AI短剧成本怎么算：模型调用费用透明化指南

公开讨论中，有人提到红果短剧年营收超过150亿元，也有创作者反映两个月11部剧的分账收入只有9.6元。这两组数字的统计口径和原始来源，本文无法核实。下文讨论的是AI短剧的成本结构本身，不对任何具体平台或个人作出判断。

先弄清楚：视频生成按什么收费

很多团队看到“Token”两个字，就默认所有模型都按Token计费。这会让成本估算出错。

文本大模型，比如写剧本、拆分镜、优化提示词的模型，通常按输入和输出的Token数量计费。视频生成模型的计费口径则更杂：有的按生成时长（秒）计费，有的按次数计费，有的按分辨率或画质档位加价，还有的使用平台自己的积分体系。积分与人民币、积分与Token之间的换算，每家平台都不一样。

所以核算前，要先把每个模型的计费单位写清楚，至少记录三项：计费单位、单价、是否包含音频、超分等附加费用。

用假设示例看成本结构

下面的数字是假设值，只用来演示计算方法，不是实测数据。

假设一个三人团队每天生成20条15秒的分镜片段，视频模型按秒计费，单价为每秒0.5元。由于镜头效果不理想，有一半片段需要重新生成一次，也就是重生成率为50%。

• 每天首次生成的总时长：20 × 15 = 300秒
• 加上重生成后的计费时长：300 × 1.5 = 450秒
• 每天视频生成费用：450 × 0.5 = 225元
• 按300个有效生产日计算，一年约为67,500元

如果这个团队当天只有60秒可用成片，那么每分钟可用成片的视频模型成本就是225元。这个数字比单看每秒单价更能说明问题。重生成率从50%升到100%，每天费用会翻倍。废片率和重生成率，往往比单价本身更能决定成本。

图像生成、文本模型和配音的费用还要另外计入。上面的例子只算了视频部分。

为什么“每分钟成片成本”比单价更有用

单价低不等于成本低。同样的单价，镜头一致性差的模型会带来更多重生成，实际花费反而更高。同样的单价，时长上限短的模型需要拼接更多片段，后期人力和调用次数也会增加。

因此，团队应该把指标统一为“每分钟可用成片的模型成本”。这个指标同时反映单价、废片率、重生成次数和失败调用的扣费。

选型：按任务拆分，不押注单一模型

把视频生产拆成几类任务，例如分镜图生成、短视频片段生成、长镜头生成。每类任务列出2到3个候选模型，记录单价、成片率和镜头一致性评分。选型时看每分钟可用成片成本，而不是只看宣传页上的单价。

同时，尽量保持至少两家可替换的模型通道。提示词、分镜参数和后处理脚本应与具体模型解耦，避免工作流里写死某一家平台的专有参数。否则，一旦平台调价或服务不稳定，迁移成本会很高，团队的议价能力也会随之下降。

统一调用层：代码示例

统一调用层的作用，是把路由、重试、错误处理和成本记账放在一处。下面是一个简化的Python示例，接口细节需要按实际平台文档替换。

import os
import time
import logging
from dataclasses import dataclass
logger = logging.getLogger("video_cost")
# 按任务类型配置候选模型，顺序即优先级
ROUTES = {
    "storyboard_image": ["provider_a", "provider_b"],
    "short_clip_video": ["provider_c", "provider_d"],
}
@dataclass
class CallRecord:
    project_id: str
    task_type: str
    provider: str
    model: str
    billing_unit: str        # 如 "second"、"call"、"credit"
    units_used: float
    unit_price: float
    cost: float
    output_seconds: float
    timestamp: float
def pick_provider(task_type, failed=()):
    for p in ROUTES[task_type]:
        if p not in failed:
            return p
    raise RuntimeError(f"no available provider for {task_type}")
def generate(project_id, task_type, prompt, max_retries=2, timeout=120):
    failed = set()
    for attempt in range(max_retries + 1):
        provider = pick_provider(task_type, failed)
        try:
            # API密钥从环境变量读取，不写入代码
            resp = call_unified_api(
                provider, prompt,
                api_key=os.environ["VIDEO_API_KEY"],
                timeout=timeout,
            )
        except RateLimitError:
            time.sleep(2 ** attempt)     # 限流时指数退避后重试
            continue
        except (TimeoutError, ProviderError) as e:
            logger.warning("provider=%s attempt=%d error=%s", provider, attempt, e)
            failed.add(provider)         # 切换到备选模型
            continue
        # 成功调用必须记账；失败但已扣费的调用也要记账
        write_cost_log(CallRecord(
            project_id=project_id,
            task_type=task_type,
            provider=provider,
            model=resp["model"],
            billing_unit=resp["billing_unit"],
            units_used=resp["units_used"],
            unit_price=resp["unit_price"],
            cost=resp["units_used"] * resp["unit_price"],
            output_seconds=resp.get("output_seconds", 0.0),
            timestamp=time.time(),
        ))
        return resp["output"]
    raise RuntimeError(f"all retries failed for {task_type}")

每次调用都要写入project_id、模型名、计费单位、用量、单价和产出时长。月末按项目汇总，就能得到“单集模型成本”，并据此验证采购价格是否真实落到账单上。

采购透明化：可勾选的检查表

• 每一个折扣都有书面依据，例如合同、订单页面截图或客服书面确认
• 底价依据可以对照公开价格页面或正式报价单
• 邀请返佣、推广分成等利益关系，全部写入采购记录，并由非采购人员复核
• 账单按项目拆分，与调用日志逐月对账
• 每月计算每分钟可用成片的模型成本，环比波动超过设定阈值（例如20%）时启动排查
• 异常排查顺序：先看调用量是否异常，再看单价是否变化，最后查重生成次数和失败调用的扣费

阈值20%只是建议值，团队可以根据自己的月度波动情况调整。

创作者怎么设定成本上限

成本上限可以用“单集分账收入 × 可接受的成本占比”倒推。占比由团队自己决定，分账收入要以合同约定和历史数据为准。下表为假设示例：

单集分账收入	成本占比10%	成本占比20%	成本占比30%
30元	3元	6元	9元
50元	5元	10元	15元
100元	10元	20元	30元

如果实际的每分钟成片模型成本远高于上限，有两种处理方式：降低模型档位，或者重新评估项目的分账预期。

结语

AI短剧的成本问题，通常出在几个不起眼的环节：计费单位没有统一，废片率没有统计，折扣没有留痕。团队先把计费口径、每分钟成片成本和采购依据记清楚，就能判断哪一笔开销合理，哪一笔需要追问。