适配任何曲风的表演画面

AI 音乐视频生成器

音乐视频通常是表演加一个世界。表演承载艺人,世界承载歌曲的情绪。这个生成器一次构建一个短镜头,氛围足够让片段单独成立,也能与其他场景对剪。

它适用于说唱、drill、R&B,以及任何以表演者在强烈场景中为核心画面的曲风。它不生成歌曲、不对口型、不组装最终剪辑。这些仍由你完成,结果也会因此更好。

本页的视频片段均为 AI 生成的预览。它们是虚构内容,并非真实事件的记录。

更新于 2026 年 10 月 24 日

蓝色舞台灯下表演的歌手,AI 音乐视频截图
时长
5–12 秒
分辨率
480p · 720p · 1080p
宽高比
9:16 · 16:9 · 1:1
水印
付费渲染无水印
模型
Seedance 2.0
内容审核
SeeAPI,失败即拦截

可导演的氛围

地点、光线、年代和胶片质感都在提示词里。你是在选择世界,而不是给素材加滤镜。

能剪在一起的片段

在多次渲染中保持表演者、色调和镜头语言不变,分开的镜头就会像同一支视频里的场景。

无需音乐即可开始

歌曲完成前就能生成画面。情绪片段对制作人和艺人都是有用的参考。

工作原理

  1. 1

    选择歌曲的世界

    温暖怀旧、冷峻现代,或朦胧夜行。先定色调,再定地点。

  2. 2

    放置表演者

    上传肖像以保持相似度,或描述表演者。给他们一个符合节奏的动作。

  3. 3

    生成两三个场景

    同一位表演者,不同地点和镜头距离。这是剪辑的原始素材。

  4. 4

    跟着音轨剪辑

    按小节线剪辑,加入音频并统一片段色调。剪辑才是把分开的渲染变成音乐视频的地方。

从经过测试的提示词开始

每条提示词都是完整的:主体、场景、镜头,以及哪些内容不能改变。复制它,或带着它预填打开工作室。

夜晚屋顶表演广角镜头,背后是城市灯光,AI 音乐视频场景

Night Cypher

钠灯下的屋顶说唱围圈。

提示词(英文)

Use the person in the uploaded photo as the lead performer. An empty rooftop car park at night, wet concrete reflecting orange sodium lights, a loose circle of six silhouetted figures clapping. The rapper walks into the centre of the circle and performs, turning slowly to face the camera. One continuous low-angle tracking shot that circles the performer at knee height, ending on a medium close-up. Keep the face, hair, outfit and body proportions exactly as photographed. No fighting, no extra foreground people, no text, no watermark, no logo. Vertical 9:16.

在工作室中使用

Duo Stage

两位说唱歌手在小俱乐部舞台上轮流演唱。

提示词(英文)

Use the two people in the uploaded photos as the only performers. A small club stage at night, purple and magenta lights cutting through haze, a packed crowd in silhouette at the front. The two rappers stand side by side trading verses, one gesturing to the crowd while the other nods to the beat. One continuous handheld shot at chest height that pushes in from the back of the stage to a tight two-shot, then drifts slightly right. Keep the faces, hair, outfits, skin tone and body proportions exactly as photographed. No lip-sync mismatch, no extra people, no text, no watermark, no logo. Vertical 9:16.

在工作室中使用

Solo Booth

近距离、私密的录音棚对镜头表演。

提示词(英文)

Use the person in the uploaded photo as the only performer. A narrow recording booth at night, a large-diaphragm condenser microphone on a shock mount, warm tungsten key light from the left and a cold blue rim light from behind. The rapper leans into the mic and performs directly to camera, shoulders moving with the beat. One slow dolly-in from a medium shot to a close-up, shallow depth of field, slight handheld float. Keep the face, hair, outfit and skin tone exactly as photographed. No headphones swapping, no extra people, no text, no watermark, no logo. Vertical 9:16.

在工作室中使用

表演场景与叙事场景

表演场景展示艺人演绎歌曲。叙事场景展示周围发生的事:开车、争吵、派对。这个工具最擅长表演场景,因为它能在短片段里稳住一张脸和一个地点。

叙事也可以小规模成立。表演者走进围圈、下车或进入房间,都是小的故事节拍。每段片段只保留一个节拍,其余交给剪辑暗示。

在片段间建立视觉身份

选两个常量,其余都变化。例如:始终是温暖的钠灯光,始终是 35mm 风格的画幅,但地点从屋顶换到地下室再到街道。常量让片段有作者感,变化让它们保持有趣。

在每个提示词里用相同的词写常量。措辞的小改动会造成颜色和镜头感的明显变化,让最终剪辑看起来像合集而不是一支视频。

何时停止生成、开始剪辑

三段好片段足以做 30 秒预告。六到八段能撑起整首歌并加入切镜。超过这个数量,通常说明你在逃避剪辑,而不是在改进素材。

在时间线上判断每段片段,而不是在工作室预览里。单独看平淡的镜头可能正是剪辑需要的,而花哨的镜头一旦垫上音轨就可能没法用。

常见问题

我能一键生成整支音乐视频吗?

不能。每次渲染只是一个短镜头。完整视频是多段片段剪进音轨。

它适用于说唱以外的曲风吗?

适用。预设偏向说唱,但提示词框可以描述摇滚、流行、R&B 或电子表演。

我能上传歌曲并对口型吗?

不能。工作室不接受音频,也不对口型。在剪辑软件里把片段剪进你的音轨。

三分钟视频需要多少片段?

通常 15 到 30 个剪辑点,由六到十段生成的镜头构成。重复使用角度,而不是为每个剪辑点都生成。

我能在 YouTube 和流媒体平台使用这些片段吗?

可以,但需遵守模型提供方的条款,并拥有表演者肖像和音乐的授权。

应该渲染什么分辨率?

最终母版用 1080p,草稿和社交测试用 720p。分辨率无法弥补薄弱的表演或漂移的脸。

我能对输出进行调色吗?

可以。导出 MP4 并在剪辑软件里调色。保持各片段调色一致,让剪辑看起来像一支视频。

把你的照片变成视频片段

从本页的预设开始,或自己写一个镜头。生成前会显示所需积分,渲染失败会退还积分。