多數人一聽到 AI 影片，直覺反應就是「一定比較便宜」。這句話某種程度上沒錯，但便宜到什麼程度，多數人講不出具體數字。以 Runway 目前的 Pro 方案為例，月費 28 美元，換算下來用它的 Gen-4.5 模型生成一支 30 秒影片，抓幾個版本挑出最好的一支，總成本大約落在新台幣 290 元到 430 元之間；同樣時長，傳統實拍團隊光是場地租借加上基本的攝影與燈光人力，一天的行情就是這個數字的十倍以上。
問題是，光比較這種「單支報價」沒有太大意義。真正該問的是 AI 影音成本效益，也就是把企劃、拍攝或生成、後製、修改重拍這些會反覆發生的成本都算進去之後，傳統實拍與 AI 工作流實際差在哪個環節。「AI 比較便宜」是空泛的說法，成本結構拆成看得到的變數，代入數字算一次，才知道差距落在哪裡，最後再收在一個判斷框架上：什麼情況真的該用 AI，什麼情況還是老老實實找團隊實拍比較划算。
先從「成本效益」指的是什麼講起，再一路往下拆。
AI 影音成本效益，算的是什麼？
多數在講「AI 影片比較便宜」的人，比的其實是一支影片的生成費用，對比一支影片的實拍報價單。這種比法只看「生成費用」，會低估兩邊真正的成本。
完整的成本效益，要看兩個維度。第一，直接花掉的錢只是其中一塊，反覆修改、重拍要付出的隱形成本也該算進去，這是「風險」維度；第二，產出的速度與能測試的版本數量，決定了這支影片能不能在對的時間點上線、發揮它原本該有的效果，這是「時間」維度。只算第一個維度就喊「AI 比較便宜」，等於用半套公式下結論。
麥肯錫在分析生成式 AI 對企業的整體經濟潛力時就指出，衡量效益不能只看成本下降，還要同時看產出品質與效果提升，兩端要一起算，才是完整的效益評估。
下面用一個公式，把「傳統實拍成本」與「AI 製作成本」都拆成三個變數，逐一算過一遍，再代入實際情境跑出具體數字。
成本效益比，怎麼從三個變數算出來？
公式其實不複雜：
成本效益比 =（傳統製作總成本 − AI 製作總成本）÷ 傳統製作總成本 × 100%
這個公式本身沒有陷阱，真正容易出錯的是等式兩邊的「總成本」。多數人套公式時只填報價單上的數字，結果算出來的效益比只反映了直接製作費那一項，沒把時間與風險算進去，整個比較就失真了。
把總成本拆開來看，其實只有三個變數在動：
- 直接製作費：企劃、拍攝或生成、後製這幾個環節實際付出去的錢，兩種工作流都有，只是結構不同，傳統偏人力與場地，AI 偏訂閱費與生成消耗的用量。
- 時間機會成本：一支影片早一週上線，能多接住多少流量或轉單，是常被忽略的效益來源。
- 修改與風險成本：改版、重拍，甚至上線後翻車要緊急下架重做，這些是報價單外的隱形帳。
直接製作費
最容易估的一塊。具體金額留到下面「傳統拍攝的隱藏帳」跟「AI 影音工作流換算成新台幣」兩節細算，這裡先記住，直接製作費只是總成本的其中一塊，不是全部。
時間機會成本
一支影片什麼時候上線，有時候比它拍得多精緻更重要。早一週上線的形象影片，可能多接住一波檔期流量；晚一週交件的社群廣告，可能整檔活動都錯過黃金曝光期。把「早上線的時間」換算成這段時間內可能多接住的流量或轉單，再拿這個數字去對照製作時間拉長會損失多少，就是這一項的算法。
實際換算方式留到下面情境試算再示範，這裡要先提醒，這一項因產業與投放規模而異，沒有放諸四海皆準的係數，零售品牌跟 B2B 服務業算出來的答案可能差很多。
麥肯錫在分析 AI 對影視製作的影響時也提到，用生成式的影像先做前期視覺化與版本測試，能讓劇組在正式開拍前先篩掉行不通的分鏡與運鏡方式，省下正式拍攝後才發現問題、得重新調度整組人力的修改時間，這正是時間變數會被納入計算的原因。
修改與風險成本
