上个月接了个小活，甲方预算低得离谱，硬逼着我把一支三分钟的MV成本控制在一百刀以下。跑完发现完全可行，但坑全在流程。最烧钱的是视频生成那层，大部分平台按秒计费，720p再加一轮返修，预算立马绷紧。
我的做法是分层各用一个工具：文本模型先写概念和分镜脚本，图像视频扩散模型出画面，音乐模型做配乐，最后剪辑软件拼起来。省钱的核心是先把二三十个镜头的分镜写死，出静帧确认了再去动画，放大只留给主镜头，其余全用四秒片段代替八秒，剪辑节奏一点不受影响。
真正卡脖子的不是模型强不强，是你动手生成前那份分镜够不够细，光影情绪写清楚，返工次数直接砍一半。