241 lines
3.6 KiB
Plaintext
241 lines
3.6 KiB
Plaintext
# D144 · 视频AI模型与成本路线
|
||
|
||
> HLDP://video-ai-system/knowledge/D144-MODEL-COST-ROUTE
|
||
> 类型: 模型选型 · 成本路线 · 需持续更新
|
||
> 日期: 2026-06-24
|
||
> 铸渊 ICE-GL-ZY001
|
||
|
||
---
|
||
|
||
## 当前事实
|
||
|
||
```
|
||
用户观看TEST-LINE/TEST-PROP系列后反馈:
|
||
“这是少有的符合标准的质量了，还蛮有感觉的，现在就是差字幕渲染了。”
|
||
```
|
||
|
||
因此:
|
||
|
||
```
|
||
画面主线暂不换掉火山/Seedance。
|
||
```
|
||
|
||
---
|
||
|
||
## 当前出图/视频来源
|
||
|
||
已实测:
|
||
|
||
```
|
||
图片:
|
||
- 之前有火山Seedream生成/候选图。
|
||
- JZAO anchors里也有可用参考图。
|
||
|
||
视频:
|
||
- 当前高质量测试样本来自火山方舟 Seedance 2.0。
|
||
- TEST-LINE-001: 苏白说台词画面基础部分通过。
|
||
- TEST-PROP-001 RUN-001: 天道宗牌匾特写通过。
|
||
- TEST-PROP-001 RUN-002: 苏白+牌匾复合参考图同场失败。
|
||
```
|
||
|
||
结论:
|
||
|
||
```
|
||
火山/Seedance负责高质量短镜头生成。
|
||
文字道具不交给模型自由生成，改为固定贴图/合成层。
|
||
```
|
||
|
||
---
|
||
|
||
## 成本分层
|
||
|
||
### A层 · 正片候选镜头
|
||
|
||
用途:
|
||
|
||
```
|
||
角色近景
|
||
关键表演
|
||
牌匾特写
|
||
需要商用质感的镜头
|
||
```
|
||
|
||
模型:
|
||
|
||
```
|
||
火山 Seedance 2.0 Pro/当前JIMENG_MODEL
|
||
```
|
||
|
||
策略:
|
||
|
||
```
|
||
只在资产/字幕/音频/构图预检通过后生成。
|
||
每个技术路线最多2次，不连续抽卡。
|
||
```
|
||
|
||
### B层 · 低成本测试镜头
|
||
|
||
用途:
|
||
|
||
```
|
||
构图试验
|
||
节奏试验
|
||
远景/过场
|
||
无角色口型镜头
|
||
```
|
||
|
||
候选:
|
||
|
||
```
|
||
Seedance 2.0 Mini
|
||
```
|
||
|
||
官方价格页/搜索索引显示:
|
||
|
||
```
|
||
720P: 0.5元/秒
|
||
1080P: 1元/秒
|
||
```
|
||
|
||
注意:
|
||
|
||
```
|
||
正式调用前必须在控制台/模型列表验证API是否开放。
|
||
低价不等于可替代正片主镜头。
|
||
```
|
||
|
||
来源:
|
||
|
||
```
|
||
https://www.volcengine.com/docs/82379/1544106
|
||
```
|
||
|
||
### C层 · 开源/本地后期
|
||
|
||
用途:
|
||
|
||
```
|
||
字幕
|
||
混音
|
||
简单音效
|
||
文字道具贴图
|
||
基础配音测试
|
||
```
|
||
|
||
工具:
|
||
|
||
```
|
||
subtitle-renderer.py
|
||
tts-engine.py / Edge-TTS
|
||
FFmpeg
|
||
svg-to-png.py
|
||
```
|
||
|
||
策略:
|
||
|
||
```
|
||
尽量本地完成，不花模型钱。
|
||
```
|
||
|
||
---
|
||
|
||
## 声音路线
|
||
|
||
### 角色对白
|
||
|
||
当前:
|
||
|
||
```
|
||
Edge-TTS可生成苏白测试对白。
|
||
免费、速度快、适合节奏/字幕/混音联调。
|
||
```
|
||
|
||
风险:
|
||
|
||
```
|
||
Edge-TTS声线未必达到最终商用角色声线。
|
||
不能解决口型，只解决音频。
|
||
```
|
||
|
||
升级候选:
|
||
|
||
```
|
||
豆包语音TTS / 声音复刻 / 其他商用TTS
|
||
```
|
||
|
||
豆包语音官方计费页显示:
|
||
|
||
```
|
||
豆包语音合成模型2.0: 约3元/万字符。
|
||
```
|
||
|
||
来源:
|
||
|
||
```
|
||
https://www.volcengine.com/docs/6561/1359370
|
||
https://www.volcengine.com/docs/6561/2528925
|
||
```
|
||
|
||
### 口型
|
||
|
||
当前:
|
||
|
||
```
|
||
Seedance可生成“看起来在开口”的画面基础。
|
||
但未由独立对白音频驱动，不算真正口型解决。
|
||
```
|
||
|
||
路线:
|
||
|
||
```
|
||
1. Edge-TTS/豆包TTS生成角色对白。
|
||
2. 视频改口型或本地Wav2Lip驱动画面嘴型。
|
||
3. 与字幕时间轴对齐。
|
||
```
|
||
|
||
来源:
|
||
|
||
```
|
||
https://www.volcengine.com/docs/86081/1804521
|
||
https://www.volcengine.com/docs/85128/1462623
|
||
```
|
||
|
||
---
|
||
|
||
## 配乐路线
|
||
|
||
当前:
|
||
|
||
```
|
||
BGM生成器尚未开发。
|
||
```
|
||
|
||
短期:
|
||
|
||
```
|
||
先用免版权/自建素材库 + FFmpeg混音。
|
||
第一集测试阶段不优先花钱买音乐API。
|
||
```
|
||
|
||
中期:
|
||
|
||
```
|
||
开发 bgm-generator.py:
|
||
- 开源MusicGen可做探索。
|
||
- 若本机无GPU或质量不够，再评估商用音乐API。
|
||
```
|
||
|
||
---
|
||
|
||
## 当前推荐
|
||
|
||
```
|
||
画面: 火山Seedance继续主线；Mini只做低成本测试。
|
||
出图: 继续保留Seedream/已有JZAO参考图；最终角色资产要补多角度。
|
||
配音: Edge-TTS先跑通工程闭环；商用声线再评估豆包语音。
|
||
口型: 不能靠旁白，必须接音频驱动口型路线。
|
||
字幕: 本地PNG+FFmpeg合成，已跑通。
|
||
配乐: 先自建/免版权/本地生成，后续看质量再接商用模型。
|
||
```
|
||
|