AI 视觉会话成本追踪器

为使用多模态视频/图像分析的团队提供按帧、按场景的 token 消耗估算与优化建议

痛点

开发者抱怨用 Vision API 分析 30-60 秒视频时，全帧输入会立刻耗尽额度；他们需要在高帧率、场景切换采样和音频节拍对齐之间做取舍，却缺少工具量化不同策略的成本。

方案

一个本地 CLI / 网页工具：上传视频或给定视频链接，选择 FPS 与场景采样策略，估算输入帧数、token 数与预估费用；对比全帧、关键帧、音频节拍对齐等方案，输出推荐配置。

用户

做视频理解、多模态 Agent、短视频分析的小团队与独立开发者

MVP

支持本地视频文件或 YouTube 链接；按选定 FPS 与场景变化采样计算帧数和 token 数；输出不同策略的成本对比表；可导出 JSON 报告；不做实际模型调用，纯估算

变现

免费基础估算，付费解锁批量视频队列与团队共享报告，订阅 $12/月 或按次 $0.5/视频

为何现在

多模态视频分析需求爆发，但成本完全不透明；工具纯计算、无外部依赖，适合周末启动并靠社区传播