【Future Circle 共筆】AI 做影片真的比較省？製作成本與實拍取捨全解析

用 AI 做影片到底省多少？我們用兩個案例對照 AI 與傳統流程，再以四大平台 2026 年 9 月官方定價算出每秒真實成本。答案：省的是拍攝與做出第一版的時間，錢轉到訂閱、重抽、挑片與後製；判斷原則是 AI 處理可能性，實拍處理確定性。

主筆：家峻 共同研究：Matata（案例與流程對照）、宥萱（Sally）（成本拆解與平台定價）、茂彰（判斷框架與結論） 本文整理自 Future Circle Weekly Lab 研究與討論。

研究背景與問題

這次 Weekly Lab 想回答的是：用 AI 做一支商業影片，到底省了什麼、又多付了什麼？市面上「AI 比較便宜、比較快」的說法，隱含的比較對象都是傳統影音製作——一套成熟的流程，前製、拍攝、後製三個階段各有專責的人，什麼會出錯、錯了誰喊停、重來一次要付什麼，都有既定的做法。AI 影音拿掉了場地、檔期與大部分工班，看起來省的是人和時間。這場報告的假設是：風險並沒有跟著消失，只是換了位置——從拍攝現場移到生成之後，變成重抽、一致性與挑片的成本。後面幾段就是在同一個問題上檢驗這個假設。

這個問題現在值得討論，是因為 2026 年市場變動劇烈：模型幾個月一代，ByteDance 7 月 31 日發布 Seedance 2.5，官方稱可單次生成 30 秒音視頻並支援多輪延伸（ByteDance Seed），各家入口背後的模型選單也持續更新。工具在換，判斷框架比工具清單更耐用。

本文因此分四段：先看 AI 影音的現況——它由哪些能力組成、人負責什麼；再用兩個實測案例對照 AI 與傳統的製作流程，看省下來的到底是哪些工序；接著把成本拆開來算——月費、點數、重抽倍率與人工，以及哪些情境 AI 反而不便宜；最後回答面對一支具體的片子時該怎麼決定。

方法與資料

• 研究時間：讀書會報告於 2026-09-15；各段實測與查價於 2026 年 9 月進行，平台定價的查核集中於 2026-09-12。
• 形式：四位成員分段——AI 影音現況、兩個製作案例、成本拆解、判斷框架——再由主筆統稿。
• 現況段資料：各模型官方發布頁；三篇 arXiv 論文（FilmAgent、MovieAgent、Generative AI for Film Creation）。
• 案例段實測：由共同研究者 Matata 操作。案例一以 Google 帳號登入 Dola 免費帳號，依操作紀錄使用 Seedance 2.5 模型生成約 10 秒影片，生成時間不到十分鐘（2026-09-11）；案例二以 Envato 授權影片素材擷取首幀，用影像模型改景後，連同原影片上傳 LibTV，選用 Seedance 2.0 模型做場景替換（2026-09-15）。傳統流程部分依 Blender 官方手冊、Adobe After Effects 官方說明與兩支公開教學影片整理，並非作者親自完成同一支片。
• 成本段資料：由共同研究者宥萱整理。平台範圍為 Kling AI、Dreamina、Hailuo AI、Google Flow 四家共 19 個方案／狀態，以各平台官方定價頁、使用指南與訂閱條款為主，每筆標註查核日期；換算基準 1 USD = 31.6435 TWD（2026-09-12 即時匯率），人工時薪以 NT$300／hr 試算；成本區間以「基本生成秒數 × 重抽倍率 × 代表生成單價 ＋ 人工時間」試算，重抽倍率設低 1.5、中 3、高 6。這是研究試算情境，不是市場報價。
• 沒有做的事：未進行統一評測；未在同一支片上同時完成傳統製作與 AI 製作；未涵蓋企業 API 實測、私有報價或長期穩定性驗證。
• AI 協助範圍：以生成式 AI 協助整理研究筆記、對照資料來源與調整文字結構（見文末 AI 協作說明）。
• 人工核對範圍：四家平台的官方定價與扣點已由宥萱逐項開啟官方連結核對；「延伸地景」平台數字來自第三方彙整文章，尚未逐一回官方查核；案例段連結由 Matata 於 2026-09-15 開啟確認；現況段連結由主筆於 2026-09-13 開啟確認。

