这个 AI 音乐视频生成器会做出什么？
AIRAP 以人像中的人物为主角，创作一段短篇演出：先生成场景图，再生成动作与可选原创声音。输出是可下载的 MP4 片段，不是已经剪好、包含多个场景的完整 MV。
选场景前，先想清成片需要完成什么。个人献词可能用一段短演出就能表达；整首歌长度的 MV 通常需要多个片段、已有录音和剪辑软件。AIRAP 提供的是生成的表演片段，最终的镜头顺序应按这个范围规划。
照片决定人物参考，主题提供视觉环境，可选音频话题引导原创声音。音乐描述再细，也无法修复模糊的人脸，或让一次请求自动成为多个场景的完整制作。
先选择个人现场，还是双人演出
想要键盘主导的小型现场，可以选 Tiny Desk，上传一张人物、宠物或动漫角色图片。10、12 或 15 秒编排让参考图中的主体担任主唱，身旁有伴唱与乐队。Hotel Lobby 和 On The Radar 用两张照片完成双人说唱；Halloween 用一张照片完成 10 秒个人 Freestyle。
规划镜头前先准备肖像。尽量正对镜头，让眼睛和嘴巴清楚可见，使用柔和的正面光，并给头部留出空间。很暗的演唱会照片或许气氛合适，却可能没有足够的面部信息供生成使用。
- 检查实际图片，不只是文件名
- 支持 JPEG、PNG 和 WebP，每张不超过 2 MB。HEIC 等不支持的格式需要先导出，改后缀并不会转换图片。上传成功也不代表参考质量足够：过小或模糊的照片，仍可能难以还原面部细节。
- 双人组合要准备两份独立参考
- Hotel Lobby 和 On The Radar 需要分别上传两张单人肖像，每个人都应清楚可辨，细节水平尽量接近。避免多人自拍、脸部重叠和重度滤镜；原照片无需共用同一背景，因为演出场景会重新生成。
- 单人参考要让主角明确
- Tiny Desk 和 Halloween 各用一张肖像。可以裁掉照片中的其他人，但不要切掉主角的头部。Tiny Desk 的伴奏乐队属于生成的场景与配角，不需要为每位乐手上传照片。
让画面配合音乐想法
温暖献词适合近距离现场，充满能量的交流适合双人麦克风表演。先选视觉主题，再在音频话题中写音乐内容与情绪。不要用这个输入框要求另一套场景、画幅或生成模型。
Hotel Lobby 在相同的双人形式下提供四种舞台。这些是视觉选择，并不代表四种歌曲上传模式。把背景、光线与麦克风安排，和你希望表达的音乐情绪放在一起比较。
- 橙色摄影棚：画面直接，突出人物
- 橙色背景与悬挂麦克风适合轻松双人互动，或有鲜明开场的短视频。简单的布景也有助于人物在手机小屏幕上保持醒目。
- Luxury Lobby：适合庆祝的空间
- 暖色吊灯、奶油色大理石和两支复古麦克风，适合里程碑或正式献词。希望环境也能传达仪式感时，可以考虑这个舞台。
- Studio Booth：近距离录音现场
- 深色吸音板、紫蓝点光与共用麦克风，适合个人化或合作创作的气氛。内容重点是两位表演者的关系时，这种视觉环境比较贴合。
- Street Cypher：户外双人接唱
- 夜间小巷、涂鸦肌理和各自的麦克风，适合充满能量的互动。舞台仍保留两位主角；在音频话题里要求人群或追车，不会重新设计场景。
已经有歌曲，应该怎么做？
公开生成器目前根据话题创作原创声音，不接受歌曲上传。如果已经有录音，可以生成无声画面，再用外部剪辑软件合上自己的音轨。请先确认录音使用权。下载后换音轨，不保证人物口型和动作能跟新音轨同步。
如果录音已经完成，可以关闭生成音频，把下载的短片作为剪辑素材，在外部软件里按歌曲安排切点。把歌曲链接或整页歌词粘贴进话题框，并不会导入那段录音。
创作原创声音时，可以说明一个场合、一个细节和语言偏好。使用已有录音时，先检查画面里的嘴部动作，再判断是否适合配上这首歌；氛围合适和歌词精确对口型，是两种不同需求。
