autoclip/docs/COST_PER_VIDEO.md

一条链接的成本与时间（实测 2026-10-01）

本机：Apple Silicon Mac，渲染低优先级、单线程排队；文字模型 qwen-plus（DashScope），价格按 ¥0.8 / 百万输入 tokens、¥2 / 百万输出 tokens 估算（第三方汇总价，以阿里云百炼官网为准）。语音识别为本地 Whisper base（免费，耗本机 CPU）。用量来自每个项目的 metadata/llm_usage.jsonl。这些是迭代期间不同素材、输出数量和处理设置的历史记录，不是同一输入的性能对照或正式包的统一测速。费用仅为当时文字模型的估算，未包含云端转写、视觉模型、AI 生图与投稿服务；实际按所选服务商账单结算。

四条真实素材

视频	时长	链路	链接 → 完成	片段 → 自动成片	模型调用	tokens（入 / 出）	模型费用
MrBeast（英文 → TikTok）	2h06m	旧链路	65 分钟	33 → 33	194 次	53.1 万 / 10.6 万	¥0.64
Karpathy（英文 → 抖音）	2h26m	过渡（一次挑片 + 硬件编码）	34 分钟	25 → 25	53 次	14.3 万 / 2.5 万	¥0.16
Jensen Huang（英文 → 小红书）	1h43m	新链路	7.5 分钟	21 → 10（其余备选）	34 次	7.7 万 / 1.2 万	¥0.09
TIM × 罗永浩（中文 → 抖音）	2h52m	新链路，无字幕	29.5 分钟	18 → 10	32 次	22.2 万 / 1.1 万	¥0.20

时间花在哪

阶段	旧（MrBeast）	新（Jensen，有作者字幕）	新（TIM，无字幕）
下载	~1 分	~1 分	~1 分
语音识别	9.3 分	0（直接用作者上传的字幕）	23 分（中文 2h52m，本地 Whisper）
选片段	35 分（4 步、128 次调用依次执行）	25 秒（2 次调用）	~40 秒（4 次）
切点精修 + 取景 + 包装	~6 分	~2.5 分（并行）	~3 分
渲染	14 分（33 支）	3 分（10 支，硬件编码）	2.8 分（10 支）

云端语音识别后（回归集，2026-10-01）

语音识别改为百炼 qwen-audio-3.1-asr-flash（8 路并行上传），其余同上。数据来自 benchmarks/fast_output/reports/20261001-1453（Dafoe、DevDay 取修正后的 20261001-1722）。费用只算文字模型；云端语音识别按百炼的音频时长另计，未计入下表。

素材	时长	平台	链接 → 完成	语音识别	挑片	渲染	片段 → 自动成片	模型费用
Stallone × NYT	1h17m	抖音	4.5 分	104 秒	8 秒	71 秒	5 → 5	¥0.02
Dafoe × Hot Ones	23m	TikTok + 抖音	5.7 分	37 秒	11 秒	136 秒	14 → 14	¥0.07
Dreamforce 主题演讲	1h48m	抖音	6.1 分	0（平台字幕）	22 秒	132 秒	13 → 10	¥0.11
鲁豫 × 郭柯宇	2h45m	抖音	8.7 分	233 秒	23 秒	186 秒	23 → 10	¥0.13
李诞 × 王祖贤	2h00m	抖音 + 小红书	9.3 分	168 秒	24 秒	281 秒	42 → 20	¥0.10
Druski × DOAC	1h48m	TikTok	10.0 分	153 秒	37 秒	182 秒	22 → 10	¥0.10
OpenAI DevDay	53m	TikTok + B 站	13.2 分	62 秒	17 秒	419 秒	22 → 20	¥0.08
Rubin × DOAC	2h46m	抖音 + Shorts	18.2 分	199 秒	24 秒	456 秒	66 → 20	¥0.15
Neumann × DOAC	2h15m	抖音 + TikTok	22.4 分	889 秒*	15 秒	241 秒	42 → 20	¥0.17

* Neumann 的语音识别明显偏慢（889 秒），原因还没确认（可能是当时上传排队），下次回归复测；同类 2–3 小时素材其余都在 2.5–4 分钟。TIM × 罗永浩（2h52m 中文）语音识别 23 分钟（本地 Whisper）→ 3.6 分钟。

这组记录中，追加平台增加了渲染耗时，横屏 B 站版较慢。当前按每个平台的资格规则筛选后，自动制作评分最高的至多 10 条合格候选；实际数量取决于素材与平台，追加平台还可能增加翻译和包装的模型调用。

使用这些记录时

• 作者字幕可跳过转写；无字幕时，本地转写耗本机资源，云端转写另按音频时长或服务商规则计费。这组云端记录包含明显偏慢的个例，不能据此保证处理时间。
• 片段数量、取景方式、字幕、目标平台、并发设置与硬件都会影响耗时。这里的价格估算和速度仅对应表中的测试条件。
• 每个平台先过滤资格、再选评分最高的至多 10 条自动制作；其余候选按需生成。追加平台或生成备选会增加渲染和模型用量，不应按固定成本或“片数翻倍”承诺。
• 正式安装包的验收状态见 1.5.0 验收与发版。重新测速时应另记日期、源码或安装包版本、输入、模型与输出数量，保留原始记录。