發現與案例

發現一：AI 影音不是一個生成按鈕，而是四種能力的組合；作品完成度出現在「交界處」

一支看得完的 AI 影片，通常不只靠影片模型。報告把 AI 影音拆成四種互相依賴的能力：AI Image 決定畫面「長什麼樣」（角色、商品、場景、關鍵幀）；AI Video 決定畫面「怎麼動」（文生影、圖生影）；AI Audio 決定觀眾「怎麼感受」（配音、音樂、音效、字幕）；Workflow 決定片段「能否成為作品」（素材管理、一致性、剪輯、輸出）。人負責的是目的、取捨、排序與品質標準。

這個拆法有研究上的依據。近年把電影或長影片生成拆成多角色、多階段的工作，例如 FilmAgent（arXiv 2501.12909）與 MovieAgent（arXiv 2503.07314），都把劇本、導演、鏡頭與聲音分派給不同角色協作；報告同時把 Generative AI for Film Creation（arXiv 2504.08296）列為這個拆法的研究依據。

我們認為這帶出一個值得記住的觀點：生成式影音的進步，可能不只是單一模型變強，也包括多個環節開始能協同工作。角色圖片很漂亮，不代表動起來仍然一致；影片畫面很強，不代表聲音與剪輯能撐起訊息；每個單點都很好，也可能因為工作流銜接失敗而不像完整作品。

對讀者的意義：評估自己團隊的瓶頸時，先問卡在四種能力的哪一個、或哪兩個之間，比問「哪個模型最強」更有用。

發現二：兩個案例——AI 把「想法到第一版」壓到幾分鐘；傳統流程的每一道工序，都是之後想改時的控制點

四種能力在一支片子裡怎麼運作、人在哪裡介入，用兩個畫面最清楚：一輛跑車在幾秒內變成機器人，海灘上的五個人轉眼站在森林小徑。我們先用 AI 把它們做出來，再拆開看如果換成三維動畫或後製合成，同樣的畫面要經過哪些步驟。

案例一：汽車變形。 我們以 Dola 免費帳號、Seedance 2.5 模型，把想要的動作、鏡頭與聲音需求寫進一段提示詞（全文見附錄），不到十分鐘、第一次生成就得到滿意的結果：約 10 秒的影片，從科幻室內的銀色跑車開始，接著是車身與機械零件的近景，最後機器人站起來（生成結果，作者實測）。提示詞描述的是預期效果，不代表成片每一項都完全實現。

換成傳統三維動畫，同一段畫面要走四道工序（依 Blender 官方手冊與汽車變形教學整理）：

1. 準備模型和能動的結構。 沒有模型就要建模；用既有素材也得確認授權與細節。車門、輪胎和裝甲怎麼拆分，決定後面做得出哪些動作；佈線影響編修與變形，貼圖還要搭配 UV 與材質；再建立控制方式——骨架綁定、直接做物件動畫，或用約束建立連動（Blender 手冊：重新佈線）。
2. 讓零件和鏡頭一起動起來。 安排每個零件何時移動、旋轉、停下，速度如何變化——車門先翻開、手臂再伸出、最後裝甲扣上；虛擬攝影機配合動作調整（Blender 手冊：動畫與綁定）。
3. 設定表面質感和燈光。 UV 拆展讓二維貼圖對應到立體表面；材質決定金屬、粗糙或光滑與反射方式；燈光塑造亮暗、輪廓與氣氛，同一台車換個光線觀感差很多（Blender 手冊：UV 拆展）。
4. 算出影像再完成後製。 渲染把場景、材質、燈光與攝影機算成二維影像；需要時再合成、調色、剪輯與處理聲音——金屬撞擊、機械運轉與變形音效都要另外安排，不會隨渲染自動完成（Blender 手冊：渲染、合成）。

案例二：實拍換景。 這個手法來自 YouTuber 壹加壹的短片，我們用一段 Envato 授權影片素材重做一次（作者持有 Envato Elements 會員授權）。做法只有兩步：先擷取原影片第一幀，用影像模型把海灘改成森林（提示詞要求保留五位人物的外觀、服裝、姿態與相對位置，只換環境並配合森林光影）；再把原影片與改好的參考圖一起上傳，選用 Seedance 2.0 模型，要求替換場景並以原影片的人物、動作、姿態與運鏡為準（生成結果；作者實測，LibTV、Seedance 2.0，2026-09-15）。提示詞裡的「保留」是生成目標，實際效果要回看影片確認：人物外觀有沒有改變、背景有沒有跳動、邊緣與光影是否自然、原本的動作節奏是否保留——我們依這四點回看了生成結果。

