先確定第一幀之後要發生什麼
如果你手上已經有影片的起始圖片，選 image-to-video 模型時真正決定成本與架構的，不是排行榜分數，而是第一幀之後的具體需求：影片要不要精準結束在第二張圖、需不需要超過幾秒的長度、要不要模型生成音訊、每秒預算是多少。
OpenRouter 在 2026 年 9 月 29 日發表的一篇比較文章，把這四個變數攤開來對照了四條模型線：Veo 3.1、Seedance、Kling 和 Grok Imagine Video。資料取自 9 月 11 日查詢的模型目錄與各模型頁面價格，而且所有模型都走同一個 video generation API，提交、輪詢、下載的生命週期一致——換模型不需要改管線，只需要改參數。這一點對打算做多模型路由的團隊特別重要，我在先前的文章（開鏡頭前先算帳：四條 image-to-video 模型線的成本與控制取捨）裡也討論過類似的取捨邏輯。
兩種用圖方式，兩個請求欄位
文章區分了圖片在請求中的兩種角色：
- image-to-video：圖片被固定為首幀、尾幀或兩者。產品影片必須準確開在某張產品照上，就用這個模式。
- reference-to-video：模型收到參考素材但不固定到幀位置，例如同一角色的多張圖，讓生成的新鏡頭維持外觀。
API 上對應兩個欄位：frame_images（帶 first_frame 或 last_frame 的 frame_type）與 input_references。不是每個模型都支援兩種幀角色，送出前要查目錄裡的 supported_frame_images。若兩個欄位同時送出，frame_images 優先，任務會被當成 image-to-video。
四條線各自的甜蜜點
按 OpenRouter 整理的規格，選型可以這樣切：
八秒內、要生成音訊選 Veo 3.1 系列。三款都生成 4、6 或 8 秒片段，支援首尾幀控制與 generate_audio 選項；Veo 3.1 與 Fast 最高 4K，Lite 到 1080p。Lite 起價 $0.03/秒，Veo 3.1 是 $0.20/秒，所以在 prompt 和運動還在反覆調整的階段，用 Lite 或 Fast 比較省。另外 Fast 與 Lite 的模型說明列了 SynthID 浮水印，有溯源或浮水印要求的流程要留意。
要 20 或 30 秒一鏡到底、或多參考素材選 Seedance 2.5。它是這次比較中唯一能一次生成 20 或 30 秒片段的模型（4 至 30 秒，480p 或 720p），並接受最多 50 個圖片、影片、音訊參考資產，起價 $0.1028/秒（480p）。如果用不到這些上限，Seedance 2.0 線在 4 至 15 秒內以更低起價（Mini 為 $0.03363/秒）覆蓋同樣的首尾幀流程，且 2.0 支援到 4K。注意：Seedance 價格其實是按 video token 計費（高 × 寬 × 時長 × 24 ÷ 1024），表列每秒數字是 480p 的起始費率。還有一個部署限制——全系列僅提供 hosted API，沒有公開權重，無法本地或離線部署。
3 至 15 秒、要首尾幀控制選 Kling v3.0。Standard 與 Pro 都是 720p，音訊選配會影響價格（Std $0.084/秒無音訊、$0.126 有；Pro 為 $0.112 與 $0.168）。只需 5 或 10 秒的鏡頭，Kling Video O1 以 $0.112/秒覆蓋同樣的幀角色。
只要固定開場、時長彈性大選 Grok Imagine Video 1.5。1 至 15 秒、480p 到 1080p、七種長寬比，模型說明提到會生成音效、氛圍聲與對白，但 supported_frame_images 只列 first_frame——無法固定結尾。若片段必須結束在第二張精確圖片，只能用 Veo、Seedance 或 Kling。
送出前先驗證圖片 URL，並關掉提交的重試
文章還給了兩個省錢的實務細節。第一，來源圖片必須透過穩定、可直接下載的 HTTPS URL 提供：能在瀏覽器開啟不代表 provider 抓得到（session cookie、HTML 轉址、bot 檢查都會讓抓取失敗），先用 curl -I 確認回傳 200 與圖片 content type 再花額度。
第二，TypeScript SDK 預設對 5XX 錯誤做最長一小時的指數退避重試，但影片提交一旦被伺服器接受就是計費工作——如果 job ID 還沒回到你手上就遇到暫時性錯誤，自動重試會送出第二個付費任務。文章建議在提交呼叫時傳 { retries: { strategy: "none" } }，讓失敗浮現為錯誤、由你決定是否重新提交。
收下來的實用結論
大多數模型按秒計費，所以時長本身就是成本決策：以 Seedance 2.5 的起始費率算，4 秒片段約 $0.41 起，30 秒約 $3.08 起。實際做法是把「時長上限、幀角色、音訊、解析度」四個條件當過濾器先砍名單，再比剩下模型的單價——並記得各模型的支援設定以 GET /api/v1/videos/models 的即時回傳為準，價格以模型頁為準，因為費率會隨解析度、音訊與輸入類型變動。
參考來源
本文由 AI 協助自上述來源整理，經人工審核後發布。