做一支 3 分鐘 AI 動畫，生成費用約 US$196

做這支約三分鐘的 AI 動畫，影片生成費用約 US$196。 Seedance 2.5 生成畫面，Claude Code 與 Codex 協助前製和 Blender previz，最後由團隊負責剪輯。這次經驗讓我們更確定：預算需要容納試作，但無止境重抽只是繼續幫助字節跳動成為更偉大的公司。

盜賊動畫完整成片，長 2 分 52 秒。本文的價格對應這支作品；追求更精細的表演、連戲與畫面品質，還需要追加製作預算。

這個金額按本次購買方案的實際用量折算，只計影片生成；圖片生成、軟體訂閱與人工另計。

三分鐘成片，背後生成了二十一分鐘素材

整個系列製作期間，共有 80 次成功的影片生成，各版本合計超過 21 分鐘。我從這些素材中挑選、裁切，才得到上面的成片。

這是一組製作候選原片的縮圖，不是全部八十次生成；其中有些片段未進入成片。

那些多出來的版本，有些用來探索故事，有些更動人物安排或鏡位，也有些是上一版沒有演出需要的動作。它們都佔用製作資源，卻不能一概叫做失敗。試作本來就有價值，問題是下一次生成是否有明確目的。

假設一個鏡頭要拍兩人交接盒子，第一版的問題是手被擋住。繼續送出同樣的安排，期待某一版碰巧拍清楚，和先改掉遮擋再生成，是兩種不同的花錢方式。前者每次都在等模型替我們找到解法；後者至少已經處理了一個知道原因的問題。

所以，估三分鐘動畫的預算，得把試作、修訂和補鏡算進去。只買足三分鐘的生成量，等於假定第一次就能得到所有需要的畫面，而且每一秒都用得上。

Prompt 沒說清楚，預算就可能花在反覆猜測上

如果只要求「兩個人邊走邊交盒子」，模型還得自行決定誰先拿著、在哪裡放手、另一個人怎麼接，以及攝影機從哪裡看。生成後才逐一發現這些安排不合用，就容易陷入一直重抽、一直挑毛病的循環。

我們的夜市段落還有更具體的問題：Kai 的角色圖帶著筆記本和筆，戲裡卻需要他空出雙手拿盒子。提示詞必須排除這些配件，說清楚參考圖只提供哪些外觀。盒子的持有順序、交接後由誰拿著，也要明確。這些條件漏掉，下一次生成就又多了一些可能需要修的地方。

但文字能交代的事有邊界。夜市拋盒子的 previz，曾經讓路人擋住放手的瞬間。我們最後把攝影機從 1.0 公尺提高到 2.4 公尺，才重新安排出看得到手的角度。這個選擇可以在 Blender 裡直接修改、播放，不需要先付費生成完整人物與材質，再檢查視線。

我會先用 previz 解決動作和鏡位，再用 prompt 交代身份、外觀、表演與聲音。 沒有清楚的提示詞，參考素材容易被誤用；沒有可讀的 previz，文字又得替一個尚未排好的場面補洞。previz 篇和有了 previz 之後的提示詞各自展開這兩份工作。

這次沒有做相同條件的成本對照，不能替 previz 報一個省錢百分比。我能確定的是，盒子被遮住這種問題，可以在下一次付費生成之前先看見、先修改。

Higgsfield 的紀錄：同一份提示詞，最多生成十六次

把提示詞寫得仔細，也不會讓每一版都剛好符合作者要求。我們先前分析 Higgsfield《Hell Grind》的公開製作素材，在冷開場收集的 251 支影片裡，只找到 65 份不同的提示詞。同一份文字平均被送出約 3.9 次，最多的一份原樣送出了 16 次。完整語料分析保留了這組比較。

那組十六次生成的畫面，角色的幾個主要外觀特徵持續出現，景別、構圖、光線仍然各不相同。團隊已經寫下許多要求，仍生成了多個候選版本。

這對預算的影響很直接。當要求從「有一個能用的畫面」，提高到「鏡頭距離、表演時機和前後連戲都要對」，能接受的版本就會變少。繼續追求同一場戲的更好版本，意味著更多生成、觀看與修整。若把重抽當成主要解法，高水準動畫的成本自然很難停在這次的 US$196。

《Hell Grind》的影片長度、製作規模與要求都和我們不同，這組次數不能直接拿來替下一支短片報價。它提供的是一個已經發生的例子：即使有詳細 prompt 和資產規則，製作仍可能需要大量候選畫面。預算裡必須替選擇留位置。

對普通人如我們的啟發

對我們這種小團隊，畫面變便宜的好處，是可以提早看到故事長什麼樣子。先試一個 beat，看角色真的動起來，再決定人物關係和下一段要怎麼接。下一次做，我會把工作拆成下面四件事，邊拍邊補。