換成傳統逐步製作與合成，換景遠不只是把人剪下來貼進另一張圖：影片裡的人會走動、互相遮擋，鏡頭也可能移動，腳步對不上地面或光線不對，即使背景換好了，還是會讓人覺得哪裡不對。依一支 After Effects 三維合成教學（以其完整英文自動字幕整理）與 Adobe 官方說明，同樣是四道工序：

1. 前期拍攝就為後製留線索。 拍攝時讓地面入鏡，方便之後建立地面與攝影機的空間關係。
2. 把人物從背景分離出來。 用 Roto 持續分離動態中的人物，處理頭髮、手指、遮擋與動態模糊，輸出帶透明通道的人物素材（Adobe：Roto Brush 與 Refine Matte）。
3. 追蹤鏡頭、建立新的三維場景。 攝影機追蹤後刪除落在移動人物上的錯誤追蹤點，定義地面、建立攝影機與參考平面，再放進新的三維素材，用 HDRI 環境影像配合光照與反射（Adobe：三維攝影機追蹤）。
4. 讓人物融入場景。 把去背人物圖層放進三維空間，調整位置與縮放讓腳步貼合地面，用平行光建立陰影、調整虛擬攝影機運鏡——這是把人物影像圖層放進三維空間，並沒有重建完整的三維人物。我們的經驗是，要讓人物和新背景自然融合，除了色調，還要一起看光線、陰影、透視與清晰度。

我們認為兩個案例指向同一件事：AI 省下的，是「把腦中的想法變成第一版」的時間；傳統流程的每一道工序——哪一塊裝甲先翻、鏡頭幾秒推近、人物邊緣怎麼收、陰影落在哪——則是每一個可以精確控制的點。拿到第一版之後想改什麼，決定了這些控制點值多少錢：只是試視覺方向，AI 的第一版已經足夠；要指定某個零件慢一點、人物細節維持一致、陰影落在特定位置，就得回頭評估工具能不能配合。理解傳統流程的價值也在這裡——它讓我們更知道怎麼描述需求、怎麼檢查結果。

對讀者的意義：接到需求先問「拿到第一版之後，還會想改什麼、改到多細？」改得愈細，愈需要逐項控制——不是回到傳統流程，就是付出接下來要算的重抽與人工。

發現三：AI 影音不是「拍攝成本消失」，而是「成本轉移」

把上面兩個案例牽涉的製作環節逐項拆開後，成本明顯分成兩堆：實體端斷崖式下降，但省下的錢流向新的科目。

資料來源：作者整理自各平台官方定價與工作流拆解。資料截至 2026-09-12。

我們認為傳統製片佔比最高的實體前期與現場支出被壓縮，但預算被導流到訂閱、算力損耗與後期修復；愈接近正式商業交付，轉移的隱性成本愈容易放大。

對讀者的意義：評估划不划算不能只看月費，應同時追蹤月費、單次扣點、重抽倍率、人工挑片與後製分鐘——這四項才是真實成本的變數。

發現四：月費要攤成「每秒真實成本」，還要乘上重抽倍率

轉移到訂閱與點數的那一塊，實際是多少？以官方公開扣點換算「代表性單次生成成本」（Standard／Pro、5～6 秒、720p 為主）：

資料來源：Kling 使用指南與扣點說明、Dreamina 定價、Hailuo 訂閱條款、Google Flow 點數說明；作者依 1 USD = 31.6435 TWD 換算整理。USD 顯示至小數點後 3 位、TWD 至 2 位，各依原始精確值分別四捨五入。資料截至 2026-09-12。

名義上一支 720p 短鏡頭只要幾塊台幣，但這是「單次成功」價。生成式模型具有機率性，實際製作往往需要多次生成、篩選與調整，因此實際成本可能明顯高於單次生成價格；本文以 1.5／3／6 倍作為低、中、高三種重抽情境進行成本試算，此倍率為研究試算參數，不代表市場平均。此外，720p 對 1080p、關不關原生音訊、Lite 對 Quality，扣點可能差 10 倍。

