TechMoon 科技月球
WordPress、SEO 與 AI 工具實測指南
Pruna 對嘴影片 API 上線，把開源 MiniMax H3 包成按秒計費
Pruna 推出 P-Video-2-Pro-Avatar：上傳一張人像加音訊或腳本，輸出 1 秒到 3 分鐘的 24 fps 對嘴影片，底層是八月開源的 MiniMax H3。官方文件攤開按秒計價公式，4k 自承是 768p 放大總價；內建配音十種語言沒有中文，但上游模型列中文為穩定對白語言，自己做好中文音訊再上傳是可行路線；授權條款尚未把這款模型納入 MiniMax 傳遞清單，商用前要先看清。
用 AI 摘要這篇文章：
同一個影片生成模型，八月出現在 Hugging Face 上讓人下載權重自己跑，十月變成一張按秒計費的 API 帳單。10 月 23 日凌晨（台北時間），德國公司 Pruna AI 在 X 官宣新的對嘴影片模型 P-Video-2-Pro-Avatar：上傳一張人像，配上音訊或文字腳本，輸出 24 fps 的說話影片，長度從 1 秒到 3 分鐘。貼文附了官方示範影片，宣稱能做出自然表情與準確對嘴；貼文同時揭露了兩件行銷頁通常不會主動講的事：這個模型 based on MiniMax H3，也就是八月開源的那個影片模型；上線前兩週半價，到 11 月 5 日為止。Pruna 官網首頁現在也把這款模型放在最顯眼的位置，標上一個 New 標籤。
Pruna AI GmbH 這家公司的定位是「效能模型」：把生成模型以 API、自架部署與開源函式庫三種形式提供，主打比原版更快更便宜。P-Video-2-Pro-Avatar 是它第三款掛在 MiniMax H3 上的影片模型，前面兩款分別做文字生影片與參考圖生影片。這條產品線值得記錄的原因，在於它把「開源模型變成收費服務」的中間層攤得相當透明：牌價、解析度的真實來源、語言選單、授權條款的適用範圍，全部寫在文件裡，而且有幾處縫隙正好落在台灣使用者會踩到的位置。以下全部內容來自官方文件、條款與授權原文的核對，本篇沒有實際呼叫 API 生成影片，效果層的結論會明確標出。
一張照片加一段聲音，中間發生了什麼
模型的輸入契約很簡單：一張人像（JPG、JPEG、PNG 或 WebP，上限 20 MiB），加上音訊（上限 64 MiB、3 分鐘）或文字腳本其中之一。給腳本時，系統用內建語音把腳本唸成語音；音訊和腳本同時給的話，以音訊為準。文件寫得明白：音軌決定影片長度，低於 1 秒的音訊直接拒收。換句話說，帳單上的秒數在你按下生成前就已確定。人像同時決定輸出的畫面比例，比例超出模型範圍時會被裁切到輸出畫布上，直式素材轉橫式輸出前先想好構圖。
動作提示的預設值只有一句「這個人在說話」，想要背景或身體有特定動作，靠自己寫提示或靠下面要講的補全機制。另外可以指定亂數種子，同一組輸入配同一個種子可重現同一個結果，對需要反覆微調腳本比對口型的工作流來說是實用參數。
有兩個預設值值得注意。prompt_upsampling 預設開啟，系統會用視覺模型先看你的肖像照，把場景裡自己的動態（雨、燈光、背景、身體動作）補進動作提示，你寫的文字不會被改掉，關掉就用你寫的原句。另一個是 enable_safety_filter，預設關閉。這個開關只管理可切換的審查類別，恆常規則無論開關都生效；真正的義務寫在服務條款的可接受使用政策裡：禁止生成真實可識別人物未經同意的親密影像，而且當所在地法律或發布平台要求標示 AI 生成內容時，不得把機器產出假冒成真人製作。數位人內容的合規責任在使用者這一側。
帳單按秒算，4k 的真面目是 768p 放大
計價以輸出影片的秒數計，五個檔位：480p 每秒 0.02 美元、768p 每秒 0.04 美元、1080p 每秒 0.06 美元、2k 每秒 0.08 美元、4k 每秒 0.12 美元。文件自己給了換算實例：60 秒的影片，480p 是 1.20 美元、768p 是 2.40 美元、4k 是 7.20 美元；依同樣公式換算，1080p 與 2k 的 60 秒分別是 3.60 與 4.80 美元。語音、語言與提示補全都不影響價格，同一支腳本換聲音、換語言重跑，成本完全一樣。
