Image-to-video 的選型難點不在畫質排名，而在你的需求卡在哪一個硬限制上：片長能不能超過幾秒、結尾要不要釘在第二張精確圖、要不要生成音訊、每秒預算是多少。OpenRouter 在 2026 年 9 月 29 日發布的比較文中，把自家服務的四條模型線——Veo 3.1、Seedance、Kling、Grok Imagine Video——按這幾個維度攤開來看，規格與價格資料取自 2026 年 9 月 11 日的 models 目錄與各模型頁面。
先分清楚：釘死畫面，還是給參考
同一張圖在請求裡有兩種角色。frame_images 把圖變成影片的精確首幀、尾幀或兩者，適合「產品片必須開在某張定裝照上」這種場景；input_references 則只是給模型參考素材，例如同一個角色的多張圖，讓它在構圖新鏡頭時保持外觀一致。兩個欄位同時出現時，frame_images 優先。不是每個模型都支援兩種幀角色，目錄裡的 supported_frame_images 欄位會告訴你答案。
四條線各自的適用範圍
- Veo 3.1 / Fast / Lite：4、6、8 秒片段，首尾幀控制，可選生成音訊。Veo 3.1 與 Fast 最高 4K，Lite 停在 1080p。Lite 起價每秒 $0.03，正式版 $0.20 起，所以還在試 prompt 與運鏡的階段，用 Lite 或 Fast 比較省。注意 Fast 與 Lite 的模型描述列有 SynthID 浮水印，有溯源需求的團隊要先確認。
- Seedance：2.5 是這次比較中唯一能一次生成 20 或 30 秒片段的模型，支援首尾幀，還能吃最多 50 個影像、影片與音訊參考資產。只需要 15 秒以內的話，2.0 系列用更低的起價覆蓋同樣的首尾幀流程。Seedance 計價是按 video token（高 × 寬 × 時長 × 24 ÷ 1,024），不是按秒；另外整條線只有 hosted API，沒有公開權重。
- Kling v3.0：3 到 15 秒、720p、首尾幀控制，音訊可選但會加價——Standard 從 $0.084/s 到 $0.126/s，Pro 從 $0.112/s 到 $0.168/s。若 5 或 10 秒剛好符合鏡頭需求，Kling Video O1 是 $0.112/s 的固定選項。
- Grok Imagine Video：1 到 15 秒、480p 到 1080p，但只支援首幀。1.5 的描述提到會生成音效、環境音與對白；舊版便宜一些，且描述提到最多 7 張參考圖。如果片尾必須落在第二張精確圖上，這條線直接排除。
時長就是帳單
多數模型按秒計費，所以片長本身就是成本參數。以 Seedance 2.5 的 480p 起價 $0.1028/s 計算，4 秒片段約 $0.41，30 秒約 $3.08，換到 720p 或改變輸入設定還會更高。這也是為什麼 OpenRouter 建議先用「片長 + 幀控制」篩掉不合的模型，再比音訊、解析度與價格。
送出任務前的兩個工程細節
來源圖的 URL 要能在伺服器端直接抓到：瀏覽器能開，不代表供應商的抓取器不會被 session cookie、HTML 轉址或 bot check 擋下。花額度前先用 curl -I 確認回 200 且 content-type 是 image/jpeg、image/png 或 image/webp。
另一個容易踩坑的是 TypeScript SDK 的預設重試。SDK 預設對 5XX 用指數退避重試最長一小時，但影片提交一被接受就是計費工作——如果伺服器收了任務才回傳暫時性錯誤，自動重試等於送出第二個付費任務。OpenRouter 的做法是在 generate 呼叫時傳 { retries: { strategy: "none" } }，讓提交失敗浮出為錯誤，由你決定要不要重送。
我之前寫過一篇更偏成本面取捨的整理（開鏡頭前先算帳），這次 OpenRouter 的資料補上了具體數字與 API 細節，兩篇對照著讀會更完整。最後提醒一個限制：文中價格會隨解析度、音訊與輸入類型浮動，實際估生產成本前，還是要回到各模型頁面與 GET /api/v1/videos/models 再確認一次。
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。