對讀者的意義：真實每秒成本 ≈ 名義單價 × 重抽倍率。挑平台時「成功率／穩定度」比「每秒單價」更能決定總花費——單價最低若重抽率高，反而最貴。

發現五：低／中／高品質，成本結構完全不同

把單價、重抽倍率與人工時間放在一起看，三種品質需求的成本結構完全不同。以工作流試算（非市場報價）估算：

資料來源：作者工作流試算（時薪 NT$300／hr、匯率 31.6435、重抽倍率 1.5／3／6）。研究試算情境，非市場報價。資料截至 2026-09-12。

我們認為低品質靠免費額度、Fast／Lite 模型加少量後製即可，成本最低；中品質開始有多次重抽、剪輯與一致性檢查，成本主導權從「模型費」轉向「人工」；高品質時模型費未必最貴，但品牌一致性、文字保真、局部修補、放大（upscale）、合成與人工 QA 會讓總成本快速放大。

對讀者的意義：「AI 影音很便宜」只在低品質需求成立。需求愈往商業交付走，AI 節省比例愈收斂——省下的是拍攝，貴起來的是人工與修復。

發現六：AI 不便宜的情境有明確特徵——對確定性有硬需求；中文字是台灣讀者最常撞到的一種

貴起來的人工與修復，在哪些情境會多到讓 AI 反而不划算？以下情境中，AI 的邊際效益會迅速轉負，甚至比實拍或三維動畫更貴：

資料來源：作者整理自商業工作流實務與各平台功能限制。資料截至 2026-09-12。

這些情境的共通點是「對確定性有硬需求」——精確幾何、逐字文字、跨鏡頭恆定、影格級動作。擴散模型本質是機率式輸出，愈要求確定性愈需要人工強制約束，成本就從攝影棚轉移到重抽與後期。其中中文（尤其台灣繁體）商品素材是最常見的情境：

資料來源：作者整理自各平台官方多語支援說明與生成模型通用限制。資料截至 2026-09-12。

我們認為常見的誤會是「AI 不支援中文」，但依此次研究，中文指令理解已不是主要障礙——真正的風險在中文字形逐字逐影格的保真：品牌名、商品名、規格、Logo、QR Code、法規標示容易變形或漂移，這是機率式輸出的本質限制。

對讀者的意義：報價前先看專案落在上表哪個情境；落在表內的別用「AI 很快很便宜」報價，差額會由人工重工吃掉。純視覺、氣氛、運鏡與空間情境，AI 可以大幅降低實拍前期成本；商品資訊必須逐字正確時，作法是「AI 做背景與氛圍，真實產品特寫用實拍或後製合成」。

發現七：AI 與實拍的第一條分界——需求需要多少「確定性」

綜合前面的案例與成本拆解，我們認為 AI 與實拍並不是誰取代誰，而是在不同需求下交換「速度」與「控制力」。

AI 最有優勢的情境，是需求仍具有探索性，例如概念提案、氣氛影片、社群素材、超現實場景，或需要快速測試多個視覺方向。這類內容的核心不是逐格精準，而是能不能快速把想法轉成可觀看的版本。前面的汽車變形案例就是典型例子：從文字描述到約 10 秒的第一版影片不到十分鐘，而傳統三維動畫要走建模、綁定、動畫、材質燈光、渲染與後製多道工序（見發現二）。

但當需求從「看起來對」走向「必須完全對」，實拍或傳統製作的價值就會提高。商品包裝、中文字、Logo、QR Code、人物跨鏡頭一致性、空間尺寸，以及指定動作或光影位置，都屬於高確定性需求（見發現六）。生成模型具有機率性，修改一個細節可能牽動整個畫面，因此原本省下的拍攝成本，可能重新轉移到重抽、挑片、修補與後製。

因此，比起先問「AI 還是實拍比較便宜」，更有效的判斷方式是看專案可以接受多少不確定性：

我們把這個判斷原則濃縮成一句話：AI 適合處理「可能性」，實拍與傳統製作適合處理「確定性」。

對讀者的意義：需求愈偏向想像、速度與多版本測試，AI 的優勢愈大；需求愈偏向品牌一致性、文字正確與精確控制，就愈需要保留實拍或傳統流程的控制點。

發現八：當畫面需要「證明真實」，實拍仍不可取代；最有效率的做法往往是混合製作

除了確定性之外，AI 與實拍還有另一條更明確的分界：這個畫面是否具有「證據功能」。

如果影片的目的是呈現真正發生的事情，例如人物訪談、活動紀錄、產品實際操作、工程驗收或真實案例，生成影像不能取代紀錄本身。此時實拍的價值不只是畫面品質，而是證明「這個人、這個產品、這件事情真的存在」。