| 解析度 | 牌價（每秒輸出） | 來源 |
|---|---|---|
| 480p | 0.02 美元 | 官方模型文件 |
| 768p | 0.04 美元 | 官方模型文件 |
| 1080p | 0.06 美元 | 官方模型文件（768p 放大總價） |
| 2k | 0.08 美元 | 官方模型文件（768p 放大總價） |
| 4k | 0.12 美元 | 官方模型文件（768p 放大總價，音訊上限 125 秒） |
牌價表截至 2026 年 10 月 25 日，幣別為美元。
文件裡最誠實的一段是解析度說明：1080p、2k、4k 都是把 768p 影片用另一個放大模型跑出來的，價格是 768p 費率加放大費率的總和，4k 另外限制音訊長度 125 秒。把「4k」兩個字當成原生畫質細節的人，會多付錢買到放大結果。
五折的部分要分開看。折扣只出現在宣告貼文：上線前兩週 50% off，到 11 月 5 日 18:00（歐洲中部時間），換算台北時間是 11 月 6 日凌晨 1 點。截至 2026 年 10 月 25 日，模型文件沒有任何折扣條文。同系列前一個模型 p-video-2-pro 的文件倒是有先例可參考：牌價表列、計費時半價，並寫明了截止日。avatar 比照辦理是合理預期，但這終究是推測，五折實際怎麼入帳、涵蓋哪些檔位，要以服務計費頁面的呈現為準。
上游開源版與 API 版，中間隔著一層產品決策
把 MiniMax H3 的官方模型卡和 Pruna 的模型文件並排放，哪些是上游規格、哪些是產品層的加工，一眼就能對上。
| 項目 | MiniMax H3 開源版（模型卡） | Pruna P-Video-2-Pro-Avatar（API 文件） |
|---|---|---|
| 影片長度 | 4 至 15 秒 | 1 秒至 3 分鐘 |
| 穩定對白語言 | 11 種，含中文、阿拉伯語、俄語 | 內建配音 10 種，無中文 |
| 解析度 | 短邊 768 像素；2K 要用另一個生成變體 | 480p 至 4k；1080p 以上為 768p 放大 |
| 音訊輸入 | 參考模式最多 3 段、每段 2 至 15 秒 | 最多 3 分鐘、64 MiB |
| 取得方式 | 自行下載權重部署 | API 呼叫，每分鐘 50 次請求上限 |
兩側都是官方文件，時間基準同為 2026 年 10 月 25 日。
3 分鐘的長度是產品層做出來的（文件未說明拼接機制），上游模型卡寫的原生輸出是 4 至 15 秒。這對做解說影片的人是實質差異：開源版需要自己處理分段與銜接，API 版直接吃長音訊。代價是按秒計費，以及請求頻率上限每分鐘 50 次。同系列的文字生影片模型 p-video-2-pro 每分鐘可打 250 次請求，還提供快、慢、省三種生成配方各自定價（480p 從每秒 0.01 到 0.04 美元），而且明講不開放音訊輸入；avatar 走的是相反路線，一次請求吃整段語音，把生成壓力集中起來，額度自然給得緊。批次處理大量短素材的團隊，每分鐘 50 次的上限要先算進排程。
價格也有前代可對照。Pruna 自家的上一代對嘴模型 p-video-avatar 仍在架上，720p 每秒 0.025 美元、1080p 每秒 0.045 美元。新模型 480p 起跳反而便宜（0.02 美元），但 768p 比舊版 720p 貴六成，1080p 貴三分之一。輸出品質是否對應上升，文件無從判斷，這是效果層的未知。
中文缺席的位置，在選單不在模型
內建配音的語言選單有十種：美式與英式英語、西語、法語、德語、義語、巴西葡語、日語、韓語、印地語。沒有中文。語音有 30 個可選，名字如 Zephyr、Puck、Charon，每個附女聲或男聲標註，另外可用 voice_prompt 下交付指示（語調、節奏、口音、情緒），這段文字不會被唸出來。預設語音是 Zephyr 女聲，預設語言是美式英語，沒特別設定的話，腳本就是用這個組合唸出來的。
