做產品行銷素材或嵌入生成影片功能時，最常見的處境是：你已經有開場那張圖，接下來的問題不是「用哪個模型最好」，而是「這一鏡需要什麼」。影片要不要停在另一張指定的圖上？要超過八秒嗎？需不需要模型生成音訊？每秒預算多少？OpenRouter 在 2026 年 9 月 29 日發布的一篇比較文，把這四個條件變成選型的第一步，而不是看完示範影片才決定。
先分清圖片的三種角色
OpenRouter 把圖片在影片請求中的用途拆成三種模式。text-to-video 完全靠 prompt 構圖；image-to-video 把圖固定為首幀、尾幀或兩者，適合「產品影片必須以特定產品照開場」這類需求；reference-to-video 則只把圖當參考素材，不綁定到任何幀位置。判斷標準很直接：圖必須出現在影片的特定時間點，用 image-to-video；只需引導風格或角色外觀，用 reference-to-video。
API 層面對應兩個欄位：frame_images 負責固定幀，每個項目標明 first_frame 或 last_frame；input_references 負責參考素材。兩者同時送出時，frame_images 優先。每個模型支援哪些幀角色，要查 catalog 裡的 supported_frame_images，不是每一家都同時支援首尾幀。
四條模型線的硬規格
OpenRouter 在 2026 年 9 月 11 日核對了各家設定與價格，重點如下：
- Veo 3.1 系列：4、6、8 秒，支援首尾幀控制與可選音訊。3.1 與 Fast 可到 4K，Lite 上限 1080p。Lite 起價每秒 $0.03，正價版 $0.20 起。
- Seedance 2.5：唯一能一次生成 20 到 30 秒的型號，480p 或 720p，最多接受 50 個圖片、影片、音訊參考素材，480p 起價約每秒 $0.1028。Seedance 2.0 系列是 4 到 15 秒的較便宜替代，最高到 4K。
- Kling v3.0：3 到 15 秒、720p、首尾幀控制，音訊會加價——Standard 無音訊 $0.084/秒、有音訊 $0.126/秒。
- Grok Imagine Video 1.5：1 到 15 秒、最高 1080p、只支援首幀，強制生成音效與氛圍聲。若影片必須停在第二張指定圖上，這條線直接出局。
兩個讀表時的細節值得記住：Seedance 是按 video token 計費而非按秒，表中每秒價只是模型頁顯示的 480p 起始換算；「reference inputs 未列出」只代表模型描述沒提，不代表實測被拒絕。因為多數模型按秒計費，時長本身就是成本決策——以 Seedance 2.5 起始價計，4 秒片段約 $0.41，30 秒約 $3.08，720p 或不同輸入配置都會再往上加。
一個容易被忽略的計費陷阱
OpenRouter 特別提醒：video 提交是計費工作。TypeScript SDK 預設對 5XX 錯誤做最長一小時的指數退避重試；如果伺服器已受理任務、卻在回傳 job ID 前發生暫時性錯誤，自動重試會再送出一個付費任務，而客戶端只看得到第二個。所以提交時應傳入 retries: { strategy: "none" }，讓失敗明確浮出，由你決定是否重送。
另一個前置檢查是圖片 URL。瀏覽器打得開，不代表供應商抓得到——session cookie、HTML 轉址、bot 驗證都會讓抓取失敗。花費額度前先用 curl -I 確認回應是 200 且 content type 為 image/jpeg、image/png 或 image/webp。
把規格表變成自己的選型流程
這份比較最實用的地方，不是替你選出一個贏家，而是把選型收斂成兩個過濾條件：時長上限與幀控制。先過掉不支援的，再比音訊、解析度和單價。這和我先前讀 OpenRouter embedding 模型短名單時的結論一致（/blog/openrouter-embedding-models-2026-selection/）——同一個 provider 提供的價格與規格目錄，價值在於讓你的需求條件先講，模型後選。
要注意的限制是：這些規格來自 2026 年 9 月 11 日的核對，影片模型價格隨解析度、音訊與輸入類型變動，正式估算生產成本前仍應回到各模型頁確認。另外，Seedance 全系列僅提供 hosted API，沒有公開權重或授權條款，無法本地或氣隙部署——如果部署環境是硬性條件，這也該列入第一輪過濾。
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。