1. 定義世界觀：角色設定圖、場景地圖

先準備這一場戲會用到的角色圖和地圖。角色長什麼樣子、穿什麼、帶著什麼道具，要有可以反覆使用的參考；人從哪裡進來、門在哪裡、東西要送去哪裡，最好直接畫出來。兩個人隔著一條走廊，和隔著一個轉角，能做的動作就不一樣。

這個世界先做到足以拍下一場戲就好。我們也是先看到幾支原型，才想起 Ocean's Twelve 那種幾個人分工接力的調調，後來再補角色關係和世界。新的畫面讓你改變路線或角色關係，就把決定補回共用設定，下一段沿用；不用等一本世界觀百科全書寫完才開工。世界觀那篇有我們實際用的角色分工和地圖。

2. 畫面設計大於劇本創作：先把一個 beat 拍出來

至少對我們這種還在摸索的小團隊，我會先花力氣設計畫面裡發生的事。每次先寫清楚一個 beat：誰做了什麼、另一個人有什麼反應、結束時事情變成什麼狀態。它可以小到只是丟一張門卡，不必一開始就把整支片的劇本寫完。

像 Biwa 丟門卡這一拍，光寫「她是經驗豐富、喜歡逗弄菜鳥的盜賊」，很難討論她到底多欠揍。讓她真的丟一次，看看 Suseka 的反應，再決定 MeiHua 要怎麼看她、下一段要怎麼接，人物關係就有了能看的東西。動作不好笑，或根本看不懂，再回頭改動作、鏡位或反應。

便宜的畫面，改變了創作順序。 我們可以先做一小段，看到角色怎麼動，再補他們為什麼這樣做。原型裡一個有意思的動作，也可能讓你想出原本沒寫的故事。畫面、人物設定和劇本可以來回修改，文本則把每一輪留下的決定記住，讓下一場戲接得上。

所以不要迴避重抽。試不同的停頓、視線、反應，本來就是在創作。只是這輪要試新的表演，還是修上一輪已經看見的錯誤，自己要知道。每輪留下能用的段落，再決定下一個 beat；總比在一份還沒拍過的長劇本上反覆修辭，更適合我們目前的做法。

3. 提示詞：把官方 skill 裝進本地 Agent

（暫時）不需要了解影片生成模型的原理，但各家模型的提示詞怎麼寫，一定要掌握。官方已經把這些規則整理成 skill，就讓本地的 Claude Code 或 Codex 讀它，帶著你的素材和需求一起工作。

• **MiniMax H3：**官方的 h3-prompt-writing會依純文字、首尾幀或多素材參考選擇對應的提示詞結構，交代畫面、聲音與素材引用。
• **Seedance 2.5：**官方的 sd25-pe會整理故事意圖、素材各自的用途、動作因果與結束狀態。previz 拿來參考走位，角色圖拿來參考外觀，這些都需要說清楚。

依使用的模型選擇安裝。MiniMax 的命令見官方 repo；Seedance 的安裝與用法也整理在這篇拆解。

# MiniMax H3
npx skills add https://github.com/MiniMax-AI/MiniMax-H3 --skill h3-prompt-writing

# Seedance 2.5
npx --yes skills@latest add https://arkdocs-en.tos-ap-southeast-1.volces.com/skills/ --skill sd25-pe --yes

裝好後，把這一場要用的素材交給 Agent，可以這樣說：

請使用這個模型的官方提示詞 skill，依照我附的角色圖、場景圖和 previz，整理這一個 beat 的提示詞。列清楚每份素材負責什麼、動作開始與結束的狀態，以及我指定的表演。保留我的人物關係和事件結果。

讀回提示詞時，檢查角色有沒有對錯、動作順序有沒有被改掉，以及那個你想拍的反應還在不在。這些 skill 幫你整理需求，這場戲要表達什麼，仍然得由你交代。

4. 分工：Previz、提示詞、生成與剪輯，各自處理什麼

到了這裡，分工可以很具體：

工作	這一步要處理的事
Previz	用可修改的 previz 排站位、道具交接、鏡位和動作節奏，先看觀眾能不能看懂。
提示詞	說清楚參考素材的用途、人物外觀、要保留或替換的內容，以及表演和聲音。
影片生成	依這些安排產出候選畫面，再看實際表演與畫面是否合用。
剪輯	把能用的段落接起來，決定停留多久、哪個反應值得留，以及還缺什麼畫面。

previz 裡角色就碰不到盒子，先修空間；參考圖裡不該出現的配件被帶進來，就檢查提示詞有沒有說清楚素材用途。幾段各自能看的影片接起來卻很拖，先剪一次，再決定要不要補拍。至於看完才發現人物關係不成立，那就回去改故事，四步可以再走一輪。

每產出一批素材，就放進時間線看看。缺一個反應時，下一次生成才知道要補什麼；已經能靠剪輯說清楚的地方，也就不必繼續等一支從頭到尾都完美的原片。最後怎麼選、怎麼剪，是我們自己要做的決定。

喔對了，記得使用老闆的信用卡付錢。

故事沒有好壞，但畫面呈現是有明確的優劣。