01
脸和嘴要露出来
选正脸朝向镜头、嘴唇清清楚楚的照片。话筒、手、口罩或嘴边的大片阴影，都会让模型只能去猜，猜出来往往就是发糊、像橡皮一样乱扭的嘴。光线均匀柔和，比半张脸藏在阴影里的氛围感打光更靠谱。
AI 说唱视频
100积分
剩余积分：
公开
AI 说唱视频生成器：你的脸，你写的词
这个 AI 说唱视频生成器可以用一张单人照或多人合照和几句英文歌词，就能做出一段说唱短片：照片里的人对着镜头唱你写的词，口型同步，人声和伴奏一起生成。示例歌词已经放在提示词框里，照片一传完就能先试一条，想好了再换成自己的词。初始为 12 秒、9:16 竖屏，大约能容纳五句短歌词。可以按自己的 hook 或短段落调整构图和时长，先把一小段表演做好，不必把整首歌塞进同一支短片。
四步做出你的说唱视频
从上传照片到听见成品，全部在上面的生成器里完成。
1
上传说唱者
上传一张清晰的单人照或多人合照，让表演者朝向镜头，嘴别被话筒、手或口罩挡住。
2
写你的词
想查看或修改时点“编辑”展开，也可以直接用准备好的示例。把引号里的五句示例换成你自己的英文歌词，引号外的部分照旧保留。12 秒大约放得下五句短句。
3
定好伴奏和场景
保留天台加 boom bap 的默认设定，或者从下面挑一种曲风，替换提示词里 Beat 和 Scene 开头的那两行。
4
生成并试听
先确认按钮旁标明的费用是 100 积分，生成后开着声音完整播一遍，确认词和口型都对了再下载。
AI 说唱视频生成器能做出什么
每次生成就是录一条 take：脸、人声和伴奏在同一次生成里一起出来。一支完整的说唱 MV 由好几条 take 剪成，这个页面就是用来录这些 take 的。
脸还是你的脸
照片是身份参考，告诉模型要保留谁的脸、发型、肤色和穿着，再让这个人在新场景里表演。一张普通自拍，也能变成天台或录音棚里的一段说唱。
词就是你写的词
引号里的歌词，就是说唱者要一字不差唱出来的内容，统一用英文唱。引号外面写的都是给模型的指示：用什么状态唱、配什么伴奏、镜头怎么拍。
人声、伴奏和口型一次生成
画面、说唱人声和伴奏放在同一次生成里完成，嘴型是跟着声音一起生出来的，不是先出画面、事后再配音去对口型，所以词和嘴能对得上。
默认 12 秒
初始为 12 秒、9:16 竖屏，大约能容纳五句短歌词。可以按自己的 hook 或短段落调整构图和时长，先把一小段表演做好，不必把整首歌塞进同一支短片。
选一张能开口说唱的照片
对口型靠嘴，手势靠构图。还没写一句词，下面这四点就已经决定了大半效果。
02
单人照、多人合照都能试
可以用单人照，也可以尝试多人合照。多人时，在提示词里说明谁领唱、是否一起唱，或者谁先谁后。让要表演的人清楚地出现在画面里，并留出手势空间。喜欢墨镜造型可以戴，不过眼睛露出来，模型更容易在不同画面中保持人物一致。
03
给手势留出空间
说唱不只是嘴在动，手和肩膀也在表演。从胸口或腰部往上拍的照片，能给模型留出加手势的空间；证件照那种紧裁切也能用，只是出来会显得比较僵。原图短边最好在 1000 像素左右或以上。
04
先取得同意
用你自己的照片，或已获得本人许可的照片。要用朋友的照片先问一声，到时候开口说唱的可是他的脸。也不要让真实的歌手或公众人物说出他们从没说过的话。
选一种曲风
伴奏是模型按你写的文字生成的，所以要像制作人那样描述：速度、鼓、低音和情绪。把下面任意一组的 Beat 行和 Scene 行复制进提示词，替换示例里对应的两行。一条片段只用一种风格、一个地点，镜头也只给一个动作；想让几条片段听起来像同一首歌，每次都用一字不差的同一行 Beat。
Boom bap
Beat: dusty boom-bap drums around 90 BPM, deep kick, crisp snare, a short vinyl scratch. Scene: brick wall under one streetlight, hoodie, steady handheld medium close-up.
Trap
Beat: hard trap beat around 140 BPM, rolling hi-hats, heavy 808 bass, dark synth. Scene: empty parking garage with red neon, low camera angle, slow push-in.
