两张照片 · 同一个场景

AI 说唱双人视频

双人视频成败取决于画面里两个人的关系:谁主导、谁回应、站得多近、镜头把他们放在哪。工作室接收两张照片,把两位表演者放进同一个场景,渲染一段他们轮流说唱的连续镜头。

难的不是生成两个人,而是在运镜和互动中保持两张脸和两套服装稳定。双人预设正是围绕这个限制写的:一个共同动作、一次运镜,以及明确要求保留两个身份。

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

两名表演者在洋红色灯光下的俱乐部舞台上轮流说唱,AI 说唱双人视频
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

两个参考,一个镜头

每位表演者单独上传。分开的照片让模型清楚看到每张脸,不必从合影里费力拆解。

在手机尺寸下读得懂的站位

预设采用并排站位和双人镜头,片段在信息流里被裁切时,两位表演者都不会被对方挡住。

反应也是表演的一部分

点头、一笑、向人群挥手。提示词要求小幅反应,因为双人视频里一个人站着不动,看起来就像渲染失败。

工作原理

  1. 1

    选两张干净的肖像

    每张照片一位表演者,面部无遮挡,光线尽量接近。光线匹配会让两人看起来像是在同一个房间里拍的。

  2. 2

    决定谁主导

    在提示词里点名主角,给第二位表演者一个反应。站位含糊是双人片段显得僵硬最常见的原因。

  3. 3

    选一个共同场景

    俱乐部舞台、天台 cypher 或复古街边。背景要足够简单,让两位表演者都清晰可辨。

  4. 4

    渲染并检查两人

    留意换脸、肩膀融合和画面边缘多出第三个人。出现任何一种,就简化运镜后重试。

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。

两名说唱歌手在阳光下的 1990 年代街边拎着收音机,复古 AI 双人片段

Duo Stage

两名说唱歌手在小俱乐部舞台上轮流说唱。

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

Retro VHS

1990 年代街边场景,两人共用一个收音机。

提示词(英文)

Use the two people in the uploaded photos as the only performers. A sunlit city sidewalk in the mid-1990s, a large silver boombox on the ground between them, brick wall and parked cars behind. The pair trade verses and laugh between lines, baggy outfits moving with the beat. One continuous handheld shot with a slight zoom, framed like a 1990s music-video segment, warm film grain and soft VHS halation. Keep the faces, hair, outfits and body proportions exactly as photographed. No period-inaccurate screens, no extra people, no text, no watermark, no logo. Vertical 9:16.

在工作室中使用

Night Cypher

一位主角表演,天台上围成一圈的人观看。

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

为什么分开的照片胜过一张合影

合影里存在遮挡:一个人的肩膀挡在另一个人前面、共享的阴影、闯入画面的手。模型必须猜哪些像素属于哪个人。两张单独照片消除了这种歧义,让每张脸都有自己的参考。

尽量在相近光线下拍。一位被窗户光照亮、另一位被手机闪光灯照亮也能渲染,但两人看起来会像合成的。上传前能做的最大改善,就是让色温接近。

没有导演也能排好双人镜头

像写镜头表一样写画面。谁在画面左、谁在画面右、谁先做手势、镜头从哪开始到哪结束。空间描述具体时,模型理解得很好:并排、面对面、相隔一步。

不要在同一段五秒里要求剪辑、拥抱和走动。双人片段抓住一次交流就够了。第二次交流留给第二次渲染,在剪辑软件里拼起来。

一张脸偏移时怎么办

如果一位表演者变了、另一位稳定,原因通常是那张弱照片。先换成更清晰、正面的照片,再动提示词。如果两人都偏移,运镜很可能太快或太广。

缓慢推近、大部分时间两张脸都可见,是最稳妥的双人镜头。等基础双人镜头干净了,再在第二次渲染里尝试环绕和走动。

常见问题

可以用一张合影代替两张分开的照片吗?

可以,但结果更不稳定。合影会遮住每张脸的一部分,让模型更难把两个身份分开。

两位表演者在画面里必须一样大吗?

不必。你可以让一位更靠近镜头,但两张脸都应可见。身高差明显没问题,脸被挡住不行。

双人可以是同一个人的两个版本吗?

技术上可以,但结果常像克隆特效。如果这就是意图,请在提示词里明确说明。

他们会互相对视还是看镜头?

取决于提示词。并排预设通常让一位表演者面向镜头,另一位做反应。视线方向重要的话就写清楚。

可以加第三位表演者吗?

工作室围绕一到两个参考设计。短片里三张以上的脸通常会出现换脸和身体融合。把他们拆到不同片段里。

双人视频包含音频吗?

不包含。下载后在剪辑软件里加上你的音轨。片段是无声画面。

如果一位表演者的服装中途变了怎么办?

简化场景、放慢运镜。快速运动和杂乱背景是服装偏移的常见原因。

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。