Wideo z AI w praktyce: 5 kroków od scenariusza do wideo z głosem i realny koszt minuty 

Wideo generowane przez AI kosztuje realnie od 3 do 24 dolarów za minutę materiału w rozdzielczości do 1080p, a w 4K nawet 90 - tyle wynika ze stawek za sekundę podanych w cenniku Runway. Do tego dochodzi głos, liczony osobno, i doliczniki, o których myśli się dopiero na etapie eksportu: upscale, formaty profesjonalne, powtórki nieudanych generowań. Poniżej pięć kroków od scenariusza do gotowego pliku, z liczbami wziętymi z oficjalnych cenników.

Ile kosztuje minuta wideo z AI - stawki za sekundę

Jeden kredyt w API Runway kosztuje cent. Stawki są podane za sekundę wygenerowanego obrazu, więc koszt minuty po prostu mnożysz przez 60.

Model (Runway API)	Kredytów za sekundę	Koszt minuty
Gen-4 Turbo	5	3,00 $
Gen-4.5	12	7,20 $
Wan 3, 1080p	20	12,00 $
Veo 3.1 bez dźwięku	20	12,00 $
Veo 3.1 z dźwiękiem	40	24,00 $
Seedance 2, 1080p	40	24,00 $
Seedance 2, 4K	150	90,00 $

Wszystkie liczby w tabeli pochodzą z jednego cennika. Różnica między modelami sięga 30 raz, a dźwięk w Veo 3.1 kosztuje dokładnie dwa razy tyle co wersja bez niego. Warto sprawdzić to przed projektem: ten sam materiał da się policzyć na dwa zupełnie różne budżety.

Subskrypcja web daje paczkę kredytów, a nie stawkę za sekundę. Plan Standard Runway kosztuje 15 dolarów miesięcznie albo 12 przy płatności rocznej i daje 625 kredytów, czyli według deklaracji producenta 52 sekundy Gen-4.5. Dzieląc 12 dolarów przez te 52 sekundy i mnożąc przez 60, wychodzi 13,85 $ za minutę. Plan Max za 76 dolarów rocznie daje 9500 kredytów, czyli 791 sekund, i wychodzi 5,76 $ za minutę. Im droższy plan, tym taniej wychodzi sekunda - to normalna ekonomia abonamentu, nie marketing.

Krok 1: scenariusz pisany pod ujęcia, nie pod czytanie na głos

Scenariusz to najtańsza część produkcji i jedyna, którą robisz sam, bez liczenia kredytów. Różnica między tekstem „przygotowałem scenariusz" a tekstem podzielonym na ujęcia jest taka, że w pierwszym przypadku generujesz losowe 30 sekund, w drugim wiesz, czego potrzebujesz.

Narzędzia wspierają ten krok, ale warto wiedzieć, że to tylko wersja robocza. CapCut pozwala wkleić własny scenariusz albo wygenerować go jednym kliknięciem: „In the 'Enter script' box, paste your written script or click 'Generate script' to let AI create one for you. Select your aspect ratio, voiceover, and video duration". Descript idzie w podobną stronę: „W: Brainstorm, rewrite, write a script/outline - Hone your ideas by asking Underlord questions and get a first draft, fast."

Pisz scenariusz w formacie: ujęcie, opis wizualny, długość w sekundach, tekst lektora. Bez tej czwartej kolumny wracasz do montażu i sam dopasowujesz głos do obrazu, czyli robisz pracę dwa razy. Każde ujęcie to osobne zlecenie generowania, czyli osobna pozycja w rozliczeniu kredytów.

Krok 2: storyboard, czyli plan ujęć przed generowaniem

Storyboard to szkic kolejności ujęć, który pozwala sprawdzić ciągłość zanim zapłacisz za wszystko. Runway ma tę funkcję wprost opisaną przez jedną z firm zajmujących się produkcją wideo: „Runway offers storyboard features for sequencing shots, which lets you preview a sequence and test continuity before committing to full generation."

