中国技术从业者聊"AI省钱"，九成盯着文本大模型的 token 价——什么 GPT、Claude、GLM 每百万 token 差几毛。但当你真正开始做内容、做产品、做 SaaS 时，烧钱最狠的根本不是文本，而是视频、图像、语音这三大"媒体生成"。这一篇拆掉一个被集体忽视的信息差：媒体 AI 的真实价差，比文本大十倍，而省钱杠杆藏在最不起眼的地方——同一个厂商、同一个模型，换个"档位"就能便宜 8 倍。
数据全部来自 LiteLLM 维护的 model_prices_and_context_window.json（业界最全的跨厂商定价表，每周更新），结合 Google AI Studio、OpenAI、Vertex AI 官方页面交叉核验。今天就用真金白银的数字，告诉你媒体生成该怎么砍价。
很多人以为"OpenAI 的 Sora 最贵，用 Google 的 Veo 最省"。这个直觉是错的。 真实按秒计价（output cost per second）是这样：
| 视频模型 | 单价（美元/秒） | 8 秒 1080p 成本 | 来源渠道 |
|---|---|---|---|
| Veo 3.1 Lite | $0.05 | $0.40 | Google AI Studio / Vertex AI |
| Sora 2（OpenAI） | $0.10 | $0.80 | OpenAI API |
| Veo 3.1 Fast | $0.15 | $1.20 | Vertex AI |
| Veo 2.0 | $0.35 | $2.80 | Vertex AI |
| Veo 3.1 标准 | $0.40 | $3.20 | Vertex AI |
看出信息差了吗？
这就是媒体 AI 的第一个杠杆：真正决定成本的不是你选哪家，而是你选哪个"档位"。
文本 API 时代，我们习惯"哪个模型便宜用哪个"。但媒体生成是按秒、按像素、按字符计费，且每个模型都有 2–4 个质量档位。省钱的关键动作是"档位路由"（tier routing）：
flowchart TD
A[媒体生成请求] --> B{用途是什么?}
B -->|草稿/试错/批量| C[选最低档<br/>Veo Lite / 图像 low / 开源TTS]
B -->|成品/发布| D[选高档<br/>Veo 标准 / 图像 high]
C --> E[成本: 基准的 1/8]
D --> F[成本: 基准 1x<br/>但只跑最终的 10%]
E --> G[总账单下降 60-80%]
F --> G
style C fill:#d4edda,stroke:#28a745
style E fill:#d4edda,stroke:#28a745
style G fill:#fff3cd,stroke:#ffc107
实操翻译：你一周要产出 10 条短视频。别 10 条全用 Veo 标准档（10×$3.20=$32）。改成 8 条用 Lite 档试镜（8×$0.40=$3.2）+ 挑出 2 条最好的用标准档精修（2×$3.20=$6.4），总成本 $9.6，省掉 70%。视频生成的真实成本大头从来不是"单价"，而是"重抽次数 × 单价"——档位路由直接把重抽成本压到地板。
图像 API 同样有"档位陷阱"。以 OpenAI 的 gpt-image-1 为例（按像素计价，折算成 1024×1024 单张）：
| 图像模型 / 档位 | 单张成本（1024×1024） | 适用场景 |
|---|---|---|
| gpt-image-1 low | $0.011 | 缩略图、占位图、批量草稿 |
| DALL-E 2 | $0.020 | 极简需求，老牌便宜 |
| gpt-image-1 medium | $0.042 | 社交配图、博客插图 |
| gpt-image-1 high | $0.167 | 最终成品、电商主图 |
gpt-image-1 的 high 档和 low 档差 15 倍（$0.167 vs $0.011）。这意味着：如果你在做一套需要 100 张图的产品（比如电商listing、社媒矩阵），全用 high 档是 $16.7，全用 low 档只要 $1.1——同一套 prompt、同一个模型，换个 quality 参数，账单差 15 倍。
更狠的"价格差"在自托管：Flux（Black Forest Labs 的开源模型）本地跑，单张成本可压到 $0.002 以下。在 Vast.ai / RunPod 上租一张 RTX 4090 大约 $0.40/小时，批量生成 100 张 1024² 图像只需约 15 分钟，总成本约 $0.10，比 gpt-image-1 high 便宜 167 倍。代价是要自己维护推理环境，适合"量大、对风格可控性要求高"的场景。
