78 lines
5.3 KiB
Plaintext
78 lines
5.3 KiB
Plaintext
# COST-EST-40EP-LOCAL.hdlp · 40集本地方案成本估算
|
||
|
||
> HLDP://cang-ying/eererdan/COST-EST-40EP-LOCAL
|
||
> 耳耳蛋 ICE-GL-耳耳蛋 · PTS-VA-001-EED
|
||
> D198 · 2026-07-27 · 苍耳问"本地方案做一部40集剧成本多少"
|
||
> D198 修订 · 苍耳追问"配音字幕能否用免费开源" → 全链开源打法更新
|
||
|
||
## 估算前提（锁定）
|
||
|
||
| 项 | 取值 | 说明 |
|
||
|----|------|------|
|
||
| 剧集数 | 40 集 | 苍耳指定 |
|
||
| 单集时长 | 1.5–2 min | 取中值 1.75 min |
|
||
| 单集镜头 | ≈20 镜 | hero特写约占 3–5 镜 |
|
||
| 硬件基座 | 7800X3D + 7900 XTX 24G（苍耳已有） | 零购置 |
|
||
| 生成模型 | Wan2.2-14B（Apache 2.0，商用干净） | 本地免费 |
|
||
| 配音模型 | **CosyVoice 2（Apache 2.0，本地）** | 开源免费，商用干净 |
|
||
| 字幕链路 | **Qwen本地翻译 + Whisper识别 + ffmpeg压制** | 全开源免费 |
|
||
|
||
## 成本要素单价（真实数据 + 开源替代）
|
||
|
||
| 要素 | 云端单价 | **开源本地单价** | 来源/说明 |
|
||
|------|------|------|------|
|
||
| 视频生成 | ¥4–5/镜(Seedance) | **¥0**（Wan2.2 本地，仅电费） | COST-LOG + Wan2.2 Apache2.0 |
|
||
| 电费 | — | **¥0.27/h**（7900 XTX 满载） | 实测推算 |
|
||
| 配音(TTS) | ¥5–15/集(豆包) / ¥100–300(ElevenLabs) | **¥0**（CosyVoice 2 本地推理） | Apache2.0 商用干净 |
|
||
| 字幕 | ¥0–5/集 | **¥0**（Qwen+Whisper+ffmpeg） | 全开源 |
|
||
| 超分 | 商业API 计费 | **¥0**（Real-ESRGAN 本地） | 开源 |
|
||
| 内存 32G(不加) | — | **¥0**（1.3B量产区无忧；14B需清程序单任务） | 官方下限档，可跑 |
|
||
| 内存升 64G | — | **一次性 ¥600–800** | 无忧档，建议 |
|
||
|
||
> 开源 TTS 选型：CosyVoice 2（阿里，Apache 2.0，多语种/克隆/情感，中文最强）首选；GPT-SoVITS（MIT，社区商用灰区）；Fish Speech（需单独授权，非商用）。
|
||
> 狼人剧是海外变现，授权必须干净 → **优先 CosyVoice 2**。TTS 推理极轻，4060 笔记本可并行跑，不占 7900 XTX 主卡时隙。
|
||
|
||
## 三档方案 · 40 集总成本（全链开源版）
|
||
|
||
| 方案 | 视频生成 | 配音 | 字幕 | 硬件一次性 | **合计** |
|
||
|------|:--:|:--:|:--:|:--:|:--:|
|
||
| **A · 全本地开源** | ¥22（电费） | **¥0** | **¥0** | ¥0–700(可选) | **≈¥22–722** |
|
||
| **B · 混合**(hero 5镜云端) | ¥946 | **¥0** | **¥0** | ¥0–700(可选) | **≈¥946–1646** |
|
||
| **C · 纯云端视频**(配音仍开源) | ¥3400+ | **¥0** | **¥0** | ¥0 | **≈¥3400** |
|
||
|
||
> 全本地 A 档：视频电费=2h/集×¥0.27×40≈¥22；配音/字幕开源¥0；内存¥700。
|
||
> 对比纯云端 C 档（仅视频走Seedance）：20镜×¥4.5×40=¥3600，配音字幕已开源故不再叠加。
|
||
|
||
## 核心结论
|
||
|
||
1. **全链开源 40集 ≈ ¥22（不加内存）~ ¥722（升64G）**，比纯云端视频+开源配音 ≈¥3400 **省 79–99%**；不加内存则仅电费成本。
|
||
2. **生成+配音+字幕全免费**：唯一硬件成本=内存¥700 一次性；运营近乎零成本（除人力时间）。
|
||
3. **配音/字幕是比视频更易本地化的环节**：推理极轻，4060 笔记本可并行，不挤占 7900 XTX 视频生成主卡。
|
||
4. **降本主因未变**：本地重生成免费，消灭 COST-LOG 那 85% 试错浪费。
|
||
|
||
## 内存不加（32G）的折中跑法
|
||
|
||
32G 是 Wan2.2-14B + 24G 卡的**官方下限档**，**能跑但余量小**（14B 权重 offload 到 RAM，峰值吃 20GB+，加 Windows 5GB 易顶满）。不加内存的实操方案：
|
||
|
||
- **量产区（中景/对话/空镜）**：用 Wan2.2 **1.3B 小模型**（480p），权重仅~2.6GB，32G 完全无压力，免费跑。
|
||
- **hero 特写（眼/印记/血）14B 720p**：生成时**关闭浏览器/剪映等占用程序 + 单任务跑**，靠 WanVideoWrapper 动态 offload 在 VRAM/RAM 间换页；偶发 OOM 重试即可。
|
||
- **或 hero 特写直接扔云端 Seedance**（混合 B 档），32G 全程只跑 1.3B，彻底不碰 14B 本地，零 OOM 风险。
|
||
|
||
→ 不加内存，成本压到 **¥22（纯本地 1.3B+清程序跑 14B）~ ¥946（混合）**，比加内存省 ¥700。代价=需手动管理内存占用 + 接受偶发 OOM。
|
||
|
||
## 诚实约束（估算边界）
|
||
|
||
- **开源 TTS 质量略逊 ElevenLabs/豆包大模型声线**：短剧是"听感驱动"产品，情感戏/hero 台词完播率敏感。若开源声线不达预期，可只对关键集/关键角色用商用声线兜底（局部成本可控）。
|
||
- **商用授权必须干净**：CosyVoice 2 (Apache 2.0) 干净首选；GPT-SoVITS/Fish Speech 商用需确认授权，海外变现剧勿踩灰区。
|
||
- **不含人力时间成本**：写本/分镜/剪辑/一致性调试是最大隐性成本，单人 1–2 集/日≈1–2 个月工期。
|
||
- **首集资产建设**：角色锚点/场景风格探索本地免费，但 Wan2.2 + CosyVoice 音色调试需时间投入。
|
||
- **电费按满负荷估**：实际挂机非 100% 满载，更低。
|
||
|
||
## 行动建议
|
||
|
||
- 走 **A 全本地开源** 最省：视频 Wan2.2 + 配音 CosyVoice 2 + 字幕 Qwen/Whisper/ffmpeg，全免费，仅内存¥700 一次性。
|
||
- 急活卡 deadline 时临时切 B 混合（hero 5镜扔云端 Seedance）。
|
||
- 部署按 LOCAL-VIDEO-DISPATCH-PLAN.hdlp，拿 EP02 一镜实测对标本估算，校准数字。
|
||
|
||
⊢ 本估算基于 COST-LOG 真实单价 + 7900 XTX 电费实测 + 开源模型 Apache2.0 授权核实，待 EP02 实测后回填真值。
|