Tutaj pojawia się pierwsza realna oszczędność. Wiele ujęć kończy się na jednej do trzech próbach, ale zdarzają się takie, które wymagają kilkunastu. Jeśli wiesz, że w ujęciu ma być konkretna twarz, sprawdź to na storyboardzie, zamiast generować dwadzieścia wariantów po pełnej stawce.

Ustal też format od razu. Pixlr podaje wprost, że po wybraniu trybu i modelu „select your aspect ratio", a w praktyce proporcje 16:9 i 9:16 to dwa osobne zlecenia, bo pionowa wersja nie jest kadrem z poziomego.

Krok 3: generowanie wideo i doliczniki, o których zapominasz

Cennik na sekundę to dopiero połowa rachunku. Reszta dochodzi na końcu i potrafi podwoić koszt.

Po pierwsze, upscale wideo. Runway rozlicza go za klatkę, nie za sekundę, i podaje to wprost: „magnific_video_upscaler_creative is billed per output frame, not per second of video". Przy 30 klatkach na sekundę, 60 sekundach i stawce 0,012 $ za klatkę przy wyjściu 4K wychodzi 21,60 $ za samą poprawę jakości. To tyle, co ponad siedem minut materiału bazowego w Gen-4 Turbo.

Po drugie, formaty profesjonalne. ProRes i sekwencje PNG kosztują „prores , png_sequence 5 credits per second", a profile HDR i 10-bitowe „20 credits per second; 40 credits per second when the output is larger than 4 megapixels (roughly 4K)". Format roboczy z monitora jest często o połowę tańszy niż plik do montażu.

Po trzecie, materiały wejściowe. Niektóre modele doliczają osobno za każdą sekundę materiału, którym je karmisz: „seedance2_5 (480p) 20 credits per second of output, plus 10 credits per second of input and reference video". Jeśli budujesz wideo na podstawie swojego materiału, to nie jest darmowy dodatek.

Po czwarte, i to zwykle najdroższe, powtórki. Każde nieudane zlecenie to nadal opłacone kredyty. Przy pracy przez API dokumentacja zaleca maksymalny limit powtórek na zadanie, żeby uniknąć runaway charges, i przypomina o trzech pułapkach: podwójne wysłanie tego samego zadania przed sprawdzeniem statusu, automatyczny retry w SDK nakładający się na retry aplikacji, oraz timeout, po którym klient zakłada nowe zadanie zamiast odpytać stare. Każda z nich podwaja lub mnoży rachunek przy pierwszym niezgrabnym ruchu.

Są też sytuacje, w których kredyt wraca, ale nie wszystkie. Dokumentacja Runway podaje, że błędy bezpieczeństwa wejścia nie są zwracane, podczas gdy błędy bezpieczeństwa wyjścia są. Zadanie w statusie „THROTTLED" zostało przyjęte i zapisane, ale nie weszło do kolejki przetwarzania - powtórne wysłanie na ślepo to podwójny koszt.

Krok 4: głos liczony osobno od obrazu

Głos to osobny produkt z osobnym cennikiem, a jego skala jest zaskakująco niska wobec materiału wideo. ElevenLabs sprzedaje kredyty, gdzie dla modeli wielojęzycznych „1 text character equals 1 credit". Stąd koszt minuty narracji: Starter za 6 dolarów daje 30 minut, czyli 0,20 $ za minutę; Creator za 22 dolary daje 121 minut, czyli 0,18 $; Pro za 99 dolarów daje 600 minut, czyli 0,17 $.

Porównaj to z 7,20 $ za minutę wideo w Gen-4.5. Narracja jest czterdzieści razy tańsza od obrazu, więc oszczędzanie na głosie to strata czasu, a oszczędzanie na wygenerowanych ujęciach - prawdziwa oszczędność.

