钱花在哪，key 怎么配
这套东西本身不收钱，钱全花在你配的 API key 上。作者的设计原则是先免费跑通，需要什么再加什么——所有 key 都是可选的。
想直接算账的话，用成本估算器；这一篇讲的是配 key 的策略。
98 个工具按要不要 key 分成三档，工具库页可以按这三档筛：
| 档位 | 数量 | 说明 |
|---|---|---|
| 不用任何 key | 64 个 | FFmpeg 系工具、Remotion 合成、本地 Whisper 转写、Piper 配音、本地扩散模型、Pixabay 音乐 |
| 只要免费 key | 6 个 | Pexels、Pixabay 的图片和视频、Freesound 音乐 |
| 按量付费 | 28 个 | 各家生成模型和高级 TTS |
也就是说，六成以上的工具不需要你掏任何东西。
一把 key 能覆盖多少
Section titled “一把 key 能覆盖多少”如果只想配一把，作者的答案是 fal.ai：一个 FAL_KEY 同时解锁 FLUX 图像、Recraft 图像、可灵视频、Veo 视频、MiniMax 视频。纯按量付费，没有月费，没有起充门槛。
第二个选择是 OpenAI：OPENAI_API_KEY 一把解锁 gpt-image-2 图像 + OpenAI TTS + Sora 视频。作者那条 45 秒的《VOID 神经接口》就是只用这一把 key 跑完的，花了 $0.69。
第三个是 Google：一把 GOOGLE_API_KEY 覆盖 TTS（每月 100 万字符免费，700+ 音色）、Imagen 4 图像、Lyria 音乐、Gemini Omni 和 Veo 视频。免费额度是三家里最大方的。
免费额度清单
Section titled “免费额度清单”| 服务 | 免费额度 |
|---|---|
| Pexels | 完全免费，商用不需署名，每小时 200 次请求 |
| Pixabay | 完全免费，商用不需署名，每小时 5000 次请求 |
| Google TTS | 每月前 100 万字符 |
| ElevenLabs | 每月 1 万字符（约 2–3 分钟旁白），含 3 个自定义音色 |
| Piper | 无限，因为跑在你自己电脑上 |
| Freesound | 免费，只要一个 key |
| Runway | 一次性 125 credits（约 5 秒 Gen-4），不按月续 |
| Suno | 每天 50 credits（约 10 首），仅限非商用 |
生成一秒画面要多少钱
Section titled “生成一秒画面要多少钱”这是决定总账的大头。按秒计价的差距能到 8 倍：
| 模型 | 单价 | 60 秒要多少 |
|---|---|---|
| Kling 2.5 Turbo Pro | $0.07 / 秒 | $4.20 |
| MiniMax 海螺 | 约 $0.05 / 秒 | $3.00 |
| WAN 2.5 | $0.05 / 秒 | $3.00 |
| 即梦 3.0 Pro | 约 $0.05 / 秒 | $3.00 |
| Runway Gen-4 Turbo | 约 $0.05 / 秒 | $3.00 |
| Runway Gen-4 Aleph | 约 $0.15 / 秒 | $9.00 |
| Veo 3 | $0.40 / 秒 | $24.00 |
| 本地 WAN / 混元 / LTX | $0 | $0（要 GPU） |
所以「动画短片」那条线的做法才显得聪明：根本不按秒买视频，改成买图（FLUX Dev $0.03 一张），30 秒只用 12 张，总共 $0.36 以内，再靠镜头运动做出动感。
| 模型 | 单价 |
|---|---|
| gpt-image-2 低画质 | $0.006 |
| xAI Grok | $0.02 |
| 通义 Qwen-Image | 约 $0.02 |
| FLUX Dev | $0.03 |
| Recraft v3 | 约 $0.04 |
| FLUX Pro v1.1 | $0.05 |
| gpt-image-2 中画质 | $0.053 |
| gpt-image-2 高画质 | $0.211 |
| 本地 Stable Diffusion | $0（要 GPU） |
注意 gpt-image-2 的三档画质差了 35 倍。同样是 12 张图，低画质 $0.07，高画质 $2.53。
| 服务 | 价格 |
|---|---|
| Piper 本地 | $0 |
| 谷歌云 TTS | 每月前 100 万字符免费 |
| ElevenLabs | 每月前 1 万字符免费，之后 $5/月起 |
| OpenAI gpt-4o-mini-tts | $12 / 100 万字符 |
| OpenAI tts-1 | $15 / 100 万字符 |
| OpenAI tts-1-hd | $30 / 100 万字符 |
一条 60 秒的中文旁白约 270 字，就算走最贵的 tts-1-hd 也只有 $0.008。配音基本不构成成本——这也是为什么免费路线能跑通。
中文旁白另有两个专门选项：火山豆包 TTS（DOUBAO_SPEECH_API_KEY）和阿里通义 Qwen-TTS（DASHSCOPE_API_KEY），普通话表现比通用模型好。
有 GPU 的话
Section titled “有 GPU 的话”本地这一档全部免费，只吃电和显存：
- 视频：WAN 2.1（1.3B / 14B）、混元、CogVideo（2B / 5B）、LTX-Video
- 图像：Stable Diffusion（走 diffusers）
- 配音：Piper
- 转写：faster-whisper / WhisperX
- 合成：Remotion 和 HyperFrames 本来就跑在本地
也就是说，一台有独显的机器可以把整条链路的成本压到 0，且完全离线。
想省钱，记住三件事：
- 配音、配乐、素材库这三块基本不用花钱，免费额度足够；
- 钱几乎全花在画面上，而画面有「代码画 → 免费实拍 → 生成静帧 → 生成视频」四档，差好几个数量级；
- 提示词里加一句「只用免费工具」，AI 就会自动路由到零成本那条路。
完整挂牌价见成本估算器页底部的价目表，或原仓库的 docs/PROVIDERS.md。