反過來，如果畫面的功能主要是營造氛圍、建立情境、呈現不存在或難以拍攝的場景，AI 就有明顯優勢。這也是為什麼商業製作最實際的答案往往不是全 AI 或全實拍，而是混合式製作（hybrid production）：商品本體、包裝文字與真人保留實拍，AI 用來生成背景、延伸場景、製作難以實拍的鏡頭或快速測試不同版本；也可以先用 AI 完成概念與分鏡，再把需要精確控制與真實證據的部分交給實拍或傳統製作。

因此，製作前可以再多問一個問題：

這個畫面是要「創造一個可能的世界」，還是要「證明真實世界發生了什麼」？

前者可以積極使用 AI，後者則應保留實拍。

對讀者的意義：不要先替整支影片貼上「AI 製作」或「實拍製作」的標籤，而是逐鏡頭判斷——可以容許變動、負責創造情境的部分交給 AI；需要保真、需要證明的部分留給實拍與後製控制。這通常比全 AI 或全實拍更有效率。

限制

• 這是一場讀書會的整理與分段補做的實測，不是統一評測；文中提到的模型能力與限制依官方頁面與技術發布整理。
• 兩個案例各只做一次、由一位成員操作，且傳統流程部分依官方手冊與公開教學整理，並非在同一支片上實際完成兩種做法；案例一提示詞描述的是預期效果，案例二的檢查以回看影片為主，未做逐格比對。
• 價格為單日快照：所有定價、扣點與額度為 2026-09-12 當日資料，促銷價、續訂價、地區與方案調整都可能改變結果。
• 成本區間是工作流試算，不是市場報價；參數（時薪 NT$300、匯率 31.6435、重抽倍率 1.5／3／6）可調，換參數即換結論；生成成功率因題材差異很大，重抽倍率僅為代表值。
• 單一帳號實測值不等於通用定價；文中若引用作者帳號實付數字（如 Dreamina Premium），僅代表該帳號當時畫面。
• 更廣的平台比較（Runway、Sora、Luma、Vidu、Pika、開源）來源多為第三方彙整與 SEO 文章，尚未逐一回官方查核，本文不作定論。
• 僅涵蓋公開資訊，未包含企業 API 實測、私有報價或長期穩定性驗證。
• 產品變動極快：Seedance 2.5 才剛發布、各家入口的模型選單也持續更新，本文的產品描述只反映 2026 年 8～9 月的狀態。Seedance 2.5 的官方發布文也自承，複雜動作的物理合理性與多主體互動的穩定性仍有改進空間。
• 報告刻意不進入 LoRA、ControlNet、CUDA 等技術細節，因此本文不能回答「怎麼把一致性做出來」，只能回答「該注意什麼」。
• 「確定性」與「證據功能」兩條判斷分界，是作者依本文案例與成本分析歸納的判斷框架，未經外部驗證；不同產業、預算與客戶關係可能得到不同的分界。

結論與建議

這次研究想回答的是：用 AI 做影片，到底省了什麼、又多付了什麼？從案例、製作流程與成本試算來看，答案不是單純的「比較便宜」，而是成本結構發生了轉移。

AI 明顯降低了場地、器材、交通、拍攝日與部分人力需求，也大幅縮短了「想法到第一版」的時間；但原本發生在拍攝現場的成本，會轉移到平台訂閱、點數、重抽、挑片、品質檢查與後製修補。當需求愈接近正式商業交付，尤其涉及商品一致性、中文字、品牌識別與精細修改時，這些隱性成本會快速放大。

因此，我們不建議用「AI 一定比較快、比較便宜」作為專案判斷或報價的基礎，而應在製作前先確認三件事：

1. 哪些畫面可以接受生成的不確定性？
2. 哪些資訊、人物或產品細節絕對不能錯？
3. 拿到第一版之後，客戶會修改到什麼程度？

若需求以概念測試、氣氛、創意與快速迭代為主，AI 可以大幅提高製作效率；若需求強調真實紀錄、品牌一致性與精確控制，實拍或傳統流程仍有不可替代的價值。

更合理的策略不是追求「全 AI 化」，而是把 AI 放在它最有優勢的環節：快速探索、降低試錯成本、生成難以實拍的內容；再把需要真實性與確定性的部分，留給實拍與傳統後製。