傳統實拍要改版，牽動的是整組人力與場地重新調度，成本通常比 AI 高出一個量級；AI 的修改成本低很多，改個提示詞、重新生成幾個版本就能調整。但 AI 也有自己的風險，用在對外發布的內容上，「翻車」的品質爭議要另外算進成本裡，後面「省下來的錢，買不到的是什麼？」會用兩個案例說明。
傳統拍攝的隱藏帳：錢實際花在哪五個階段
拿一個去識別化的情境往下算：一家做電商的中小企業，要拍一支兩分鐘的產品形象影片，找傳統團隊實拍。錢實際上花在哪裡，通常拆成五個階段。
前期企劃與腳本：好本子要花多少心力
腳本、分鏡、跟窗口來回溝通改稿，這段人力時間決定後面拍攝順不順。一支兩分鐘的產品形象影片，腳本從發想到定案，通常要跑過至少兩三輪修改，抓一位企劃或編劇型人力投入三到五個工作天並不誇張。以行政院主計總處薪情平臺可查到的「影片及電視節目業；聲音錄製及音樂發行業」平均薪資水準來抓基準，這個行業別近期每人每月總薪資落在 4 萬 2 千元上下，換算成日薪大約是 1,900 元左右。這只是整個行業涵蓋新手到資深各種職位的平均值，實際請一位有經驗的企劃，日薪通常會高出這個數字不少。這個階段抓下來，直接花費大約落在新台幣 1 萬到 2 萬元之間。
拍攝團隊與場地：人力仍是最大宗
導演、攝影、燈光、場地租借，是傳統實拍成本結構裡佔比最高的一塊，這塊 AI 幾乎幫不上忙。虛擬場景可以省下實體場地租借費，但導演怎麼運鏡、燈光怎麼打、演員怎麼表演，這些調度仍然需要有經驗的人力在場。一支兩分鐘的產品形象影片，一天內拍完是常見的抓法，團隊抓四到五人（導演、攝影、燈光、助理），場地租借與基本器材另計，這個階段合計大約落在新台幣 2 萬 5 千到 4 萬 5 千元之間。
剪輯與後製：時間吃掉的隱形成本
剪接、調色、字幕，工時直接反映在交件天數上。一支兩分鐘的形象影片，從初剪到定剪通常要跑三到五個工作天，中間還會有客戶端的修改回饋。這個階段抓下來，大約落在新台幣 1 萬到 2 萬元之間。
演員授權與音樂版權：授權費怎麼跳
演員授權範圍不同，費用差很多。單一平台使用和全媒體通路使用，是兩種完全不同的價格區間；現成的商用授權曲庫和量身訂做的原創配樂，價差同樣明顯。這個階段沒有一個放諸四海皆準的數字，只能說授權範圍越廣、素材越客製，費用就跳得越高，一支兩分鐘的形象影片，這塊大約落在新台幣 8 千到 2 萬元之間。
修改與備用預算：預算外的保險費
這裡呼應前面的「修改與風險成本」變數，傳統實拍要改版或重拍，牽動的是整組人力與場地重新調度，不是像 AI 改個提示詞那麼簡單。實務上，抓一筆總預算一到兩成的備用金當緩衝，是常見的抓法，這正是傳統製作在「彈性」上輸給 AI 的核心原因，因為重拍一次要付的代價，遠比生成模型多跑幾個版本高出許多。
五個階段合計起來，就是傳統製作總成本裡「直接製作費」那一塊，前面拆變數時提到的三個變數之一。場地、人力、演員這幾項，是傳統實拍結構性省不掉的部分，虛擬場景頂多省下場地費，人力調度跟演員授權還是躲不掉。AI 真正省下來的，主要是後製與重複產出的成本，不是把整體製作費全面打對折，這點後面會再進一步說明。
AI 影音工作流換算成新台幣，要付多少？
現在拿目前主流 AI 影音工具的官方定價，換算成「完成一支形象影片實際要付多少」，避免把 AI 想成免費。這幾年版本更新快，定價也常調整，以下數字都是查證當下的版本，實際要用時建議自己上官方頁面核對最新價格。
先講清楚一件事，AI 省下來的主要是直接製作費，不是把人力完全歸零。腳本還是要有人寫、提示詞還是要有人下、生成出來的素材還是要有人篩選跟剪接組裝，只是投入的時間量級，從「以週計算」降到「以天或小時計算」。
