做1秒视频1块钱，Seedance把“抽卡人”逼去学拉片

AI抽卡，一门随机翻车但有人月入3万的新工种。

从DeepSeek刷屏朋友圈，到OpenAI不断刷新大模型上限，AI圈这两年几乎每天都有新故事。

但对影视创作者、短剧团队和AI视频玩家来说，最近真正刺痛钱包的一条消息，是字节跳动Seedance 2.0的定价。

15秒纯生成AI视频15元，折合每秒1元。

乍一看，这个价格已经很低了。毕竟过去做一条像样的视频，需要摄影、灯光、场地、演员、后期，成本动辄几千上万。如今只要输入提示词，AI就能直接生成画面。

但问题是：AI视频不是“点一次就成片”。

它更像抽卡。

同样一句提示词，你可能抽到电影感拉满的神镜头，也可能抽到人物崩脸、手指乱飞、镜头发飘、动作穿帮的废片。

于是，真正烧钱的不是那1秒1块钱，而是你为了抽出一个能用镜头，反复点击“重新生成”的每一次。

以Seedance 2.0为例，一段15秒视频需要消耗约30.888万tokens。如果你为了一个满意镜头抽20次，成本就是：

15元 × 20次 = 300元。

这还只是一个镜头。

如果是一条1分钟短片、一个AI短剧片段、一支品牌宣传视频呢？

所以，AI视频创作正在进入一个很现实的阶段：

模型越来越强，生成越来越贵。 会不会省钱，不再取决于你会不会写提示词，而取决于你会不会“拉片”。

01 AI抽卡：你花掉的钱，很多都死在“试错”里

Image

先解释一下什么叫“抽卡”。

在AI视频创作里，“抽卡”指的是输入提示词后，让模型生成画面，再从结果中挑选可用素材的过程。

它和传统拍摄最大的区别在于：

传统实拍虽然也会NG，但导演大致知道画面会长什么样；AI生成则更像和模型博弈，你告诉它“一个男人在雨夜街头回头”，它可能给你生成：

• • 一个电影感十足的孤独背影；
• • 一个脸部变形的路人；
• • 一个回头动作僵硬的假人；
• • 一个雨水、霓虹、街道都很美，但人物完全不对的画面。

所以，AI视频创作者的日常往往不是“一次生成，一键出片”，而是：

写提示词 → 生成 → 翻车 → 改提示词 → 再生成 → 继续翻车 → 终于抽到一条能用的。

这就是为什么行业里会出现“抽卡师”这个岗位。

一个成熟的AI抽卡师，不只是会写几句英文Prompt，而是要懂镜头、懂构图、懂光影、懂节奏、懂模型脾气，还要知道什么时候该继续抽，什么时候该换思路。

行业里甚至流行一句话：

AI抽卡不是技术问题，是数学问题。 命中率越低，成本越高。

Image

假设Seedance生成15秒视频的成本是15元：

• • 命中率5%，平均20次出一个可用镜头，实际成本约300元/条；
• • 命中率20%，平均5次出一个可用镜头，实际成本约75元/条；
• • 命中率30%，平均3到4次出一个可用镜头，实际成本约45到60元/条。

Image

你看，表面上大家都在用同一个模型，单价也一样。

但有人一晚上烧掉几百块还没出片，有人却能用同样预算做出一组可剪辑素材。

差别不在模型，而在方法。

02 拉片：影视圈最朴素，也最省钱的方法

所谓“拉片”，是影视行业的专业术语。

简单说，就是在创作前，对优秀作品进行逐镜头、逐场景、逐细节的拆解分析。

你可以把它理解成影视创作里的“精读”。

学写作的人会精读名著，分析结构、句式、修辞；

学设计的人会拆优秀海报，研究字体、配色、版式；

学做视频的人，就要拉片，拆镜头语言、剪辑节奏、声音设计和叙事逻辑。

一个真正有效的拉片，至少要拆四件事：

（1）拆镜头与画面

包括景别、角度、构图、焦段、运动方式、光线、色彩、人物站位等。

例如：

• • 是特写、近景、中景，还是大远景？
• • 镜头是平视、俯拍，还是低角度仰拍？
• • 人物在画面正中，还是位于三分线？
• • 镜头是固定、推进、横移，还是手持跟拍？
• • 光线是硬光、柔光、逆光，还是霓虹环境光？