工具仍會快速更換，但這套判斷原則相對穩定：

先決定哪些事情不能錯，再決定哪些部分可以交給 AI。

這可能比單純比較模型、月費或生成速度，更能決定一支影片最後是否真的省錢。

附錄：案例一完整提示詞

以下保留當時的完整提示詞，方便參考動作、鏡頭與聲音需求的寫法；提示詞描述的是預期效果，不代表成片每一項都完全實現。

生成影片：一段約 10 秒的高張力科幻動態影片，一輛現代感十足的跑車停在原地，隨即展開精密且流暢的機械變形。

影片一開始，攝影機以低角度環繞跑車緩慢移動，帶出車身流線外型與金屬質感，營造出蓄勢待發的氛圍。接著鏡頭逐漸向前推近，聚焦在車頭與車側細節，隨著變形啟動，車門、引擎蓋、輪胎與車身裝甲開始依序分離、翻轉、旋轉與折疊。此時鏡頭可搭配快速切換的特寫與中景，捕捉齒輪咬合、液壓伸縮、金屬滑軌移動與零件展開的細節，強化整體的機械張力。

在變形過程中，攝影機可隨著主要結構的展開做小幅度跟拍與環繞，從車體側面移動至斜前方視角，再拉升至略帶仰角的中景，呈現跑車輪廓逐步向上延伸、重組為人形機甲的震撼感。當手臂、雙腿與軀幹逐漸成形時，鏡頭可短暫切至局部特寫，呈現裝甲板收折、機械關節轉動與內部結構連動的精密細節，再迅速切回較完整的畫面，讓觀眾清楚感受到整體組裝的過程。

最後，當機甲完全組裝完成並挺身站立時，攝影機由下往上快速抬升，以英雄式仰角完整帶出高大帥氣的人形機甲姿態，並在定格前做一個微環繞或緩慢推近，凸顯其威嚴與科技感。整段畫面搭配電影級燈光與寫實金屬材質表現，透過金屬碰撞聲、機械齒輪轉動聲、液壓裝置伸縮聲、裝甲折疊聲與科幻變形音效，營造出節奏強烈、層次豐富且極具震撼力的電影感變形場面。畫面比例為 16:9。

案例二的影像改景提示詞：「將畫面中的海灘環境替換成自然的森林小徑，保留五位人物的外觀、服裝、姿態及彼此的相對位置，不新增或移除人物。讓人物像是站在同一個森林環境中，配合樹葉間灑下的陽光調整光影、陰影和整體色調，維持自然的實拍質感。」影片生成提示詞：「將影片 {{素材01}} 的場景替換成參考圖 {{素材02}} 的森林環境。保留原影片中五位人物的外觀與服裝，人物動作、姿態、相對位置及鏡頭運鏡以原影片為準。讓光線與陰影配合森林場景，保持人物與環境的自然融合。」（素材01 為原影片，素材02 為改好的森林參考圖。）

數據說明

發現三到六的表格整理自作者的成本試算表（未公開）。依規範交代如下：

• 蒐集時間與範圍：2026-09-12；涵蓋 Kling AI、Dreamina、Hailuo AI、Google Flow 共 4 家、19 個方案／狀態。
• 來源：各平台官方定價頁、使用指南與訂閱條款，見資料來源；每筆均於當日開啟核對。
• 欄位定義與單位：價格為 USD（部分 EUR），額度為月點數／credits；折算 1 USD = 31.6435 TWD；人工以 NT$300／hr 試算。
• 計算方式：成本區間＝生成秒數 × 重抽倍率 × 代表單價 ＋ 人工時間；重抽倍率取 1.5／3／6。
• 已知缺漏與限制：促銷價非永久；單一帳號截圖非通用定價；成本區間為試算情境；延伸平台數據尚未回官方查核。
• 最後更新：2026-09-12。

AI 協作說明：本文使用生成式 AI 協助整理研究筆記、對照資料來源、合併四位成員的稿件並調整文字結構；資料選擇、官方來源查核、實測、試算參數設定、事實判讀與最終定稿由作者完成。文中已查核的數字均由作者實際開啟官方連結核對。

