问题
想用 AI 做介绍视频的独立开发者和小创作者面临两个痛点：一是生成又慢又贵——V2EX 上一位开发者为网站做介绍视频，用 xhigh 思考等级时 GPT-6.1 Sol 耗时 35 分钟、Opus 5.5 耗时 53 分钟，一次不满意就要再等几十分钟；二是模板化工具效果不可控——CapCut 的 App Store 差评写道
目标用户
为自有产品或网站制作介绍视频的独立开发者、小型内容创作者。市场上普遍使用 CapCut 模板或直接调用大模型生成，但两类体验都不理想；潜在用户量级为长尾的独立开发者与个人创作者群体，规模定性判断为中等偏小，且付费意愿未验证。
解决方案
- 草稿优先工作流：先用低分辨率/低思考等级快速生成草稿，人工确认构图和叙事后再触发高成本正式生成，避免反复等待
- 多模型对比：同一脚本并行调用多个视频模型，并排展示效果、耗时与成本，让用户自己选
- 版本管理：一次生成保留多个候选版本，像选照片一样挑选，不满意只重生成局部
- AI 的角色：调用并编排第三方视频生成模型，负责任务排队、成本估算和草稿/正式两档参数切换
为什么是现在
视频生成模型正在快速升级：可灵即将上线的 Kling 4.0 支持 10-bit HDR、4K 输出、多关键帧控制、口型匹配和 9 种语言对白；学术界也在用 4D 场景表示和 Motion Adapter 解决专业级的镜头与物体运动控制。能力变强同时，一次生成动辄几十分钟的等待成本也凸显出来，「先草稿后正式」的两档工作流在此时才变得可行且有吸引力。
MVP 范围
第一版只做一件事：接入 1-2 个视频生成模型 API，上传文字/素材后先出低成本草稿预览（低分辨率或首尾帧），确认方向后再花高成本生成完整视频，并保留多个版本供对比挑选。不做专业级 4D 场景控制、多语言对白、口型匹配，也不自研生成模型。
风险
平台依赖：核心生成能力完全依赖 GPT-6.1 Sol、Opus 5.5、可灵等第三方模型 API，定价和接口随时可能变化，自建模型算力成本又极高。 巨头竞争：CapCut、可灵 AI 等正在快速补齐速度和可控性（Kling 4.0 已支持多关键帧控制和 4K），包装层产品很容易被上游能力覆盖。 成本结构：视频生成单次耗时长（35-53 分钟）意味着高 GPU 成本，若无清晰的付费用户，免费额度会迅速烧穿。 证据薄弱：目前只有一条弱痛点的用户差评和一个开发者的免费分享，付费需求尚未被验证。
已有产品
信号证据
这张卡片依据的原始讨论。摘录保持原文，点“原文”查看上下文。
V2EX · 分享创造10月2日新品发布8 条评论
“为 didcodexreset.com 制作的介绍视频，两者都是使用的 xhigh 的思考等级，其中 GPT-6.1 Sol 耗时 35 分钟，Opus 5.5 耗时 53 分钟，效果见如下：”
为 didcodexreset.com 制作的介绍视频，并用两个 AI 模型对比生成效果。原文
Hugging Face · Daily Papers10月1日新能力▲ 71 条评论
“Precise control over camera and object motion is essential for professional video production.”
Professional video production lacks precise control over camera and object motion in AI video generation.原文
爱范儿9月29日新品发布
“全新升级的 Kling 4.0 将于 10 月正式与大家见面，其主打「真实、可控、专业」，在画面真实感、创意可控性和叙事完整度方面实现大幅提升”
可灵发布 Kling 4.0，主打电影级 AI 视频生成，10 月正式上线。原文
App Store 差评 · CapCut9月27日痛点▲ 0
“When I was using an ai temple it took over five minutes and when in was done it made me look bad”
AI template processing in CapCut took over five minutes and produced a bad-looking result.原文