这些信息，最后都可以转换成AI能理解的提示词。

（2）拆剪辑与节奏

包括每个镜头的时长、镜头之间如何衔接、节奏是快还是慢、什么时候切镜头、什么时候停留。

很多AI视频看起来“假”，不一定是画面不够好，而是剪辑节奏不对。

比如所有镜头都是5秒，所有动作都从头演到尾，就会显得像PPT转场；

而优秀影视作品通常会有快慢变化，有动作接动作，有情绪停顿，也有留白。

（3）拆声音与氛围

包括对白、环境音、音乐、音效、停顿、呼吸感。

尤其Seedance 2.0强调原生音频与口型同步，这意味着AI视频不再只是“会动的图”，而是更接近完整视听内容。

这时候，声音设计就会直接影响提示词写法。

比如你希望角色开口前先转头，就可以在提示词里写：

character turns head before speaking 角色在开口前先缓慢转头

这类细节，会让画面更像真实拍摄，而不是“AI突然让人开始说话”。

（4）拆叙事与表演

包括这个镜头为什么存在，它在推进剧情、塑造人物，还是制造冲突。

很多AI创作者容易犯一个错误：

把每一个镜头都当成独立海报来追求完美。

结果单看每个镜头都很酷，但剪到一起完全没有故事。

真正的视频创作，不是生成一堆漂亮画面，而是让镜头之间产生关系。

上一镜的人物看向哪里？

下一镜是不是接住了这个视线？

上一镜的动作有没有在下一镜延续？

情绪是递进，还是突然断掉？

这些，都是拉片要解决的问题。

03 为什么拉片能帮你省钱？

因为拉片的本质，是把“随机抽卡”变成“定向生成”。

不会拉片的人写Prompt，往往像许愿：

一个电影感的未来城市，赛博朋克风格，很震撼，镜头高级，画质超清。

这类提示词听起来很酷，但对模型来说信息太泛。

什么叫电影感？

什么叫震撼？

什么叫镜头高级？

模型只能自己猜。

而会拉片的人，会把“电影感”拆成可执行的镜头参数：

cinematic wide shot, low angle, rainy neon street, slow dolly in, protagonist standing in the left third of frame, strong backlight, shallow depth of field, blue and magenta color contrast, subtle handheld camera movement

翻译一下就是：

电影级广角镜头，低角度拍摄，雨夜霓虹街道，镜头缓慢推进，主角站在画面左三分之一处，强逆光，浅景深，蓝紫色调对比，轻微手持感。

这时候，AI不再是在“猜你想要什么”，而是在执行一个相对清晰的导演指令。

这就是拉片的价值：

把审美语言，翻译成模型语言。

04 四步拉片法：让Seedance更听话

下面这套方法，适合AI视频创作者、短剧团队、广告剪辑师和AIGC内容玩家使用。

你可以直接收藏。

Image

第一步：拆镜头，建立“提示词素材库”

先找一部你想模仿风格的高质量作品。

可以是电影、广告片、MV、短剧，也可以是优秀AI视频作品。

不要一上来就整部拉片，效率太低。建议先选其中最精彩的3到5个镜头，逐个拆解。

重点记录这些信息：

比如你拆到一个“雨夜城市中，主角孤独站在街头”的镜头，就不要只写：

一个男人站在雨夜街头，很有电影感。

而应该写成：

cinematic medium wide shot, a lonely man standing on a rainy neon street at night, positioned in the left third of the frame, strong blue and magenta backlight, wet asphalt reflections, slow dolly in, shallow depth of field, melancholic atmosphere

这就是一个可以复用的“镜头Prompt模板”。

长期积累下来，你会拥有自己的提示词素材库。

以后再做类似场景，不需要从零开始抽卡，直接调用、微调即可。

第二步：拆剪辑，学会控制节奏

AI视频最容易出现的问题之一，是节奏呆板。

画面也许很好看，但所有镜头都像独立生成的素材，缺少剪辑逻辑。

所以拉片时，除了看画面，还要记录每个镜头的时长。

比如：

• • 第1镜：2秒，建立环境；
• • 第2镜：1.5秒，人物抬头；
• • 第3镜：3秒，情绪停顿；
• • 第4镜：0.8秒，快速切入动作；
• • 第5镜：4秒，长镜头推进情绪。

你会发现，优秀作品很少平均用力。

它通常有快有慢，有停顿，有爆发。

对应到AI视频创作里，不建议一开始就让模型生成一整段完整剧情，而是拆成多个镜头：

镜头1负责环境，镜头2负责人物，镜头3负责动作，镜头4负责情绪，镜头5负责转折。

每个镜头单独生成，再进入剪辑软件里组合。

如果你希望镜头衔接更自然，可以在提示词里加入这类指令：

• • cut on action：动作匹配剪辑；
• • match cut：匹配剪辑；
• • continuous motion：动作连续；
• • seamless transition：无缝转场；
• • the shot ends with the character turning around：镜头以角色转身结束。

这样做的好处是，你不是把成片完全交给AI，而是把AI当成摄影组使用。

AI负责生成素材，创作者负责调度节奏。

第三步：拆声音，提前给画面留出“音轨空间”

很多人做AI视频，只盯着画面。

但真正让视频成立的，往往是声音。

拉片时可以重点观察：

• • 哪些地方只有环境音，没有对白？
• • 人物说话前有没有停顿？
• • 音乐是在情绪前出现，还是情绪后进入？
• • 动作音效是否强化了画面节奏？
• • 画面有没有给声音留下呼吸感？

比如一个人物开口的镜头，不要直接让他张嘴说话。

更自然的设计是：

1. 1. 人物先听到某个声音；
2. 2. 眼神变化；
3. 3. 轻微转头；
4. 4. 停顿半秒；
5. 5. 再开口说话。

对应提示词可以写成：

The character hears something off-screen, pauses for a moment, slowly turns his head, then begins to speak with a serious expression.

