的基本概念
适用范围:Gemini Omni 1.2 Flash(2026-11 发布)
以下来源方便你逐项对照;引用文档不代表已经完成实际操作测试。 本文标注为 AI 辅助起草。
- 极客公园 2026-11-07 报道,视频模型定价、对话式编辑与分层工作流均来自原文。
- 核对了什么:用站内 docs/ops/md2html.py 把改写后的 Markdown 重新生成为 HTML 正文,并把原 HTML 里手工制作的 article-hero 对比块、交互演示 iframe 与图注原样搬到新正文前面。逐篇比对新旧正文的事实集合(数字、英文专名、URL),差集为空,7 篇均为「丢 0 项、增 0 项」,说明重生成没有丢内容、也没有编造内容。新正文的小节标题来自改写稿,表格恢复为可横向滚动的容器。没做什么:没有改动文中任何产品结论、价格、版本与限制条件;没有重新实测文中提到的产品;没有删除任何富组件。
- 核对了什么:本次只拆开正文里的超长段落(在句号处插入段落边界),一个字未改;富组件(导读、提示框、表格、图、嵌入)原样保留。拆之前逐段量过可见文字,超过 140 字的才拆。
- 核对了什么:正文文字、事实与来源未变,本次只把正文里的 AI 装饰插画换成内容图解;新图解的标签与配色已逐张核对,中文无乱码、无越界。没做什么:没有新增事实、没有改任何数字,也没有实测文中提到的任何产品功能。
- 2026-11-10 换图后重新核对:正文文字与事实未改,只把配图换成按该小节内容手写的中文示意图(图里的词就是正文里的词);正文引用的官方来源链接均已实际打开确认可达,示意图文件已上传到站内静态资源
- 2026-11-10 仅调整小节标题(「怎样检查」→「你能在账单上看到什么」),正文事实、来源与结论未变;来源链接已实际打开确认可达,内容未做事实改动
- 极客公园 2026-11-07 报道,视频模型定价、对话式编辑与分层工作流均来自原文。
- 正文新增一张配图:正文文字、数字与来源链接逐项比对无变化
- 正文改为 HTML 版式:事实、数字与来源链接逐项比对无变化,新增内容为配图与版式块
- 2026-11-10 补配图后重新核对:正文文字与事实未改,仅在对应小节末尾插入示意图;正文引用的官方来源链接均已实际打开确认可达,插图文件已核对存在并上传到站内静态资源
- 核对了什么:本次只做表达层改写(拆长段落、结论前置、删重复与填充句),数字、型号、版本、日期、URL、官方表述、否定表述(没有/不支持/不含)以及限制条件全部保留;改写前后用脚本抽取正文里的数字、英文专名与 URL 做集合比对,差集为空,说明没有丢事实。没做什么:没有新增任何事实,没有重新实测文中提到的产品,没有改动正文里已有的表格、清单、代码块与图。
发现内容与当前界面不一致?
提交内容纠错金额随意,多少都帮得上忙。AITime 的资料整理、事实核对和每日更新由个人完成, 没有付费墙,所有内容都可以免费读。
扫码使用微信支付,备注可以留空。
哪个工具卡在哪一步、想给文章补一个真实案例、都可以加我。 留言时写清来源和具体问题,我看到会回。
扫一扫添加好友,备注写「AITime」我更容易认出来。
讨论与使用经验
正在加载讨论…