Castaly · 博客 · 使用指南
文生视频入门：如何选模型、写提示词和控制成本
从一句话到一段成片：哪些模型只用文字就能生成、各要多少钱，一套好用的提示词结构，以及能省钱的参数设置。
文生视频是最简单的起点：写下想要发生什么，就能拿到一段视频。它也是新手最容易浪费钱的地方，因为含糊的一句话把所有决定都留给了模型，而默认设置的花费可能是测试实际所需的十倍。
本文讲三个关键决定：选哪个模型、写什么、用什么设置。文中引用的每条提示词都是真实生成记录的原文。
第一步：选一个只用文字就能生成的模型
Castaly 上大多数视频模型只需要一条提示词。有四款例外：wan2.7-i2v、wan2.7-r2v、happyhorse-1.1-i2v 和 happyhorse-1.1-r2v 必须提供图片或参考素材。
5 秒、16:9、关闭音频时的价格：
| 模型 | 720p | 1080p | 单条最长 |
|---|---|---|---|
seedance-2.0-mini |
$0.19 | — | 15 秒 |
kling-2.6 |
$0.19 | $0.32 | 10 秒 |
seedance-2.0-fast |
$0.37 | — | 15 秒 |
wan2.7-t2v |
$0.37 | $0.56 | 15 秒 |
kling-3.0 |
$0.38 | $0.51 | 15 秒 |
wan3.0-video |
$0.49 | $0.99 | 30 秒 |
happyhorse-1.1-t2v |
$0.50 | $0.64 | 15 秒 |
seedance-2.0 |
$0.94 | $2.33 | 15 秒 |
seedance-2.5 |
$1.44 | $3.54 | 30 秒 |
第一个项目可以默认用 Kling 3.0 跑 720p：便宜，找到值得保留的镜头后还能升到 1080p 或 4K。如果单条要超过 15 秒，就从 Wan 3.0 开始，它是两款 30 秒模型中更便宜的一款。所有模型的价格见视频价格对比。
第二步：写清四件事
一条可用的文生视频提示词要回答四个问题。这是一段 5 秒 Seedance 2.5 视频的提示词：
A black horse gallops through shallow sea water at sunset, spray exploding around its hooves, mane and tail streaming. Low tracking shot alongside, then the horse leaps and the camera stays low as water arcs through the backlight. Warm amber against deep teal, photoreal, powerful slow motion, no text.
| 问题 | 上面的提示词 |
|---|---|
| 发生了什么？ | A black horse gallops through shallow sea water at sunset, spray exploding around its hooves |
| 摄影机在哪？ | Low tracking shot alongside, then the horse leaps and the camera stays low |
| 看起来什么样？ | Warm amber against deep teal, photoreal, powerful slow motion |
| 什么不要出现？ | no text |
三个习惯最有用：
- 写动作，不要写一张画。 视频提示词需要动词和变化。“海滩上的一匹马”不足以让模型撑满五秒。
- 让事件匹配时长。 五秒大约只够一个动作和它的结果。
- 写上 “no text”。 我们几乎每条提示词都以它结尾，因为多余的文字事后很难去掉。
更复杂的镜头可以参考提示词指南里的七段式结构。
风格也写进提示词
文生视频不只能做写实画面。如果风格就是重点，就把它写在最前面：
Minimal black-ink line animation on a white page: a small cat chases a butterfly from left to right, the lines are loose hand-drawn sketch strokes that wobble slightly frame to frame, the butterfly loops once and the cat pounces and misses. Flat white background, no shading, no text.
平静的大远景，只需要几个词描述镜头：
A fleet of hot-air balloons drifts over mist-filled mountain valleys at dawn. Aerial camera glides slowly between the balloons as golden light breaks over the ridges and fog rolls through the pines below. Calm, majestic, photoreal landscape, steady motion, no text.
第三步：按这个顺序选设置
- 画幅。 根据播放位置来选：网站和 YouTube 用 16:9，TikTok、Reels 和 Shorts 用 9:16。它很少影响价格，而且事后裁切一定会损失构图。
- 时长。 从 5 秒开始。时长是唯一会直接按倍数放大账单的设置。
- 分辨率。 用模型提供的最低分辨率测试，最终成片再用需要的分辨率。
- 音频。 不需要声音就关掉。Kling 3.0 开音频加 50%，Seedance 和 Wan 3.0 不加价。
省钱的工作方式
先在便宜的模型上定好提示词，再把钱花在要保留的镜头上。Seedance 2.0 Mini 的 5 秒 480p 草稿只要 $0.09，十几个变体大约一美元。提示词跑通后，再换成你想要的模型出成片。
成片是一次新的生成，不会和草稿逐帧一致。草稿是用来检验想法、构图和节奏的。
什么时候文字不够用
只用文字时，每个细节都由模型决定，而且每次都会重新决定。遇到下面这些需求时，就该用图片：
- 多段视频里保持同一个角色或产品。 使用参考图。
- 精确的构图。 先生成一张静图，再作为首帧。
- 指定的结尾。 提供尾帧。
这三种做法都在图生视频指南里。
常见问题
Castaly 上最便宜的文生视频模型是哪款？
Seedance 2.0 Mini 的 480p：5 秒约 $0.09。720p 下，Seedance 2.0 Mini、Kling 2.6 和 Kling 2.5 Turbo 都约 $0.19。
文生视频单条最长多久？
Seedance 2.5、Wan 3.0 和 Wan 3.0 Prime 最长 30 秒。其他模型大多到 15 秒，Kling 2.6 和 2.5 Turbo 到 10 秒。
提示词要用英文写吗？
本文所有提示词都是英文，我们的样片也是用英文生成的。其他语言我们没有系统测试过。
为什么同一条提示词结果不同？
每次生成都是一次新的运行，提示词没写到的地方，模型都会自己决定。写得越具体，变化越小。要固定画面，就用首帧或参考图。