这样生成出来的画面，会更适合后期配音和混音。

尤其是在Seedance这类支持音频与口型同步能力的模型中，提前设计“说话前后的动作”，会比单纯写一句“角色说话”稳定得多。

第四步：拆叙事，从“随机生成”变成“故事设计”

AI视频创作最怕什么？

不是画面不美，而是没有连续性。

第一镜人物穿黑衣服，第二镜变成白衣服；

第一镜在雨夜街头，第二镜突然到了室内；

第一镜角色很愤怒，下一镜莫名其妙开始微笑。

这些问题，本质上不是模型不会生成，而是创作者没有给它足够清晰的叙事约束。

所以拉片时，一定要拆“镜头之间的关系”。

你可以用下面这个格式设计AI视频分镜：

这种方式比单句Prompt稳定得多。

因为你不是让AI“随便生成一段故事”，而是在告诉它：

• • 这一镜拍什么；
• • 为什么拍；
• • 和上一镜有什么关系；
• • 下一镜要接什么。

当你把故事链条设计清楚，抽卡次数会明显下降。

05 给AI视频创作者的一张“拉片记录表”

如果你不知道从哪里开始，可以直接用下面这张表。

建议每次拉片时记录：

1. 1. 作品名称
2. 2. 参考时间码
3. 3. 镜头编号
4. 4. 镜头时长
5. 5. 景别
6. 6. 机位角度
7. 7. 镜头运动
8. 8. 构图方式
9. 9. 光线与色彩
10. 10. 人物动作
11. 11. 情绪关键词
12. 12. 声音设计
13. 13. 叙事作用
14. 14. 可转化Prompt
15. 15. 抽卡结果
16. 16. 失败原因
17. 17. 修改后的Prompt

最后三项非常关键。

很多人只记录成功Prompt，不记录失败Prompt。

但真正能提升命中率的，恰恰是失败记录。

比如你发现：

• • 写“cinematic”太泛，效果不稳定；
• • 写“handheld”容易导致画面晃动过度；
• • 写“slow motion”会让动作变得怪；
• • 写“realistic face”反而容易生成塑料脸；
• • 人物描述不够具体会导致角色不一致。

这些都是你的模型经验。

拉片 + 抽卡复盘，才会形成自己的方法论。

06 一笔账：拉片到底能省多少钱？

我们回到成本。

如果一个15秒镜头成本是15元：

• • 命中率5%时，平均20次出一条可用素材，成本约300元；
• • 命中率30%时，平均3到4次出一条可用素材，成本约45到60元。

同样300元预算：

• • 命中率5%，大约只能得到1条可用15秒素材；
• • 命中率30%，大约可以得到6条可用15秒素材，也就是约90秒可用素材。

这就是拉片的经济价值。

它不是玄学，不是影评，也不是学院派自嗨。

它是AI视频时代最实用的成本控制工具。

你拉片越细，提示词越精准；

提示词越精准，抽卡次数越少；

抽卡次数越少，每一块钱的含金量越高。

Image

写在最后：别把Seedance当老虎机

Seedance 2.0把AI视频带进了“秒元时代”。

1秒1块钱，看起来便宜，但如果你没有方法，它很快就会变成一个抽卡黑洞。

真正成熟的AI视频工作流，不是：

有灵感 → 写Prompt → 疯狂抽卡 → 看运气。

而应该是：

拉片参考 → 拆解镜头 → 设计分镜 → 编写Prompt → 小样测试 → 定向迭代 → 剪辑成片。

字节跳动与贾樟柯合作的《贾科长Dance》中，两个“贾樟柯”均由Seedance 2.0生成。你可能觉得AI视频离传统影视还很远，但行业进化的速度，往往比想象中更快。

未来真正值钱的，不一定是“会不会用某个AI工具”。

而是你能不能把审美、镜头、叙事和声音，翻译成AI可以执行的语言。

一句话总结：

不懂拉片，AI视频是抽卡； 懂拉片，AI视频才是创作。

本文部分价格与数据参考火山引擎官方公告及第三方实测信息，平台计费标准可能随时间调整，请以各平台最新政策为准。