利用 AI 将您的歌曲转化为音乐视频。无论您想要电影级叙事、歌唱表演、舞蹈视频还是歌词视频，Somio AI 都能提供多种方式将您的音乐转化为极具吸引力的视觉内容。
本指南将带您了解每种视频类型，解释如何使用可用设置，对比视频模型，并展示如何编写提示词以获得更好的效果。
选择合适的 AI 音乐视频工具
不同的音乐视频需要不同类型的视觉生成。请选择与您想要创作的内容最匹配的选项。
快速参考：
| 如果您想... | 使用 |
|---|---|
| 围绕您的歌曲创作一个电影级故事 | AI 音乐视频生成器 |
| 让角色或歌手随您的音频歌唱 | AI 歌唱视频生成器 |
| 让角色表演一段舞蹈 | AI 舞蹈视频生成器 |
| 创建带有视觉背景的同步歌词 | AI 歌词视频生成器 |
视频类型对比：
AI 音乐视频生成器
AI 音乐视频生成器专为故事驱动的音乐视频而设计。只需描述您构思中的故事、角色、环境、视觉风格和氛围，AI 即可将您的概念转化为电影级的视频场景。
它特别适用于：
• 全长音乐视频
• 叙事音乐视频
• 概念专辑和视觉项目
• 电影级音乐短片
• 音乐宣传内容
如何创建音乐视频
添加您的音乐
上传您自己的音频或从您的库中选择一首歌曲。
然后选择您想要转化为视频的歌曲部分。您可以选择预设时长或拖动时间轴来选择特定片段。默认选择 10 秒片段，短于 10 秒的曲目将自动设置为 完整。所选片段必须至少长达 3 秒。
设定视觉效果
添加一张参考图，并使用视觉提示词描述您想要创建的视频。
参考图
参考图是可选的，但清晰、高质量的图像可以为模型提供更强的视觉起点。支持大小不超过 30 MB 的 JPG 和 PNG 图片。
视觉提示词
使用提示词来描述您想要看到的画面细节、动作和故事。您可以包含主角、场景、动作、视觉风格、颜色、灯光、氛围和故事进展。
提示词支持最多 2,000 个字符。描述越具体，通常能给模型越明确的指导，从而生成更连贯的视觉效果。
您还可以选择一种风格预设，快速定义视频的整体视觉风格。
调整设置并生成
在生成之前，选择最适合您项目的视频比例和模型。
视频比例
• 16:9 — 推荐用于传统音乐视频、YouTube 视频和横屏内容。
• 9:16 — 推荐用于 TikTok、YouTube Shorts 和其他竖屏短视频内容。
视频模型
根据您对质量、动作复杂度、生成速度和额度消耗的需求选择模型。
设置完成后，点击创建音乐视频开始生成。
视频模型指南
不同的模型针对不同类型的音乐视频创作进行了优化。高端模型通常提供更强的视觉质量和更先进的动作生成，而轻量级模型则适用于快速迭代和较低的额度消耗。
| 模型 | 质量 | 核心优势 | 最适用于 |
|---|---|---|---|
| Seedance 2.5 | 下一代超高清（大师工作室级） | 下一代电影级写实、帧级精确的创意控制、超逼真的动作和场景细节 | 长篇电影叙事、多场景音乐视频、高端商业内容 |
| Google Veo 3.1 Standard | 电影级超高清 | 超高清画面合成、真实的物理效果、复杂的光影处理 | 电影风格序列、大片级视觉特效、商业内容 |
| Seedance 2.0 | 电影级超高清（工作室级） | 电影级写实、复杂动作处理、高细节视觉效果、真实的物理效果 | 专业级音乐视频、商业级质量内容、高端视觉特效 |
| Kling 3.0 | 电影级高清 | 极强的空间一致性、真实的动态表现、先进的运镜控制 | 动态摄影、复杂运动、电影片段 |
| Seedance 2.0 Fast | 工作室级高清 | 流畅的动作、生成速度快、强大的多帧稳定性 | 社交媒体片段、节奏明快的视频、快速迭代 |
