创作技巧、教程与平台资讯，帮助你用好 AI 创作和模型 API。
语音相关 API 常见三种计价：按音频 token、按字符、按时长。据官方定价页（2026-10-26 核对）：Gemini 语音合成按音频 token 计费，每秒音频对应 25 token，gemini-3.8-flash-tts 在 2026 年内的音频输出是每百万 token $9.00，官方折算约每 10 秒 $0.00225，2027 年 1 月 1 日起为 $18.00；xAI 文字转语音是每百万字符 $15.00，实时语音对话是每分钟 $0.08。本文给出换算步骤、预览模型关停提醒和问答。
多图输入时最容易踩的是张数、体积和尺寸上限。据各家官方文档（2026-10-26 核对）：Gemini 用内联方式传图时，整个请求（含文本、系统指令和内联数据）上限 20MB，更大的请求要用 File API；OpenAI 每个请求最多 1,500 张图、总共 512 MB，单图超过 30,000 个 patch 会被拒绝而不是自动缩小；Claude 每张图最大 8000×8000 px，一次超过 20 张时尺寸限制更严。本文附上传前检查清单和问答。
把请求限定在某个地区处理，通常要额外付费。据官方定价页（2026-10-26 核对）：OpenAI 的区域处理（数据驻留）端点加价 10%，只适用于 2026 年 3 月 5 日及以后发布的模型，FedRAMP 端点也加 10%；Claude 4.6 及以后的模型用 inference_geo 指定仅在美国推理时，所有 token 计价类别乘 1.1，并和缓存倍数、Batch 折扣叠加；xAI 发往美国区域端点的请求按全球价的 1.1 倍计费。本文给出估算步骤和开通前清单。
据各家官方报错和限流文档（2026-10-26 核对）：429 不一定是请求太快，OpenAI 的 429 还包括余额用完和项目消费上限，Anthropic 档位消费封顶的 429 没有 retry-after，恢复访问前会一直失败；503（Gemini、OpenAI）和 529（Anthropic）表示服务暂时过载。Gemini 官方建议只对 429、408、5xx 这类临时错误做指数退避，不重试 400 这类客户端错误。本文给出分类表和文字版重试步骤。
据官方弃用页（2026-10-26 核对）：Veo 3.1 三个预览版和 gemini-omni-flash-preview 已于 2026 年 10 月 22 日停用，官方替代是 gemini-omni-1.1-flash；gpt-image-1、o1、gpt-4-turbo 等 OpenAI 旧模型及对应微调版本已于 10 月 23 日停用，替代见弃用页对照表；Gemini 旧版 Deep Research 代理的官方关停日 10 月 23 日已过，迁移要改 agent 参数。本文给出替代对照、规格核对点和迁移清单。
同样是生成一秒视频，各家的计价单位不一样。据官方定价页（2026-10-26 核对）：Kling 3.0、xAI 视频直接按每秒美元标价；Gemini Omni Flash 按输出 token 计费，官方给的折算是 720p 每秒 5,792 token、约 $0.10；Vidu 按每秒积分计价，1 积分 = 0.03125 元。Kling 4.0 价目表写明，带输入视频时计费秒数不等于输出时长。本文讲怎么读单位、怎么算秒数，附读价清单和问答。
提示缓存把每次都一样的长前缀存起来，命中时按更低的价格收费，但写入通常比普通输入贵。据官方定价页（2026-10-26 核对）：Claude 的 5 分钟缓存写入是基础输入价的 1.25 倍，1 小时是 2 倍，读取是 0.1 倍（部分型号 0.025 或 0.05 倍），这些倍数会和 Batch 折扣、数据驻留叠加；OpenAI 定价页分别列了 30 分钟和 12 小时的写入价；Gemini 2.5 及以后的模型默认开启隐式缓存。文末附估算步骤和问答。