Przy dłuższych tekstach dochodzi techniczny detal: modele mają limity znaków na jedno zlecenie, 10 000 dla wersji v4 i wielojęzycznej, 5 000 dla v3, 40 000 dla Flash v2.5. Dłuższy tekst trzeba dzielić na fragmenty, a dokumentacja zaleca podawanie kontekstu sąsiedniego tekstu, żeby zachować naturalną intonację między kawałkami. Drugi detal: modele nie są deterministyczne, więc powtórka tego samego tekstu nie zawsze da ten sam głos. Dokumentacja szacuje, że regeneracja rozwiązuje mniej więcej połowę problemów jakościowych, a dwie darmowe regeneracje na fragment masz w cenie.

Wszystkie te ceny są netto podatków. Runway pisze wprost, że „Sales tax may apply depending on your location", a ElevenLabs, że „Prices exclude all taxes, levies and duties". Do kwot z tego artykułu musisz doliczyć podatek obowiązujący w Twoim kraju.

Krok 5: montaż i eksport

Montaż jest jedynym etapem, w którym AI oszczędza czas, bo wcześniej dostajesz gotowe ujęcia i głos do ułożenia. CapCut opisuje to w czterech krokach: wybór awatara i głosu w panelu scen, „In 'Elements', add synced subtitles with text templates", podkład muzyczny przeciągnięty na oś czasu, a na końcu „Adjust resolution, format, and frame rate as needed".

Ustawienia eksportu też kosztują. Descript na najtańszym płatnym planie daje eksport 1080p bez znaku wodnego, na droższym 4K. HeyGen zdejmuje znak wodny dopiero od planu Creator za 29 dolarów, a wersja darmowa to trzy filmy do minuty. Jeśli znak wodny w produkcyjnym materiale to porażka, uwzględnij ten próg w planowaniu, nie w refaktorze.

Gdzie te cenniki się nie zgadzają

Jeśli porównasz dwa niezależne źródła, dostaniesz różne liczby dla tej samej operacji.

Najczęstsza rozbieżność to liczba sekund kupiona pakietem. Runway podaje dla planu Standard 625 kredytów jako 52 sekundy Gen-4.5. Druga strona podaje dla tej samej paczki 25 sekund. Prosta kontrola rozstrzyga spór: 625 podzielone przez 12 kredytów na sekundę daje 52,08, więc liczba z oficjalnego cennika jest prawidłowa. Ta sama druga strona podaje dla Gen-4 Turbo 125 sekund, co zgadza się ze stawką 5 kredytów na sekundę z dokumentacji API, podczas gdy strona Runway mówi o 104 sekundach. To realna różnica między aplikacją web a API, nie literówka.

Druga rozbieżność dotyczy TTS w ramach Runway. Etykieta w cenniku mówi „Text to Speech 1 credit/50 chars", dokumentacja API to potwierdza przy „eleven_v3 1 credit per 50 characters", ale ta sama strona cennika pokazuje dla 625 kredytów 375 000 znaków. Wychodzi 600 znaków na kredyt, czyli dwanaście razy więcej niż obiecuje etykieta. W artykule opieram się na etykiecie, bo potwierdza ją dokumentacja.

Trzecia dotyczy Synthesii, gdzie FAQ podaje 264 dolary rocznie, a karta planu pokazuje 18 dolarów miesięcznie przy płatności rocznej. 18 razy 12 daje 216, więc karta jest tu spójna, a FAQ zawyża.

Czego tych liczb nie da się policzyć

Cenniki podają koszt sekundy, a nie koszt minuty gotowej do publikacji. Żeby zamknąć ten rachunek, potrzebujesz jeszcze dwóch rzeczy, których w cennikach nie ma: odsetka ujęć, które przechodzą kontrolę za pierwszym razem, i liczby ujęć na minutę gotowego materiału. Tych danych nie znalazłem, więc nie podaję zmyślonej wartości. Wzór na to, co sam bym liczył, wygląda tak: koszt minuty użytecznej to zużyte kredyty pomnożone przez stawkę, podzielone przez liczbę ukończonych ujęć, które faktycznie weszły do montażu.