資料來源

現況 ・ByteDance Seed，〈One-take Creation, Flexible Referencing: Introducing Seedance 2.5〉，2026-07-31，https://seed.bytedance.com/en/blog/one-take-creation-flexible-referencing-introducing-seedance-2-5。 ・Xu et al.（哈爾濱工業大學深圳、清華大學），〈FilmAgent: A Multi-Agent Framework for End-to-End Film Automation in Virtual 3D Spaces〉，2025-01，https://arxiv.org/abs/2501.12909。 ・Wu, Zhu & Shou（新加坡國立大學 Show Lab），〈Automated Movie Generation via Multi-Agent CoT Planning〉（MovieAgent），2025-03，https://arxiv.org/abs/2503.07314。 ・〈Generative AI for Film Creation〉，2025，https://arxiv.org/abs/2504.08296。

案例與流程 ・作者實測（Matata），案例一：Dola 免費方案、Seedance 2.5，生成結果 https://youtu.be/H84m5H7sqtI，測試日期 2026-09-11。 ・作者實測（Matata），案例二：LibTV、Seedance 2.0 場景替換，生成結果 https://youtu.be/kmOmKfgdsrw，測試日期 2026-09-15；原始素材：Envato Elements 授權影片素材，https://app.envato.com/stock-video/92775d85-92d1-47b1-9136-5bbed62b63d9（作者持有會員授權）。 ・壹加壹（YouTube Shorts），實拍結合 AI 生成短片，https://youtube.com/shorts/pKA9NuUmkGw?si=5lIuK2qWfiesVrJz，查閱日期：2026-09-11。 ・Blender 汽車變形教學影片（YouTube），https://youtu.be/2wPHXMYq3pg?si=1BmO2IMWlNPStRYG，查閱日期：2026-09-11。 ・Blender Foundation，Blender Manual：〈Retopology〉https://docs.blender.org/manual/en/3.0/modeling/meshes/retopology.html；〈Animation & Rigging〉https://docs.blender.org/manual/en/5.0/animation/introduction.html；〈UV Unwrapping〉https://docs.blender.org/manual/id/dev/modeling/meshes/uv/unwrapping/introduction.html；〈Rendering〉https://docs.blender.org/manual/en/5.0/render/introduction.html；〈Compositing〉https://docs.blender.org/manual/en/5.0/compositing/introduction.html。 ・ADVANCED After Effects 3D COMPOSITING Tutorial（YouTube），https://youtu.be/ekT4V9G02c0?si=zbqkrRFFLVLihgJI，查閱日期：2026-09-11。 ・Adobe，〈Roto Brush and Refine Matte〉，https://helpx.adobe.com/after-effects/desktop/roto-brush-and-refine-matte/roto-brush/roto-brush-refine-matte.html；〈Tracking 3D camera movement〉，https://helpx.adobe.com/after-effects/desktop/work-with-3d-composition/3d-camera-tracker-effect/tracking-3d-camera-movement.html。

成本與定價（官方，查核日 2026-09-12） ・Kling AI，〈Kling Video 3.0 Model User Guide〉，https://kling.ai/quickstart/klingai-video-3-model-user-guide。 ・Kling AI，〈Kling Video 3.0 Credit Cost Guide〉，https://kling.ai/blog/kling-video-3-0-credit-cost-guide。 ・Dreamina，〈Seedance 2.0 Pricing 2026〉，https://dreamina.capcut.com/zh-tw/seedance/seedance-2-0-pricing。 ・Hailuo AI，〈Subscription Service Terms〉，https://hailuoai.video/doc/payment-policy.html。 ・Hailuo AI，〈Introducing Hailuo 2.3〉，https://blog.hailuoai.video/blog/introducing-hailuo-2-3-ai-video-generator。 ・Google Flow 說明中心，〈Manage Google Flow credits〉，https://support.google.com/flow/answer/16526234；〈Flow models & supported features〉，https://support.google.com/flow/answer/16352836。 ・Google One，〈Plans & pricing〉，https://one.google.com/about/plans。 ・匯率：1 USD = 31.6435 TWD（研究採用值，2026-09-12；以 XE Currency Tables 歷史／中間市場匯率資料交叉核對）。 ・作者實測（宥萱），Dreamina 帳號畫面，測試日 2026-09-12（單一帳號實付值，非通用定價）。