這裡拆成兩種工作流分別估算：生成式影片類，以及數字人／虛擬主播類。這不是要比誰比較好，只是拿目前有官方公開定價的工具當計算基準。另外提醒一件事，多數工具的免費方案都有使用限制，例如浮水印、影片數量上限，或商用授權限制，以 HeyGen 為例，免費方案每月只能生成 3 支影片；要正式對外發布，還是得升級到付費方案。
生成式影片類，用 Runway、Google Veo 抓基準
Runway 跟大多數生成式 AI 工具一樣，用「credits」（生成點數）計算用量，目前的訂閱方案如下：
| 方案 | 月費 | 月度 credits | Gen-4.5 消耗速率 |
|---|---|---|---|
| Standard | 12 美元 | 625 | 每秒 12 credits |
| Pro | 28 美元 | 2,250 | 每秒 12 credits |
| Max | 76 美元 | 9,500 | 每秒 12 credits |
Gen-4.5 模型生成影片固定消耗每秒 12 個 credits，換算下來，三個方案每一美元能兌換的 credits 分別是 Standard 約 52 個、Pro 約 80 個、Max 約 125 個，方案等級越高、單位成本反而越低；這裡抓中量級的 Pro 方案示範。用這個比例反推，要生成一支 30 秒的形象片，通常需要生成好幾個 5 到 10 秒的片段、挑出最順的版本再組裝，抓一個保守估算，總共生成大約 60 到 90 秒的素材才能挑出 30 秒能用的內容。以 Pro 方案的兌換比例算，這樣的生成成本大約落在新台幣 290 元到 430 元之間。
Google 的 Veo 模型則是另一條路徑。消費端可以透過 Google AI Pro 或 Ultra 訂閱使用 Flow 工具內建的影片生成功能，台灣定價：AI Pro 月費新台幣 650 元，每月 1,000 點 Flow credits；AI Ultra 分兩級，5 倍用量月費新台幣 3,300 元、每月 10,000 點，20 倍用量月費新台幣 6,500 元、每月 25,000 點。Google 官方沒有公開 Flow 每支影片固定消耗多少 credits，只說明會依畫質與模型而不同。如果改走 Google 官方公開的 Gemini API 開發者定價，Veo 3.1 標準畫質是每秒 0.40 美元，Fast 版本 720p 是每秒 0.10 美元、1080p 是每秒 0.12 美元，Lite 版本 720p 是每秒 0.05 美元。同樣抓 60 到 90 秒的生成素材去挑選，用 Fast 版本估算，成本大約在新台幣 190 元到 290 元之間；用標準畫質估算，則會拉高到新台幣 770 元到 1,150 元左右。
兩邊比較起來，同樣抓基準的估算法，單支 30 秒形象片的 AI 生成成本，大約落在新台幣 200 元到 1,200 元的區間，實際會因為迭代次數、解析度、挑片標準嚴不嚴格而浮動。
數字人／虛擬主播類，用 HeyGen 抓基準
數字人工作流是另一種典型的 AI 影音路徑，特別適合資訊型、公告型的內容，例如產品更新公告、教學說明這類需要頻繁更新、但不需要實景拍攝的內容。
HeyGen 目前的訂閱方案：Creator 方案月費 29 美元、每月 600 點 credits，Pro 方案月費 49 美元、每月 1,000 點 credits，Business 方案月費 149 美元加每席次 20 美元、每月 1,500 點 credits。生成 Avatar 影片，Avatar IV 模型每分鐘消耗 20 點 credits。