但「沒有中文」要寫精確：缺席的是產品的配音選單，上游模型的官方規格表明列中文為 11 種穩定對白語言之一（阿拉伯語、中文、英語、法語、德語、義大利語、日語、韓語、葡萄牙語、俄語、西語），模型卡還註明清單外的語言有不同程度的效果。兩件事合起來指向同一條路：自己先把中文語音做好（錄音或用其他合成工具），再以音訊上傳，讓模型只負責對嘴與表情，這也是開源對嘴工具如 FaceFusion 一直以來的分工方式。Pruna 的文件對上傳音訊的語言沒有設任何限制條文，這條路在契約上沒有障礙；至於中文口型的實際吻合度，本篇沒有生成樣本，無法替你背書，先拿幾秒的素材試一次再決定要不要把整個節目流程搬上來。
授權條款還停在上一款模型
商用之前，授權層有一個現存的縫隙。Pruna 的服務條款（最後更新 2026 年 10 月 13 日）第 7.2 節處理「建構在第三方模型上的自有模型」：明列 p-video-2-pro 與 p-video-2-pro-reference 兩款基於 MiniMax H3，其輸出受 MiniMax H3 Community License 約束，包括不得把模型輸出拿去訓練或改進其他 AI 模型；該授權的地域限制（排除歐盟、英國、韓國、美國）在透過 Pruna 服務使用時不適用。這一節還有一條對平台經營者要緊的傳遞條款：如果你把模型或輸出再提供給自己的使用者，必須讓對方受到至少同等強度的限制。宣告貼文說 avatar 同樣 based on MiniMax H3，但第 7.2 節的清單裡沒有 avatar，avatar 的模型文件頁也沒有任何授權註記。
這看起來像條款還沒追上宣稱，而非刻意豁免。MiniMax H3 Community License 本身對台灣使用者是友善的：授權地域明定為全球（排除歐盟、英國、韓國、美國），台灣在內；授權免權利金、不可轉讓；輸出內容不視為模型的衍生作品；條款鼓勵（不強制）在產品上標示「Powered by MiniMax H3」並為生成檔案加上 AI 生成識別。對照之下，兩款已列入的兄弟模型把這些限制正式傳遞給你，avatar 目前落在兩份文件之間。條款的總則也寫了原則性的答案：輸出的使用權限，以各模型頁揭露的第三方授權為準，而 avatar 頁現在什麼都沒揭露。要用 avatar 做商業案的人，合理的動作是等條款補列，或在下單前向 Pruna 確認輸出的授權狀態。
條款裡還有一個小但實際的點：Pruna 預設可以把客戶名稱與標誌用作商業引用，聯繫官方即可退出。對低調的代理商或代操團隊來說，這比模型規格更容易被忽略。
現在搬上去值不值得
把場景分開看。做英文、日文、韓語內容的團隊，選單內語言直接可用，480p 每秒 0.02 美元的成本結構適合草稿與大量短內容，11 月 6 日凌晨（台北時間）前還在五折期間，適合先小額試單把品質曲線摸出來。生成素材進到後製階段，剪輯端也有對應的自動化路線，CapCut 的代理粗剪就是現成例子。做中文內容的人，內建配音派不上用場，工作流是「自行產出中文音訊再上傳」，成本估算應該把上游的語音製作也算進去。要商用並對外發布的人，AI 內容標示義務在你身上（條款可接受使用政策明寫），avatar 的 MiniMax 授權傳遞尚未補進條款，這是目前最大的不確定項。
仍未確認的事項有四項：五折的計費呈現與適用檔位（文件未載）、avatar 是否會補入條款第 7.2 節、配音引擎的供應商、中文音訊的實際對嘴效果。折扣在 11 月 5 日截止，之後回到上表牌價；條款若有改版，下單前到服務條款頁確認第 7.2 節清單是否補上 avatar。
沿著同一條「生成模型包裝成 API」的路線，HeyGen 上架 fal.ai 的影片端點在模型描述裡明寫 built on MiniMax H3，同一顆引擎換殼的速度只會加快。對台灣的內容工作者，與其記住每一家殼的名字，不如學會看三樣東西：解析度是真原生還是放大、語言清單是模型能力還是產品選擇、授權條款追上了宣稱沒有。這次的 Pruna，剛好把三樣都示範了一遍。