同一个模型 API 常有好几个价位：Batch 便宜但要排队，Flex 便宜但更慢，Fast 更快也更贵。按各家官方文档（2026-10-26 核对）：OpenAI 和 Gemini 的 Batch 都按标准价的 50% 计费，官方写 24 小时内完成，Gemini 写的是目标；OpenAI Flex 按 Batch 价收费，核对时仍是 beta；OpenAI 的 Priority 已在 2026 年 7 月 30 日改名 Fast；Claude Batch 输入输出都打五折，fast mode 不能和 Batch 同时用。文末附选档清单和问答。
短视频的开头，常见的写法是「大家好，今天跟大家聊聊……」，几秒过去了，观众还不知道这条视频讲什么。一套通用的写法是：第一句直接给东西，可以是结果（先放成品）、问题（说出观众正在遇到的麻烦）、反差（常见做法和你的做法不一样）、数字（几步、几个办法）或场景（一个观众熟悉的画面）；画面、字幕和口播说的是同一件事；删掉自我介绍和背景铺垫；开头承诺了什么，后面就要给什么。本文附 5 种开头的写法和示例、可复制的指令和空白模板。这是通用写作方法，不是实测，也不引用数据。
口播稿念起来像读课文，问题常常不在内容，而在句子是写给眼睛看的：长句、书面词、先铺垫再给结论。观众只能听一遍，没法回头重看。一套通用的改法是：一句话只说一件事，长句拆短；先说结论，再说为什么；书面词换成口语词，「因此」改成「所以」；数字和术语念得出来才写；写完自己念一遍，卡住、喘不过气的地方就改。用 AI 起草后，也可以让它按这几条重写一遍。本文附改写前后的对照、可复制的改写指令和空白模板。这是通用写作方法，不是实测，也不引用数据。
想让视频里的人物用指定的声音说话，有官方说明给的写法是：在角色后面写一次「音色参考 音频 1」，这个角色的所有台词都按这个音色来；台词写成「用音频 1 的音色说：“……”」。不要对白时要明确写「无对白」，否则由模型自己决定。有的产品目前只支持人声参考，背景音乐和音效由模型根据画面生成；时长、个数各家规定不同，以实际界面为准。只写「专业、温暖」这类形容词，往往会出来一个千篇一律的声音。参考音频怎么录，官方没写，本文给的是通用写法。不是我们的实测。
写视频提示词时，「每秒摇头 3 次」「疯狂眨眼」这类快速重复的动作，有官方提示词指南明确建议避开，原因是模型控制不了这类高频动作。另一份官方指南提醒：想把每一秒都安排上多个动作、多次换场，可能出现意料之外的结果；抽象的概念往往会让画面出现随机的动作。可以这样改：把高频动作改成一次、慢一点、幅度清楚的动作；动作少写几个，抽象词换成看得见的动作；不想要的动作写进负向提示，比如「不要夸张的肢体动作」「不要夸张眨眼」。官方没说高频动作出来是什么样子，改写方法是通用写法，不是我们的实测。
用关键帧或首尾帧做视频，常见的问题是提示词说一开始亮出商品，关键帧却把亮相放在中间，模型不知道听谁的。按几家官方说明整理的写法是：关键帧负责定住重要时刻的画面，提示词负责写清画面怎么从一个时刻走到下一个；先排好时间线，再让提示词按同样的顺序写；首尾两帧保持同一主体、场景或机位，差得越远越难控制；一个关键帧别同时换掉人物、环境、商品、机位、光线和风格。有的产品里首尾帧和参考素材不能同时用，以实际界面为准。本文附可复制的提示词和空白模板。不是我们的实测。
让 AI 在图里写中文，错字、多字、断行乱是常见问题，官方也承认文字的位置和清晰度仍可能吃力。按几家官方说明整理的写法是：先把文案定好，再要带字的图，效果更好；字体用描述的方式写，比如「行楷风格、略带飞白」；横排还是竖排、分几行都写明。官方曾建议把要出现的字原样放进引号，要求逐字、不多不少，并写清位置、大小、颜色。官方示例里就写了位置、字体、约占画面高度几分之一、四句分两行。中文专门的标点和竖排规则，官方没有说明，本文给的是通用写法。不是我们的实测。