| Seedance 2.0 Mini | 标准高清 | 轻量级生成、极速迭代、效果可靠 | 草图、预览和高产量内容 |
| Seedance 1.5 Pro | 高清 | 性能稳定、光影一致、高效生成 | 日常内容、预算敏感型项目、快速样片 |
如何选择模型
追求顶级电影级质量： 请选择 Seedance 2.5。
追求电影级质量： 请选择 Google Veo 3.1 Standard 或 Seedance 2.0。
需要动态运镜效果： 请选择 Kling 3.0。
平衡质量与速度： 请选择 Seedance 2.0 Fast。
进行快速预览与测试： 请选择 Seedance 2.0 Mini。
轻量化日常创作： 请选择 Seedance 1.5 Pro。
请注意，不同模型的额度消耗不同。高质量模型通常每秒需要更多额度。
如何编写更好的音乐视频提示词
好的提示词能为 AI 提供明确的创作方向。
与其简单地描述一种情感，如“悲伤的情歌”或“美丽的音乐视频”，不如通过角色、环境、动作、颜色和故事将情感视觉化。直接查看提示词示例 →
一个实用的初始公式是：
您不需要逐字遵循此公式。将其用作检查清单，确保您的想法包含足够的视觉信息。
告诉 AI 视频的焦点是谁或什么。
不要只写：
尝试：
第二个提示词为 AI 提供了一个真正可以出现在屏幕上的明确主体。您可以描述：
音乐视频提示词示例与误区
音乐视频提示词示例
概念： 遗憾、逝去的爱与回忆
常见提示词误区
太模糊：
这些概念对人类来说很清晰，但没有告诉 AI 画面中到底应该出现什么。
更好：
抽象的情感现在通过具体的角色、地点、颜色和动作表现出来了。
提升 AI 音乐视频效果的技巧
使用清晰、高质量的参考图
在音乐视频生成中，您的参考图为视频提供了视觉基础。
为了获得最佳起点：
• 使用清晰、高分辨率的图片
• 确保主体清晰可见
• 避免面部或身体被大面积遮挡
• 保持主体与背景清晰分离
• 当功能有特定要求时，请使用单一主体
根据动作匹配模型
对于简单的动作，较快的模型就足够了。
对于复杂的编舞、剧烈运动、细腻的面部表演或电影化运镜，请考虑使用更高端的模型。
AI 歌唱视频生成器
AI 歌唱视频生成器专为让角色或真人随您的音频进行表演而设计。
它是以下场景的理想选择：
• AI 歌手
• 虚拟表演者
• 歌唱虚拟形象
• 翻唱歌曲视觉效果
• 歌唱角色
• 需要视觉表演者的音乐创作者
与音乐视频生成器不同，此模式专注于表演和口型同步。
如何创建歌唱视频
添加您的音乐
上传您自己的音频或从您的库中选择一首歌曲。您可以使用不超过 5 分钟 且大小在 5 MB 以内的 MP3、WAV、M4A 或 AAC 文件。
然后选择您想要使用的歌曲部分。选择预设时长或拖动时间轴来选择特定片段。所选片段必须至少长达 3 秒。
上传角色图片
必须提供角色图片。上传一张您想要进行表演的真人或角色的清晰 JPG 或 PNG 图片。通常，主体单一且清晰可见的正面图像效果最好。您可以使用真人、动物、插画角色或其他合适的主体。图片最大尺寸为 10 MB。
提示词是可选的。如果您只想让角色随音频歌唱，可以留空；或者利用它来添加动作、乐器、表情或背景细节。
例如：
您可以使用提示词描述：
• 角色动作
• 乐器演奏
• 简单舞蹈
• 面部或身体动作
• 背景元素
• 灯光
• 整体氛围
提示词最多可包含 2,500 个字符。
选择模型并生成
AI 唱歌视频生成器目前提供标准模式和专业模式。
| 标准模式 | 专业模式 | |
|---|---|---|
| 视频质量 | 高清画质 | 更高清晰度、更细腻的视觉质量 |
| 对口型 | 适用于简单的唱歌和演讲 | 更精确的对口型，特别是针对快节奏人声和说唱 |