以 Creator 方案換算，每一美元能換到大約 20.7 點 credits，生成一支兩分鐘的 Avatar 影片，消耗 40 點 credits，成本大約是 1.93 美元，換算新台幣大約 60 元出頭。這個數字之所以這麼低，是因為數字人工作流不需要重新生成場景與運鏡，只是驅動一個既有的虛擬主播模型念稿，運算負擔本來就比生成式影片輕很多，換季換內容不換人設的場合，用數字人反而比每次重新約時間實拍划算。
兩個情境代入公式，成本效益比算給你看
把前面拆好的變數兜起來，實際跑兩個情境的公式，一個是社群廣告要測十支變體，另一個是單支兩分鐘形象影片的全成本比較。這裡代入的數字，都是抓中位數的示範值，不是市調結果，實際成本會因公司規模與需求浮動，重點是示範怎麼算，讓你能直接套用到自己的案子。
情境一：社群廣告要測十支變體，預算怎麼抓
社群廣告很少一次只做一版，常見的做法是同時測十支變體，再依成效留下轉換率最高的幾支。這種情境最能看出 AI 的規模經濟優勢。
傳統實拍要測十支變體，前期企劃可以共用一份腳本框架，這部分抓新台幣 15,000 元；但每一支變體幾乎都要重新調度團隊拍攝與剪輯，不是換個色調就能交差，抓每支變體大約新台幣 18,000 元的拍攝加後製成本，十支合計新台幣 180,000 元。傳統製作總成本合計新台幣 195,000 元。
AI 工作流同樣可以共用前期的腳本與提示詞框架，抓新台幣 8,000 元；每一支變體的邊際成本主要是生成消耗的 credits 與人力篩選，抓每支新台幣 3,000 元，十支合計新台幣 30,000 元。AI 製作總成本合計新台幣 38,000 元。
代入公式，成本效益比 =（195,000 − 38,000）÷ 195,000 × 100%，算出來大約是 80%。這個情境下，時間機會成本也該納入計算，因為社群廣告測試越晚跑出結果，越晚知道該把預算集中在哪一支上，拖越久等於流量損失越大，AI 能更快跑出十個版本，這項時間優勢在這個情境裡是額外加分，不是可有可無的細節。
情境二：一支兩分鐘形象影片，全成本差多少
換成單支、非測試型的情境，回到前面「傳統拍攝的隱藏帳」算過的那支兩分鐘電商產品形象影片，傳統製作總成本抓新台幣 90,000 元。
如果同一支影片改用 AI 工作流製作，腳本與提示詞規劃抓新台幣 8,000 元，生成素材抓新台幣 5,000 元（對照上面「AI 影音工作流換算成新台幣」抓的區間，取中間偏高值，因為兩分鐘的內容量體比示範的 30 秒基準多），人工篩選、組裝與後期調整抓新台幣 10,000 元。AI 製作總成本合計新台幣 23,000 元。
代入公式，成本效益比 =（90,000 − 23,000）÷ 90,000 × 100%，算出來大約是 74%。
兩個情境對照起來，同一套公式算出的成本效益比並不一樣，多變體測試情境的效益比比單支非測試情境高出好幾個百分點，原因在於 AI 的邊際成本隨迭代次數下降，傳統實拍的邊際成本卻幾乎不變。這也是為什麼「成本效益比」從來不是一個固定倍數，而是要看情境代入才準。至於時間機會成本，這個情境下比較沒有情境一那麼關鍵，因為單支形象影片通常不是搶時效的內容，晚個幾天上線，對整體效益的影響有限，計算時可以視情況拿掉這一項，或只當參考。
省下來的錢，買不到的是什麼？
成本效益比，只算得出「省多少」，算不出「品質風險」。這裡看兩個國際知名品牌的公開案例，說明 AI 省下的成本，有時候換來的是公關風險。
可口可樂在 2024 年與 2025 年的耶誕廣告，分別用 Runway 與 Luma Dream Machine 全 AI 生成製作。研究機構 Forrester 的分析估算，採用品牌 AI 系統的代理商，能省下至少 25% 的活動製作成本。System1 的創意測試結果也顯示，消費者在不知道是 AI 生成的情況下觀看這些廣告，評分高達 5.9 分（滿分 6 分），說明廣告本身的說服力沒有問題；但創意圈與消費者被告知是 AI 生成之後，批評聲浪明顯升高，主要針對畫面的 AI 感偏重、真實感不足。Forrester 同時指出，版權賠償機制不足，是目前產業採用 AI 影片工具的關鍵障礙之一，多數生成式影片工具還沒辦法提供完整的商用版權賠償保障。
