AI 说唱视频提示词指南：照片、人物分工与场景准备

好用的 AI 说唱视频提示词，要让人物、歌词和场景容易理解。参考照片提供外貌信息，文字说明谁来表演、唱什么，以及镜头如何安排。增加要求之前，先确认它们互相一致。

这份指南适合在进入 说唱视频创作室 前准备，也适合在生成结果过于拥挤时，用来整理下一版提示词。

每张参考照片都应有明确作用

选择清楚、光线均匀、脸部可见且遮挡较少的照片。双人作品使用独立单人照，更容易定义角色。大墨镜、挡脸的手，或合照边缘的小脸，都可能让身份不够明确。

原创创作室支持最多九张 JPG、PNG 或 WebP 参考图，单张不超过 8 MB，总计不超过 24 MB。这是容量上限，不代表必须放满；先用能交代人物的最少照片。

Battle 创作室 固定使用两个表演者位置，每张照片应有一张清晰的成年人人脸。请使用自己或同意出镜者的照片。

让上传顺序与人物标签对应

@1 是第一张上传图，@2 是第二张。先定义一次角色：

A 是 @1 中的人，站在左侧；B 是 @2 中的人，站在右侧。只有两位表演者，保持人物身份独立。

后面的歌词和动作继续沿用 A、B。删除或调整参考图顺序后，要重新检查标签。原创创作室的合照可能包含多人，因此需要明确想使用谁，不能默认一张图就必然对应一名歌手。

提示词写清五件事

1. 人物：谁出现，参考哪张图。
2. 场景：一个地点和少量重要物件。
3. 歌词：短句，需要时标明说唱者。
4. 声音：语言、演唱方式与大致节奏。
5. 镜头和动作：一个简单镜头与可完成的手势。

例如，办公室双人合唱可以这样开始：

两位同事在明亮办公室里，刚结束一场长会。A 是 @1，站在左侧；B 是 @2，站在右侧。两人之间一支麦克风，桌上有纸杯咖啡。固定正面双人镜头，两张脸都保持可见。轻松嘻哈节奏，清晰中文说唱。A 唱第一句，B 回答，再重复 A、B。倾听者点头，不要和主唱抢词。只演唱提供的歌词。

在这段文字后面加入歌词。还没有具体情境时，可以先看 说唱视频创意。

删除互相冲突的要求

“一个完整双人长镜头”和“连续切换四个特写”互相冲突。“只有两位表演者”后面又加入欢呼人群，也会让人数不明确。提交前先把文字里的矛盾处理掉。

短片优先保留一个地点、一次对答和一个结尾。长歌词、停顿、人物反应和复杂动作，都在争夺有限的几秒钟。如果最后一句总是太赶，先减字，再考虑增加时间说明。

看过结果后，下一版可以怎么改

• 人物混合或交换：简化参考图，重新说明人物对应关系。
• 两人一起抢唱：分配每句歌词，说明倾听者的反应。
• 漏词：缩短歌词，或选择可用的更长时长。
• 镜头丢失一位人物：要求固定双人画面，两张脸始终可见。
• 场景太乱：减少地点、道具和动作。

这些方法用于让要求更清楚，不保证模型一定修正对应问题。每次先改一个主要因素，并保存上一版文字，方便比较效果。

生成前最后检查

确认参考图顺序、角色标签、语言、时长、清晰度、画幅和积分。创作室会生成 AI 人声与节奏，不使用上传录音；完成后先播放，再下载或分享。

接下来可以阅读 完整制作流程、双人 Battle 教程，或直接改写 生日歌词示例。