| 面部表情 | 基础面部动作 | 更细致的面部表情和微妙的动作 |
| 头部和身体动作 | 幅度较小的动作 | 更自然的头部和身体动作 |
| 生成速度 | 较快 | 通常较慢 |
何时使用标准模式
以下情况适合选择标准模式：
• 您想要快速生成唱歌视频
• 表演动作相对简单
• 人物以中景或远景呈现
• 您正在测试不同的创意
何时使用专业模式
以下情况建议选择专业模式：
• 准确的唱歌对口型至关重要
• 人声节奏较快或复杂
• 视频包含说唱或快速歌词
• 面部出现在特写镜头中
• 您想要更具表现力的面部和身体动作
• 您正在制作高质量的音乐或宣传内容
AI 跳舞视频生成器
AI 跳舞视频生成器让您可以使用舞蹈参考视频或现成的舞蹈模板让人物动起来。
它适用于：
• 舞蹈音乐视频
• K-Pop 风格表演
• 舞蹈挑战
• 角色编舞
• 动漫或 3D 角色跳舞
• 短视频社交内容
如何创建跳舞视频
上传您的人物
上传您想要赋予动态的人物或角色的 JPG、JPEG 或 PNG 图像。清晰、高质量且只有一个主体的图像效果最佳。建议尽可能使用正视图。您可以使用人物、动物、插画角色或其他合适的主体。最大图像大小为 10 MB。
选择舞蹈制作方式
有两种方式可以创建动作。
方案 1：上传参考视频
对于自定义表演，请上传一段最长 30 秒 且不超过 100 MB 的 MP4 或 MOV 视频。在整个视频中保持清晰可见的单个舞者通常会产生更好的效果。您还可以添加可选的提示词来描述背景、光影、氛围或视觉风格。
您还可以添加可选的提示词来描述额外的视觉要求。
例如：
方案 2：使用舞蹈模板
从可用的舞蹈模板中进行选择，无需准备自己的参考视频即可快速生成跳舞视频。
当您想要简单快速地尝试不同舞蹈风格时，模板非常有用。
选择模型并生成
AI 跳舞视频生成器为基于参考的生成提供标准模式和专业模式。
| 标准模式 | 专业模式 | |
|---|---|---|
| 动作追踪 | 适用于较简单的动作 | 更详细的动作和关节追踪 |
| 复杂动作 | 最适合较慢或中等幅度的动作 | 更适合快速、大幅度且复杂的动作 |
| 镜头运动 | 在简单的镜头运动下表现良好 | 能更好地维持镜头与人物动作之间的关系 |
| 视觉质量 | 高清画质 | 更高清晰度的视觉质量 |
| 生成速度 | 较快 | 通常较慢 |
何时使用标准模式
标准模式适用于：
• 缓慢或中等幅度的动作
• 小手势
• 轻轻摇摆
• 走路
• 简单的编舞
• 中景或远景镜头
何时使用专业模式
专业模式是以下情况的更好选择：
• K-Pop 编舞
• 嘻哈舞蹈
• 节奏快速的动作
• 大幅度的身体动作
• 旋转和跳跃
• 复杂的编舞
• 特写或半身镜头
如果参考视频包含复杂动作，专业模式可以帮助更自然地保留人物的身体结构和动作。
保留原始音频
默认保留原始音频。
如果您想生成无声的跳舞视频，并在后期制作中添加音乐或其他音频，请关闭此选项。
AI 歌词视频生成器
AI 歌词视频生成器可创建融合了您的歌曲、视觉背景和同步歌词的音乐视频。
它适用于：
• 歌词视频
• 卡拉 OK 视频
• 新歌宣传
• 社交媒体音乐剪辑
• 带有动态歌词的音乐内容
如何创建歌词视频
添加您的音乐和背景
上传您的音乐或从您的库中选择歌曲。支持的上传格式包括 MP3 和 WAV，歌曲长度最长可达 8 分钟。
然后，为您的视频选择背景。您可以上传 JPG、PNG 或 GIF 图像，或者描述您的需求并让 AI 为您生成背景。生成的图像也可以下载并重复使用。
自定义您的视频和歌词
选择视频比例并自定义歌词的显示方式。
视频比例
• 16:9 — 最适合 YouTube 和其他横屏内容。
