L2 原创课程：B 站视频制作与成本方案

版本日期：2026-07-23。本方案以 30 讲原创图文课程为内容母稿，推荐“原创配图＋配音＋字幕＋少量动效”为主，并只在重点镜头使用 AI 生成视频。价格会变动，投产前应再次核对官方定价。

一、先给结论

最适合这套知识课的是 A 方案：图片＋音频直接合成视频。

• 30 集、每集约 5 分钟、每集约 1,000 个汉字口播稿。
• 每集 6 张内容图，整套再做 30 张封面，共 210 张图。
• 使用 MiniMax speech-2.8-turbo 和 image-01，API 估算总成本约 ¥17.85；换高质量配音约 ¥27.30。
• 本地使用 FFmpeg 合成视频，软件 API 成本为 ¥0，不含电费、人工和存储。
• 若每集加 2 段 6 秒 AI 动态镜头，30 集会新增 ¥81（768P Fast）。

AI 知识课的核心是解释清楚，不是每秒都有新画面。稳定的图卡、高质量口播、准确字幕和适度镜头运动，比全程 AI 视频更清楚、更统一、更省钱。

二、计算假设和官方单价

2.1 本次估算假设

2.2 2026-07-23 查到的 MiniMax 官方按量价

单价来源：MiniMax 官方按量计费。如已购买 Token Plan，可先用套餐额度；官方当前公开月费为 Plus ¥49、Max ¥119、Ultra ¥469，不同资源共享套餐额度，详见 MiniMax Token Plan。不能只看“每日次数”估成本，还要以自己账户实际额度和超额规则为准。

三、三种制作路线和成本

A. 图片＋配音合成（推荐）

若首次设计一个专属音色，再加 ¥9.9：Turbo 总计约 ¥27.75，HD 总计约 ¥37.20。复刻真人声音前必须取得本人明确授权；无授权时使用平台合规预设音色。

B. 混合动画：静态为主，每集 2 段 AI 动态镜头

如果动态镜头改用 1080P Fast，60 段费用是 ¥138.60，整套加 Turbo 语音和图片后约 ¥156.45。实务中可用 768P 生成，放入 1080P 版式中配合边框、文字和背景，不必强行铺满画布。

C. 几乎全程 AI 视频（不建议做整套）

5 分钟约 300 秒。若全部由 6 秒镜头组成：

• 单集需 300 ÷ 6＝50 段。
• 30 集需 50 × 30＝1,500 段。
• 768P Fast 视频成本＝1,500 × ¥1.35＝¥2,025。
• 加 Turbo 语音和 210 张图后，估算约 ¥2,042.85，平均每集约 ¥68.10。

这还未计算重新生成失败镜头、人物一致性修正和剪辑工时。全程生成很容易出现角色变形、画风跳变和知识图示不准确，可留给宣传片或少数旗舰集。

四、单集 5 分钟的标准结构

口播原则

• 一句尽量只讲一件事，专用词后立即补大白话。
• 不读满屏文字；字幕是帮助理解，不是口播稿全部堆在画面上。
• 口播稿先用真人节奏审一遍，再合成语音；专有名词建立发音表。

五、“图＋音频”直接合成流程

1. 内容母稿：从 30 讲图文课中抽取“问题—比喻—原理—工作案例—边界—练习”。
2. 口播稿：写成 900—1,100 汉字，标出停顿、重音和专有名词读法。
3. 画面表：每句口播对应图片、字幕、运镜和时长，必须先对齐再合成。
4. 生成素材：配图不直接生中文；中文标题、公式和字幕由 HTML/PPT 排版。
5. 语音生成：分段合成，便于某一句修改时不用重做全集。
6. 本地合成：FFmpeg 完成图片时长、缩放/平移、语音、背景音和字幕的合成。
7. 质检：检查事实、引用、字幕错字、画音同步、音量、闪烁、品牌与版权。

FFmpeg 合成的大白话公式

多张定时图片＋一条口播音轨＋一条字幕＋可选背景音 → 1080P MP4

建议输出 H.264 视频＋AAC 音频的 MP4，16:9、1920×1080、25/30 fps。背景音只做氛围，不能压住人声；字幕同时保留 SRT 文件，便于 B 站再编辑。

六、B 站发布与包装方案

系列分组

1. AI 入门不绕弯：第 01—04、21—27 讲。
2. AI 与人的新工作方式：第 05—11 讲。
3. 企业知识库与 Agent 工程：第 12—16、28、30 讲。
4. OpenClaw、Hermes 与安全实战：第 17—20 讲。
5. AI 视觉原理：第 29 讲，后续可扩展配图实战。

标题模板

• RAG 到底是什么？用开卷考试讲清企业知识库
• Skill、MCP、Agent 有什么区别？5 分钟看懂一张关系图
• 长任务不是让 AI 一直跑：8 道安全护栏

封面保持一个系列识别：左上角系列标签、中间 8—14 个字的问题、右侧一个原创概念图形。不在封面堆满术语。

七、工期与算力利用

空闲时段做批处理

• 批量生成配图、配音、字幕时间码和低清预览。
• 使用任务队列，设置 CPU/GPU 使用上限，避免影响白天工作。
• 每完成一集保存中间文件与检查点，中断后从未完成集继续。

工作忙时只做轻任务

• 写口播稿、审字幕、标记镜头、记录修改意见。
• 只渲染 360P/540P 预览，终稿 1080P 在空闲时段批量输出。
• 优先复用已通过质检的片头、片尾、字幕样式和转场模板。

建议的发布节奏

先做 3 集样片（RAG、Agent 概念关系、长任务安全），验证完播率、字幕密度和评论区疑问。定稿模板后，每周批量制作 4—6 集，每周发布 2—3 集，预留内容库，不让更新节奏反过来压缩质检。

八、原创与版权风险检查表

• 不使用第三方课程字幕作为口播稿，不逐句改写。
• 不照搬对方的集数顺序、独特案例、人物、镜头、封面和视觉风格。
• 每集都从 L2 学员的工作问题重新组织，添加本课自己的案例、练习和安全边界。
• 技术定义优先引用官方文档或原始论文，屏幕展示第三方页面前核对授权。
• 生成图片不要模仿在世艺术家、现有课程角色、品牌 Logo 或未授权肖像。
• 音色复刻必须有明确授权；背景音、字体、音效和素材保存商用许可证明。
• 发布前由人工做事实、隐私、版权、安全和字幕五项审核。

九、建议的第一批交付物

1. 30 讲图文课程母稿。
2. 30 张 16:9 知识公式 PPT 图卡。
3. 3 集样片的口播稿、镜头表、SRT 字幕和成片。
4. 一套片头、片尾、封面、字幕和转场模板。
5. 一份事实来源表、素材授权表和发布质检表。

最终建议：先以 A 方案做 3 集样片，只为开场或关键原理增加少量 AI 动态镜头。样片数据证明动态镜头真的提高理解或完播后，再升级到 B 方案，不一次性为 30 集购买全程 AI 视频成本。