> 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。
---
## 一、先看一组让人下巴掉的数据：视频生成差 8 倍
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？
1. **Veo 标准档和 Lite 档差 8 倍**（$0.40 vs $0.05），但它们是**同一家、同一代模型**的不同档位，不是两个产品。
2. **Sora 2 反而是"中等便宜"的**（$0.10/s），比 Veo 标准档便宜 4 倍。国内普遍"以为 Sora 贵上天"的认知，和真实账单是反的。
3. 8 秒视频，从 $0.40 到 $3.20，**一段视频就能差出 7 倍的钱**。
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"。**
---
## 二、媒体省钱的核心心智：把"档位"当水管，别当信仰
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）：
```mermaid
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
Veo Lite / 图像 low / 开源TTS]
B -->|成品/发布| D[选高档
Veo 标准 / 图像 high]
C --> E[成本: 基准的 1/8]
D --> F[成本: 基准 1x
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。
---
## 三、图像生成：分辨率 × 质量档 = 15 倍杠杆
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。
---
## 四、语音合成：ElevenLabs 月费的"隐形税"
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：
1. **ElevenLabs 是订阅制，不是按量制**——$5/$22/$99 的月费，对你"用不用满"很敏感。如果你一周只用几分钟配音，订阅费几乎全是浪费。
2. **Gemini 2.5 Flash TTS 在 Google AI Studio 里有免费档**（每分钟/每天有配额），对中国开发者的价值在于：可以零成本做原型、配音测试，确认效果后再决定要不要花钱。
3. **开源 TTS 已经能打**：Kokoro-82M（82M 参数，多语言，Apache 协议）、F5-TTS（零样本克隆）、XTTS v2（Coqui 出品，支持中文声音克隆），在消费级显卡上就能跑，**长期高频用，比任何 API 都便宜**。
**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。
---
## 五、Google AI Studio：被中国开发者低估的"白嫖入口"
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：
- 它是 Google 给开发者的**网页端 + API 入口**，很多模型在免费档（free tier）可用，包括 Gemini 2.5 Flash 文本/语音、Imagen 图像、以及部分 Veo 视频额度。
- 免费档有**速率限制**（如每分钟请求数、每天总量），但对个人开发、原型验证、教学演示来说，基本够用且**不绑信用卡即可起步**。
- 国内多数人只把"白嫖"和 OpenAI、Claude 关联，反而忽略了 Google 这条免费/低价通道——尤其是**图像和视频**，Google 的免费/低价策略比 OpenAI 激进得多。
**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）。
---
## 六、实战省钱计算：从 $84/月 砍到 $20/月
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。
---
## 七、信息差总结：你知道的 vs 别人不知道的
| 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 |
---
## 八、行动指南（今晚就能做）
1. **拉取权威定价表**：访问 `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。
2. **给视频管线加"档位开关"**：草稿走 Veo 3.1 Lite（$0.05/s），成片走标准档（$0.40/s），比例 8:2。
3. **图像调用统一加 `quality` 参数**：批量用 low，成品用 high，立刻省 15 倍。
4. **注册 Google AI Studio**：拿一个免费 API key，跑通 Gemini Flash TTS 和 Imagen 的免费档，做零成本原型。
5. **评估自托管临界点**：月图像需求 > 500 张或月配音 > 5 小时，就值得花一天搭 Kokoro/Flux 自托管，长期回本。
---
## 参考来源
- LiteLLM 跨厂商定价表（本文数据主源，每周更新）：https://github.com/BerriAI/litellm/blob/main/model_prices_and_context_window.json
- Google AI Studio 定价与免费额度：https://ai.google.dev/pricing
- OpenAI API 官方定价（Sora / 图像 / TTS）：https://platform.openai.com/docs/pricing
- Google Vertex AI Veo 视频生成文档：https://cloud.google.com/vertex-ai/generative-ai/docs/video
- Kokoro-82M 开源 TTS：https://github.com/hexgrad/Kokoro-82M ；F5-TTS：https://github.com/SWivid/F5-TTS
---
> 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。