• 9:16 — 最适合 TikTok、YouTube Shorts 和其他竖屏内容。
您还可以自定义 语言、歌词位置、行数、字体大小、当前歌词颜色、字体样式和显示样式。
某些样式（包括卡拉 OK、手写体和 TikTok 样式）支持逐字动画。
点击 带歌词预览 可以在生成之前查看和编辑转录文本。您可以纠正歌词文本、调整换行、更改布局、添加或删除歌词，并在需要时将歌词重置为原始转录。
生成最终视频
一切就绪后，点击 创建歌词视频。系统会将您的音乐、背景和自定义歌词合并为最终视频。
视频处理期间您可以离开页面。生成完成后，成品视频将显示在您的 库 中。
常见问题 (FAQ)
- 为什么我无法上传参考图像，或者为什么它显示版权警告？
某些模型 对包含 真实人脸（包括 AI 生成的人脸）的参考图像有限制。模型设置这些限制是为了帮助防止版权和身份相关的争议。如果某个模型有此限制，在您选择它时，旁边会有明确指示。请尝试切换到支持的模型，或使用没有真实人脸的参考图像，例如插画角色、3D 角色、物体、风景或概念艺术。
- 为什么我的生成任务因“敏感内容”消息而失败？
您的 参考图像或提示词 可能包含被安全系统检测为敏感的内容。这可能包括 裸体、色情内容、暴力、血腥内容或政治敏感信息。 要解决此问题，请检查您的提示词并删除任何潜在的敏感或擦边词汇。为了获得更清晰、更可靠的内容检测，建议使用英文提示词。如果您使用了参考图像，请尝试更换为合规的图像并重新提交生成。
- 为什么我的视频一直处于“生成中”或显示“超时”或“网络错误”？
视频生成可能需要一些时间，具体取决于模型和视频的复杂程度，尤其是在需求高峰期。如果任务一直卡住，或者在 库 中显示 失败 或 超时，请点击 重试 重新提交任务。系统会自动将其排队以进行另一次生成尝试。
- 如果视频生成失败或超时，我会损失积分吗？
不会。如果视频生成失败，积分不会损失。退回方式取决于生成是否已经开始。
• 如果进度条尚未开始显示： 由于网络超时或安全审核，预扣的积分将在 30 分钟内自动全额退还。
• 如果进度条已经显示： 该任务将被锁定。您可以点击 库 中的 重试 来继续同一个生成任务，而不会被收取额外的积分。如果重试也失败了，请联系我们的支持团队，我们将手动退还相应的积分。
- 为什么我视频中的脸部、手部或动作看起来很扭曲？
复杂的动作对 AI 视频模型来说可能具有挑战性，尤其是当场景包含快速动作、大幅度身体运动或同时进行多个动作时。请尝试：
• 简化提示词
• 减少同时发生的动作数量
• 使用更高级的模型
• 提供清晰、高质量的参考图像
对于跳舞视频，专业模式通常更适合复杂的编舞。
- 为什么歌手的对口型与音乐不符？
目前的 AI 音乐视频生成器 暂不提供对口型功能。如果您的视频需要人物随着音频唱歌，请使用专门为唱歌表演和对口型设计的 AI 唱歌视频生成器。对于节奏较快或说唱等高要求人声，建议使用专业模式。
- 视频生成需要多长时间？
生成时间因模型、视频长度、场景复杂程度和当前服务器负载而异。一段完整的 3-8 分钟音乐视频通常需要大约 15-30 分钟 才能完成。在需求高峰期，生成时间可能会更长。
- 为什么视频生成有时快有时慢？
生成速度主要取决于 视频模型、服务器负载和场景复杂程度。
• 视频模型： 不同的模型具有不同的处理速度。轻量级或快速模型通常生成更快，而更高级的模型可能需要更长时间。
• 服务器负载： 在高峰时段，可能有更多任务排队，从而增加生成时间。
• 场景复杂程度： 复杂的动作、视觉效果或其他高要求场景可能需要更多的处理时间。
- 视频生成时我可以关闭页面吗？
是的。一旦您提交了生成任务，处理就会在后台继续。您可以关闭页面或离开应用，而不会中断生成。视频准备就绪后，返回您的 库 即可查看并下载。