Drill
Beat: dark drill beat with sliding 808s, sparse piano and off-beat snares. Scene: wet street at night, cold blue light, steady medium shot from the front.
Lo-fi
Beat: mellow lo-fi hip-hop beat, soft keys, lazy swing, light vinyl crackle. Scene: small bedroom studio, desk lamp glow, close-up, relaxed delivery.
安排表演，确认积分
每次生成固定消耗 100 积分，选择 4–15 秒中的任何时长都不加价。提交前确认可用余额足够支付本次生成。
01
一张照片，一段表演
照片提供人物面容和外观参考，人声、节拍与画面在同一次生成中完成。可以先用准备好的五句歌词做一段 12 秒表演，再从头到尾听一遍。准备换成自己的词时，点“编辑”展开提示词，替换引号里的英文歌词，把 Beat 和 Scene 等演出说明留在引号外。这样既能保留表演方向，也方便分清哪些文字需要唱出来。
02
让歌词适合片长
用滑块在 4–15 秒之间调整，短片段少写几句，较长的片段则可以给停顿和手势留些余量。所有时长都固定消耗 100 积分，加长不会加价。先把短版本听顺，再考虑增加歌词；提交前自己按节拍读一遍，检查是不是需要赶着唱。如果已经没有换气空间，就删掉多余的词，而不是把整段内容硬挤进去。
03
给表演选一个合适的构图
根据分享位置选择画幅。竖屏适合人物近景，横屏能放下更多手势和背景，方形则适合紧凑排版。始终让嘴部清楚可见，避免镜头大幅移动，也给人物抬手或点头留出空间。每次只改一项，别同时重写歌词、节拍和整个场景；保持同一张照片比较不同版本，才能更容易判断哪次调整真正改善了表演。
04
免费积分和水印
登录后在账户菜单里领取每日签到，签满 7 天一个周期共 20 积分，单靠这些还不够做一条默认的 12 秒片段。免费账户只能公开生成，下载带水印；付费账户可以私密生成，下载没有水印。
检查成片，拼出更长的说唱视频
每条片子出来后，开着声音至少看两遍，再决定改哪里。
先听词
字全不全、顺序对不对、读音是不是你要的？有词被吞了，就把那句缩短，或者换个更直白的拼法。每次只改一个地方，才听得出到底是哪里变好了。
再盯嘴
唱到 b、p、m 这类要闭嘴的音时，嘴唇有没有合上，元音的地方有没有张开？口型飘了，就换一张脸更清楚、更大的照片。
把主歌拆成几条 take
想做比一条片段更长的说唱 MV，就把整段主歌拆成四五句一段，每段生成一条，都用同一张照片、同一行 Beat 和同一行 Scene。在历史记录里点“再次使用这些素材”，就能从上一条的设置直接开始下一条。
剪到一起
在任意剪辑软件里把片段接起来。如果几条之间的伴奏有点不一样，就在整段剪辑底下铺一条连续的伴奏，把生成的人声留在上面。字幕也在剪辑时再加，模型生成的画面文字经常拼错。
开唱前，你可能想问
不用。提示词框里已经放好了五句示例，照片一传完就能生成。想唱自己的词，把引号里那几行换成你的英文歌词，其他部分保留就行。点“恢复示例歌词”可以找回原来的内容。
这个页面不行。你只上传一张照片，人声和伴奏都根据提示词里的文字生成，嘴型能跟声音对上靠的正是这一点。如果手上已经有做好的歌，可以把这些片段当画面素材，在剪辑软件里换掉音轨，但嘴型跟的是生成的人声。
初始时长为 12 秒，大约适合五句短歌词。用时长滑块可选择 4–15 秒，每次固定消耗 100 积分，不随片长变化。要做完整的一段 verse，可以使用同一张照片和同一条 Beat 描述分段生成，再剪辑拼接。
不能。这个页面的所有语言版本，说唱都用英文唱，所以歌词请写英文。页面可以用中文看，唱出来的词是英文。
登录后在账户菜单领取每日签到奖励，7 天一个周期共 20 积分。可用积分达到每次生成所需的 100 积分就能生成。免费账户只能公开生成，下载带水印。
点“编辑”展开提示词，在歌词下方、引号外描述速度、鼓点、贝斯和演唱方式。一段表演尽量保持一种音乐风格，相关片段可以沿用同一条 Beat 描述。完成后先听人声与伴奏，再决定下一次需要调整哪一部分。