用 AI 给商品实拍换背景，常见的翻车不是背景不好看，而是瓶身上的字变了、形状变了，或者商品像贴上去的。按几家官方说明整理的写法是：先写明商品保持不变，形状、标签文字一字不改；再写新场景和它的光线，让商品融进去；Logo、标签这类关键细节要在提示词里详细描述才保得住。官方曾建议放进新场景时对齐光线、透视、比例和阴影；官方也曾建议换完检查边缘有没有毛边光晕、标签是不是清晰没变。本文附 4 步写法、可复制的提示词和空白模板。这是照官方说明整理的写法，不是我们的实测。
给同一个角色连续出图，第 1 张满意，到第 5 张可能已经像换了个人；官方也承认，跨多次生成时偶尔可能保持不住。按几家官方说明整理的流程是：先出一张角色锚图；之后每次把上一张生成的图喂回去，只改一项（角度、表情或场景）。官方曾建议写一份固定的保留清单，每轮原样复述，写上「不要重新设计角色」，开始跑偏时重新写明关键细节；还不行，我们建议回到锚图重出。本文附流程、可复制的提示词和空白模板。这是照官方说明整理的写法，不是我们的实测。
给了风格参考图，提示词里又写一串风格词，出来的图可能两边都不像。整理几家官方说明，写法是：用了风格图就少写风格词，提示词写短。官方曾建议写清哪些跟参考图走（色调、质感、笔触、颗粒感），哪些要换（主体、场景），再加背景、构图、「不要多余元素」这类硬约束。多张风格图选调性一致的，混搭就是交给模型去融合。有的模型最多只收 3 张风格参考。本文附写法、可复制的提示词和空白模板。这是照官方说明整理的写法，不是我们的实测。
用 AI 改图时只写「把 A 改成 B」，背景、光线、构图也可能跟着变。官方文档给的写法是：用一句话圈定要改的地方，写明「只改这一处，其余保持完全不变」，要改的东西要指认到只有一个对得上，必须保留的细节点名写。官方还曾建议：连续改几轮时，每一轮都把保留清单重复一遍，减少跑偏。画了遮罩也不一定严丝合缝，各家遮罩的规则也不一样。本文附 4 步写法、可整段复制的提示词和空白模板。这是照官方说明整理的写法，不是我们的实测。
以官方页面为准。整理 OpenAI、Anthropic、Google Gemini、xAI 大模型的每百万 token 价格；Gemini、xAI、FLUX 的每张图价格；Kling、Vidu、Gemini Omni Flash、xAI、OmniHuman 的视频每秒价格。全部是 2026 年 10 月 26 日从官方定价页抄录的列表价，单位统一为美元每百万 token、每张图、每秒。官方用积分计价的照写积分，并标注页面更新时间和核对日期。
按官方页面整理 2026 年 9 月下旬到 10 月 26 日新发布或更新的模型 API，包括 Gemini 4 Argon、Claude Haiku 5.5、Claude Opus 5.5 fast mode、Gemini Nano Banana 2.1、FLUX 3 Image Klein、Vidu Q4 Preview、Kling 4.0、OmniHuman 2.0 和 Grok Voice 3.0。每个模型写清模型 ID、主要规格、现在能不能通过 API 用、官方还标着 Coming Soon 的功能，并附核对日期和官方网址。
按官方弃用页整理。10 月 22 日 Veo 3.1 预览版和 Gemini Omni Flash 预览版已停用；10 月 23 日 gpt-image-1 等一批 OpenAI 旧模型已停用，同一天也是 Gemini 旧版 Deep Research 代理的官方关停日。往后还有：10 月 31 日 HeyGen API v1/v2 停用、OpenAI Evals 变只读；11 月 30 日 Claude Sonnet 4.5 退役，OpenAI Evals、v1/prompts、Agent Builder 计划停用；2027 年 1 月 14 日 GPT-4o、GPT-4.1 等快照关停。每条都附替代模型、核对日期和官方网址。