Przy HeyGen takiego rachunku nie zrobisz w ogóle. Cennik podaje liczbę kredytów na plan i limit minut wideo, ale nie podaje, ile kredytów kosztuje minuta, a FAQ tłumaczy, że „The number of credits a video or asset uses can vary based on which AI model is used, video duration, and the complexity of the generation". W Descript z kolei „media hours" oznaczają materiał zaimportowany albo nagrany, nie wygenerowany, więc też nie dają kosztu minuty generowanej.

Wszystkie liczby w tym artykule są w dolarach amerykańskich, w cenach widzianych w chwili pobrania stron. Stron producentów nie datuję - przy cennikach, które zmieniają się kilka razy w roku, taki zapis jest uczciwszy niż „ceny na dziś". Jeśli chcesz porównać koszt narzędzi tekstowych w podobnym ujęciu, zebrałem dane z testów na polskim tekście, a osobno rozpisałem się o granicach generatorów obrazu.

Prawa, oznaczenia i ryzyko dostawcy

Tyle kosztuje wygenerowanie wideo, tyle zostaje z prawnej strony. Większość planów konsumenckich nie obejmuje indemnifikacji w sprawach własności intelektualnej, co w praktyce oznacza, że ryzyko ponosisz Ty. Wyjątkiem jest Adobe Firefly, ale zakres tej ochrony jest ograniczony. Amerykański Urząd do spraw Copyrightu sygnalizuje, że w pełni generowane dzieło trudno chronić, co ma znaczenie przy pytaniu, do kogo w ogóle należy materiał.

W Polsce dochodzi obowiązek oznaczenia. Synthesia na swoim cenniku wprost informuje, że „This content was generated using artificial intelligence and is labeled in accordance with EU AI Act Article 50 requirements", czyli treść syntetyczna podlega oznaczeniu. To dotyczy również Twojego materiału, niezależnie od narzędzia. O samym procesie oznaczania i jego wpływie na zasięg pisałem przy AI w mediach i social media.

Warto też zrobić listę dostawców, na których nie budujesz całego procesu. OpenAI wycofał aplikację i interfejs web Sora w 2026 roku, a API ma zostać zamknięte później w tym samym roku. Przy takim budżecie firmy możliwość wycofania usługi jest realna, a Runway sam oznacza starsze modele jako wycofywane z datą.

Co bym zrobił, zaczynając od zera

Ustaliłbym najpierw format i liczbę ujęć, bo to one decydują o budżecie, a nie wybór modelu. Wziąłbym najtańszy model w rozdzielczości docelowej i policzył godziny, nie minuty. Trzymałbym się jednego dostawcy wideo, jednego w głosie i jednego w montażu, dopóki nie zobaczę, który element faktycznie jest wąskim gardłem.

Jedna rzecz, którą warto zrobić od razu: zapisać w arkuszu zużycie kredytów na każde zlecenie. Wzór jest prosty, a po dwóch projektach wiesz, czy Twój realny koszt minuty zbliża się do stawki z cennika, czy jest od niej dwa razy wyższy. W praktyce różnicę robią nie retry i nie upscale, tylko liczba ujęć oraz poprawki w montażie.

Jeśli chcesz to zrobić powtarzalnie, a nie raz, to jest zadanie pod plan wdrożenia w marketingu, a koszt narzędzi dobrze się składa w kalkulacji na 12 miesięcy. Warto zobaczyć też, jak policzyć, czy automatyzacja w ogóle się opłaca, zanim zainwestujesz w produkcję, którą nikt nie obejrzy.

Napisz do mnie, jeśli chcesz policzyć budżet wideo dla swojego materiału - odpowiada zwykle tego samego dnia.