玩具反斗城用 OpenAI 的 Sora 製作了一支 66 秒的廣告，在坎城影展首播，內容是品牌創辦人查爾斯．拉扎勒斯（Charles Lazarus）童年一場夢啟發他創立品牌的故事。廣告上線後，創意圈的批評相當直接：畫面裡的角色一致性出問題，主角在不同鏡頭裡外型不斷變化；玩具架上的玩具細節扭曲失真，看起來像是 AI 對「玩具長什麼樣子」的記憶本身就模糊不清。社群媒體上的批評不只針對技術瑕疵，也有人直言，用一支缺乏溫度感的 AI 生成廣告去歌頌孩子的想像力，這件事本身就顯得矛盾。
把這兩個案例放在一起看，省成本不等於沒風險，風險成本要算進效益比裡，不是算完直接製作費就結束。
什麼情況該用 AI，什麼情況還是該實拍？
算過一輪成本效益比之後，回到最實際的問題：什麼時候該用 AI，什麼時候還是該老實找團隊實拍。
不是「看預算」這種空話能回答的問題，而是幾個具體的判準，你可以拿自己的案子逐項核對。這四個判準彼此獨立，不需要按順序看，挑跟自己情境相關的核對就好。
內容類型：資訊型還是情感型
產品介紹、教學說明、公告這類資訊型內容，AI 幾乎全勝。這類內容的重點是把資訊講清楚，不需要真人的情感渲染，數字人或生成式影片都能勝任，而且改版容易，資訊一更新就能重新生成，不用重新約時間拍攝。
品牌故事、客戶見證、需要真人溫度與信任感的內容則相反。前面可口可樂與玩具反斗城的案例已經說明，一旦內容的核心訴求是情感連結，AI 生成的畫面就算技術上再精緻，觀眾一旦意識到是 AI，信任感還是會打折。這類內容，傳統實拍目前仍有優勢。
產出頻率：單次還是系列
只需要一支、追求品質天花板的內容，傳統實拍的邊際成本劣勢不明顯，因為本來就只拍一次，不會有「每支都要重新調度」的規模問題。前面情境二算出來的成本效益比，之所以比情境一低，原因就在這裡。
需要持續產出、頻繁更新的系列內容，情況完全相反。情境一算出來的規模經濟優勢，只會隨著產出頻率提高越滾越大，這正是 AI 工作流最擅長的場景。
風險容忍度：對外大型投放還是內部測試
大型公開投放，像是電視廣告或品牌年度活動，一旦翻車，公關成本很高，這種情境要更謹慎評估 AI 的品質風險，尤其前面提到的版權賠償機制目前還不成熟，是產業採用 AI 影片時公認的關鍵障礙。
內部訓練教材、社群測試素材、A/B 測試版本，情況不同。這些內容本來就不是拿來對外正式發布的，AI 的低成本試錯優勢在這裡完全發揮得出來，就算某個版本效果不好，重新生成一次的代價很低。
品牌調性：需不需要真人溫度
需要創辦人或真實客戶出鏡建立信任的內容，真人實拍的說服力目前仍難被取代，尤其是強調「這是真人真事」的見證型內容，一旦被發現是 AI 生成，反而會傷害原本要建立的信任感。
規格化、以資訊傳遞為主的內容則不同，人物是誰不是重點，這正是前面「數字人／虛擬主播類」提到的適用場景，數字人可以承擔這類角色，不需要每次都找真人出鏡。
多數公司不是二選一，而是把兩種工作流分流用在對的內容上，資訊型、系列型、內部測試用 AI，情感型、大型投放、需要真人溫度的內容留給實拍，兩邊各自發揮各自的優勢。
算過一次成本效益比，比爭論「AI 影片好不好」實際得多。三個變數、兩個情境試算、四個判準，不是要給一個放諸四海皆準的答案，而是把「怎麼選」的判斷權交還給你自己。下一支影片開拍前，先花幾分鐘把自己手上的案子套進這個公式跑一次，答案通常比爭論半天更清楚。