一句话信息差：图像生成的省钱顺序是——自托管 Flux（量大） > low 档 API（少量） > high 档（仅成品）。绝大多数人无脑用 high 档或 Midjourney 月费 $30，是把钱从第一个口袋扔进第二个口袋。
TTS（文字转语音）是另一个被月费订阅悄悄收割的领域。先看主流 API 的"每百万字符"成本：
| TTS 方案 | 成本 | 备注 |
|---|---|---|
OpenAI tts-1-hd |
$24 / 百万字符 | 高质量 |
OpenAI tts-1 |
$15 / 百万字符 | 标准 |
gpt-4o-mini-tts |
$0.00025/秒 + 极低 token 费 | 新一代，性价比高 |
| Gemini 2.5 Flash TTS | 约 $0.0000003/token（近乎免费） | Google AI Studio 有免费额度 |
| 开源 Kokoro / F5-TTS / XTTS v2 | $0（自托管） | 支持 30+ 语言、可声音克隆 |
信息差有三层：
决策建议：低频/原型 → Gemini Flash TTS 免费档；中频成品 → gpt-4o-mini-tts 按量；高频/矩阵化（做有声书、批量视频配音）→ 自托管 Kokoro 或 F5-TTS。
前面多次提到 Google AI Studio（ai.google.dev），它对中国技术人的信息差值得单独说：
操作路径：访问 ai.google.dev → 用 Google 账号登录 → 在 API key 管理页创建密钥 → 直接调用 gemini-2.5-flash-preview-tts、imagen、veo 系列。免费档跑满后，再切到 Vertex AI 的按量付费——而按量付费时，记得手动选 lite/fast 档（见第二节）。
把上面五招组合起来，算一笔真实账。假设一个独立开发者/小工作室每月产出：40 条短视频（每条 8 秒）+ 400 张配图 + 80 分钟配音。
| 项目 | 朴素方案（无脑高档/订阅） | 优化方案（档位路由 + 自托管） |
|---|---|---|
| 视频 | 40 × $3.20（Veo 标准）= $128 → 按部分试错实际 ~$16 起步 | 32 条 Lite($0.05/s) + 8 条 Fast($0.15/s) = $2.8 |
| 图像 | 400 × $0.167（gpt-image-1 high）= $67 | 400 × $0.042（medium 档）= $17 |
| 配音 | gpt-4o-mini-tts 按量 ≈ $1（或订阅 ElevenLabs $5+） | Gemini Flash TTS 免费档 / 开源 = $0 |
| 合计/月 | ~$84（订阅制会更高） | ~$20 |
结论：不换厂商、不牺牲发布质量，仅靠"档位路由 + 免费额度套利 + 自托管兜底"，账单下降约 77%。 这就是媒体 AI 的信息差红利——它不在新闻头条里，藏在 API 文档的 pricing 表和 quality 参数里。
| 维度 | 大多数人以为 | 真相（信息差） |
|---|---|---|
| 视频成本核心 | "选对厂商最重要" | 选对档位最重要，同厂商差 8 倍 |
| Sora 2 价格 | "最贵，不敢碰" | $0.10/s，比 Veo 标准档便宜 4 倍 |
| 图像省钱 | "找免费替代模型" | 同模型换 quality 参数就差 15 倍 |
| 自托管价值 | "麻烦，不划算" | 量大时 Flux 比 API 便宜 100 倍以上 |
| TTS 最优解 | "ElevenLabs 订阅" | 开源 Kokoro/F5-TTS = $0，Gemini 免费档 |
| 白嫖入口 | "OpenAI/Claude" | Google AI Studio 对媒体生成免费额度更大 |
github.com/BerriAI/litellm，打开 model_prices_and_context_window.json，搜你要用的模型名，看真实单价——别再信二手报价。quality 参数：批量用 low，成品用 high，立刻省 15 倍。本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵爱卫生（微信ID: gprshome201101）维护。 聚焦5G/6G核心网、3GPP标准、AI工具实战。知识星球「51学通信」提供深度技术答疑和行业洞察。
[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。