把更长的 MV 拆成多个片段规划
先给所有镜头选择统一画幅，再让每段短片围绕一个清楚的瞬间，下载后剪辑组合。保持使用相同人像有助于连续性，但独立生成之间仍可能有差异。每次确认前都核对对应的积分费用。
例如想做一段 30 秒内容，可以先写出三个各 10 秒的瞬间：介绍人物、展开故事、最后收束主题。Hotel Lobby 或 On The Radar 可以提供这样的双人短片；Tiny Desk 可以按每段 10、12 或 15 秒规划。独立生成的片段不保证能成为连续的一镜到底。
需要连续感时，保持肖像、主题、舞台、模型和画幅一致。独立生成仍可能改变服装、表情或背景。先检查第一段结果，再决定是否继续生成，剪辑时尽量让变化出现在合理的切点。
给字幕、转场和结尾留出剪辑空间。每段生成都有自己的报价，预算应根据最终需要多少段可用素材来安排。
按观看与分享场景选择画幅
按分享场景选择竖屏、横屏或方形画幅。视频设置会显示当前支持的比例与时长，有些主题采用固定长度，请以所选主题的表单要求为准。
手机竖屏内容可以选 9:16，横向镜头序列可选 16:9，方形帖子可选 1:1。后期加字幕前先检查人脸和麦克风的位置。把横屏画面强行裁成竖屏，可能会切掉双人演出中的一个人。
Hotel Lobby 和 On The Radar 提供 5、8、10、12、15 秒；Tiny Desk 可选 10、12 或 15 秒，Halloween 固定 10 秒。给所选主题的时长安排一个能表达清楚的瞬间。
- 5 秒：插入镜头或一个开场节拍
- 适合一次紧凑互动，或剪辑中短暂的视觉重点。复杂故事需要更长的片段，不宜全部挤进这个话题。
- 8 秒：一个可以独立成立的小想法
- 多一点时间交代内容并回应，同时保持紧凑。计划一个情绪重点即可，尤其是最终帖子还会另外搭配标题或说明时。
- 10 秒：便于组合的短片段
- 适合把多个短瞬间规划成一段序列。它可以承载一个场合与一个个人细节，不必让每次请求都负责整支 MV。
- 12 秒：让表达更从容
- 互动需要铺垫和收尾时可以考虑。实际措辞与演唱速度仍可能变化，因此时长是内容的容量，不是精确的逐句歌词时间表。
- 15 秒：更完整的一段表演
- 适合更长的双人接唱，也是 Tiny Desk 可选的最长时长。仍要保持主题集中；多几秒不会保证增加场景切换，或自动形成整首歌的结构。
检查模型与积分报价
Seedance 2.0 Mini 和 Fast 支持 480p、720p；Seedance 2.0 与 2.5 还支持 1080p。先选择实际需要的规格，准确积分报价会随模型、清晰度、时长更新。原声音频包含在报价中，确认最终费用后再生成。
根据最终观看尺寸选择清晰度，并核对具体模型和时长的报价。更多像素无法修复质量不足的人像参考。在用同一组设置连续制作多个片段前，先检查人物面部和动作。
确认生成前，再检查一次
核对人物与主题，通读音频话题，确认画幅、清晰度及显示的积分。单独上传照片不会开始视频任务。确认生成后，先跟踪已保存任务，再决定是否需要新请求。
- 多个片段里的人物相似度不稳定
- 选择最清楚、前后一致的肖像，并尽量保持视觉选项不变。围绕某段素材开始剪辑前，要检查人物在运动过程中是否发生变化。独立重试也可能带来新的差异。
- 情绪、措辞或语言偏离了要求
- 删掉互相冲突的要求，只保留一个场合、一个细节和一种语言。技术设置放在对应控件中。想换环境时选择另一个主题或舞台，不要依赖音频话题改变场景。
- 短片放进最终剪辑后不合适
- 对照镜头计划检查画幅、人脸位置与时长。字幕叠加和最终录音在外部剪辑软件中处理。更换音轨不会自动重新安排已经生成的口型与动作。
- 请求还在处理，或显示需要关注
- 再次生成前，先到“我的视频”查看任务状态、扣费及退款信息。创意质量需要单独判断；每个新请求都会有独立的报价与扣费。