Il video AI sembra costoso perché un solo costo domina: il modello video. Tutto il resto in un film è una cifra trascurabile. Capire questa ripartizione spiega sia come funzionano i prezzi sia dove si può risparmiare. Questo articolo fornisce ordini di grandezza anziché cifre esatte, perché i prezzi dei fornitori cambiano ogni mese; ciò che resta stabile sono i rapporti tra loro.

Costi dei fornitori (ordini di grandezza, 2026)

  • Video, livello rapido: circa 0,05–0,12 dollari per secondo di output. Questi modelli producono una clip da cinque o dieci secondi in uno-tre minuti e sono sufficienti per bozze, clip social e stili disegnati.
  • Video, livello cinematografico: circa 0,15–0,40 dollari al secondo. Più lento, con movimento più ricco, fisica migliore e una tendenza ad aggiungere texture fotorealistiche che gli stili disegnati non vogliono.
  • Immagine (scheda del personaggio, keyframe): circa 0,03–0,06 dollari ciascuna. Un film richiede una scheda per personaggio e un keyframe per scena.
  • Voce: circa 0,10 dollari per mille caratteri. Un film di quattro minuti ha meno di duemila caratteri tra narrazione e dialoghi.
  • Lip sync: tariffato per secondo della clip da sincronizzare, in genere nella fascia del video rapido, e solo per le scene con una battuta parlata.
  • Musica: pochi centesimi al minuto.
  • Generazione della sceneggiatura: centesimi per film su un modello linguistico di classe flash, decine di centesimi su un modello di frontiera. Il modello di frontiera vale la spesa per la fase di regia e in nessun altro punto.

Un esempio concreto

Si prenda un film di quattro minuti con trenta scene da otto secondi, quattro personaggi, dodici battute parlate e narrazione in ogni scena. Sul livello rapido: il video è di 240 secondi a circa 0,08 dollari, quindi intorno ai 19 dollari. Schede e keyframe sono 34 immagini a 0,05, meno di 2 dollari. Voce, musica e regia insieme restano sotto 1 dollaro. Il lip sync su dodici clip da otto secondi aggiunge 5–8 dollari. Per il lato fornitori il film costa 27–30 dollari, di cui video e lip sync rappresentano oltre il 90 percento. Sul livello cinematografico la sola voce video sale a 50–90 dollari e tutto il resto resta invariato.

Dai dollari ai token

Un portafoglio di token esprime ogni operazione in un'unica unità, così che la persona non veda mai sette valute diverse. Il modo onesto di fissare i prezzi è un'unica formula: prezzo in token = costo reale × moltiplicatore di margine, al tasso a cui una persona paga effettivamente i token, ancorato al piano più scontato in modo che il margine non diventi mai negativo per nessuno. Se il piano più alto paga 0,8 del prezzo di listino, la formula usa 0,8, e ogni altro piano semplicemente guadagna di più.

La formula va applicata per operazione, non per film, perché sono le operazioni a essere addebitate e rimborsate. Un film è una trentina di addebiti; se uno fallisce, si rimborsa quello. Un prezzo per film nasconderebbe i fallimenti dentro una media e renderebbe impossibile ragionare sui rimborsi.

Che aspetto ha un margine equo

Circa il 40 percento sul lavoro creativo ad alto volume copre infrastruttura, rimborsi, assistenza e l'occasionale interruzione di un fornitore. Margini di diverse centinaia di punti percentuali erano comuni quando "generazione" significava una sola clip; non possono reggere in una pipeline che esegue trenta generazioni per film, perché la persona vede il totale. Un concorrente che prezza un film di quattro minuti a 30–40 dollari è un concorrente che ha fatto questi conti; una piattaforma che ne chiede 300 per lo stesso film non li ha fatti.

Dove si risparmia

  1. Generare prima in formato breve. Iterare su un montaggio di un minuto dell'inizio, sistemare il cast e lo stile, poi impegnarsi sulla durata completa. La maggior parte delle decisioni creative è visibile nel primo minuto.
  2. Usare il livello rapido per animatic e bozze e riservare il livello cinematografico al passaggio finale sulle scene che lo richiedono. Mescolare i livelli in uno stesso film non è un problema; la fase di assemblaggio normalizza la risoluzione.
  3. Comporre i keyframe prima di animare. Un fotogramma fallito costa centesimi; una clip fallita costa dollari. Esaminare trenta keyframe richiede due minuti e intercetta la maggior parte degli errori di composizione.
  4. Saltare il lip sync nei campi lunghi. Le bocche non sono visibili; la battuta può essere riprodotta nella traccia audio senza alcuna perdita.
  5. Riutilizzare le schede del cast tra un film e l'altro. I personaggi vengono disegnati una volta sola.

Che cosa devono coprire gli abbonamenti

Un piano vende una dotazione mensile di token a prezzo fisso. La regola di solvibilità è semplice: se l'intera dotazione viene spesa nell'operazione più costosa, il costo per i fornitori deve comunque restare inferiore al prezzo del piano. Fare questo calcolo prima di pubblicare i prezzi e rifarlo ogni volta che un fornitore cambia una tariffa. Un piano che perde denaro sui suoi utenti più intensivi attirerà proprio quegli utenti.

Domande frequenti

Perché non addebitare direttamente in dollari? I dollari espongono i prezzi dei fornitori e trasformano ogni variazione di tariffa in una discussione. I token consentono alla piattaforma di assorbire le piccole variazioni e di rivedere i prezzi solo quando il costo sottostante cambia in modo sostanziale.

Perché i lavori falliti vengono rimborsati automaticamente? Perché il fornitore non li addebita, e quindi non dovrebbe farlo nemmeno la piattaforma. I rimborsi devono essere idempotenti, così che un rimborso ritentato non paghi mai due volte.

I film più lunghi costano meno al secondo? No. Il prezzo del video è lineare nei secondi; i fornitori non applicano sconti sui volumi, e una piattaforma non dovrebbe inventarne uno che non è in grado di finanziare.