AI 人像像蜡像，常见原因是提示词写得像精修海报。官方提示词指南的写法是：当成一张正在拍下的真实照片来写，用镜头、光线、构图这些摄影语言，点名毛孔、皱纹、小瑕疵这类真实质感，避开暗示精修和摆拍的词。本文给出 3 步写法、一段可整段复制的英文提示词，并对照我们用这段提示词出的一次图，看皮肤、发丝、光线三处。只出了一次图，不代表每次都一样。
已有两家视频模型的官方说明写到单次最长可生成 30 秒，但一句话写到底，画面什么时候变、先变什么就由模型自己定。按官方指南整理的写法是：第一句写 One continuous shot（一镜到底），先排好时间线，每段写起止秒数，段与段首尾相接，再写清这几秒里镜头、动作或光线怎么变。本文附一段可整段复制的 30 秒分段提示词。示例结构，非实跑。
多张参考图只上传、不写用途，模型会自己猜每张图管什么，结果更难预测，角色就容易走样。官方使用指南给的办法可以整理成三步：按上传顺序给图编号；每张图写一句它管什么、要保留什么；几张图信息重叠时写清各自范围，点名不想带过来的东西。本文附一段可以整段复制的提示词结构、多角色的写法和常见问题。这是照官方说明整理的写法，不是我们的实测。
AI 出图的画幅比例，先看这张图最后用在哪：竖屏刷的选竖幅，横版封面和视频画面选横幅，头像和商品主图常用方图。选完比例，提示词里的构图也要跟着写：竖幅写上下关系，横幅写左右关系，要放字就提前留出空白区。本文给出常见用途和比例的对应、3 步写法和一段可复制的提示词结构。这是通用写法整理，不是我们的实测。
带货短视频文案可以按 5 段来写：开头一句钩子让人停下，接着说出观众的痛点，再给一到两个对应的卖点，用真实证据把卖点坐实，最后只留一个行动。本文给出每段写什么、3 步写法、一份可复制的文案模板和一份虚构的示例填写，并提醒证据只能用你手里真有的数据和画面。这是通用写法整理，不是我们的实测。
短视频分镜脚本，一个镜头写一行，每行固定填镜号、时长、景别和机位、画面内容、台词或字幕、音效和音乐这几项，拍摄和生成时就照着走，不会漏东西。本文给出字段说明、3 步填写方法、一份可复制的分镜模板和一个 3 镜的示例，也说了怎么把一行分镜改写成视频提示词。这是通用写法整理，不是我们的实测。
AI 视频想要稳定的镜头，提示词里要写清三样：景别、机位怎么动、镜头里发生的一个动作，再让动作量跟时长对上。一个镜头塞好几个动作、或者不写机位，画面就容易乱跳、动作做一半。本文整理了景别和机位运动的白话说明、3 步写法和一段可复制的镜头提示词结构。这是通用写法整理，不是我们的实测。
同一个价格数字，按 Token、按次或依参数计费，含义可能完全不同。三张图梳理核价顺序；具体价格以现行目录及账号下的实际请求为准。
按创建密钥、选择当前可用模型、匹配接口三个步骤梳理 API 接入。图中的请求是 Chat Completions 结构示意，实际命令与模型能力请以现行文档为准。
用三张图看海报文字要求如何单独写。一次对比中，多余文字和图标消失，但杯子材质也变了；原提示词与完整记录见教程。
三张图讲清材质、光线、机位、景深、背景怎么写。示例各生成一次，画面更像棚拍，但杯柄消失；完整提示词与局限见原教程。
让 AI 做海报，麻烦往往不是错字，而是多出一堆没要的字和图标。同一张秋日拿铁海报，改前多出 6 处没要的字和 3 个图标，改后只剩指定的「秋日拿铁」4 个字。做法是先写画面，再单独写一句文字：引号里放原文，写清位置、字体、颜色，句尾加「不要出现其他文字」。本文附可复制提示词和这次没管住的地方。
商品图提示词只写一句「桌上的陶瓷咖啡杯」，出来的图像随手拍。在主体后面补上材质、光线、机位、景深、背景这 5 项，每项一个短语，同一个杯子这一次就接近棚拍。本文给出改前改后两段可复制的提示词、3 步写法，也写了这次没管住的地方：限制写得太宽，杯柄和桌面一起没了。