转写说明

本文基于已校验的公开原文进行结构化转写与事实梳理，非原文转载。 转写保留可核验的技术事实，并将工程建议与来源观点明确分开。

核心结论

AI时代，技能习得的最佳路径不是先学后做，而是“干中学”。在制作6首国风治愈歌曲MV的过程中，作者完成了从零起步到形成固定流程的完整迭代。技术门槛可以通过实践逐步克服，真正难以跨越的是审美判断和意境表达能力。AI工具能够高效处理技术层面的重复劳动，但歌词意境的视觉化呈现仍需创作者投入时间进行构思和判断。

能力机制

制作AI歌曲MV涉及三个核心工具的协同：豆包负责根据歌词拆分镜头并生成画面描述，即梦承担文生图和图生视频任务，剪映完成视频合成与精细剪辑。

完整制作流程包含七个阶段。首先是选歌定风格阶段，需明确歌曲基调（禅意、轻快或抒情）、画面色调以及角色设定，作者后期统一采用低饱和莫兰迪色系，角色固定为国风Q版小女孩搭配小猫形象。其次是AI生成分镜提示词阶段，将歌词按句拆分，一句对应一至数个分镜，每个分镜需标注对应歌词、画面内容、运镜方式、时长和情绪表达，其中文生图提示词与图生视频提示词侧重点不同，前者重画面构图，后者重运镜和动作。再次是文生图阶段，这是效率提升的关键环节，通过先出图再确认的方式，可以在图阶段及时发现构图、人物、氛围偏差，避免进入视频阶段后反复抽卡造成的时间和成本浪费。然后是图生视频阶段，提示词应聚焦于主要动作、镜头运动方式（慢推、慢拉或固定）和时长，动作描述以单一动作为宜，单段时长控制在数秒至十几秒，后续在剪映中拼接。接着是剪辑合成阶段，核心是实现歌词、声音和画面的同步对齐，同时控制转场数量以保持画面干净。封面制作不可省略，需确保字体、留白和主视觉能够清晰传达歌名和风格。最后是复盘总结阶段，记录耗时最长的环节、容易出问题的提示词类型以及仍需改进之处，为下一首作品的针对性提升提供依据。

快速开始

启动AI歌曲MV制作前，需完成工具准备和前期规划两个准备环节。工具方面需要豆包用于分镜生成和提示词撰写，即梦用于图像和视频生成，剪映用于最终合成。规划方面需要确定歌曲风格基调，选择参考色调，并初步设定主角形象和固定元素。

正式制作从分镜拆分开始，将歌词按句拆分并提交给大模型，生成各分镜的文生图和图生视频提示词。文生图阶段使用即梦逐分镜出图，配合角色参考图确认人物形象和场景氛围，发现偏差及时调整提示词重新生成。文生图确认无误后，切换至图生视频模式，聚焦运镜动作和时长控制生成视频片段。全部片段生成完成后导入剪映，完成音频导入、歌词字幕添加、音画同步调整、转场设置和封面制作等合成工作。导出成片后进行复盘，记录制作过程中的问题和改进方向。

适用边界

当前阶段，AI制作歌曲MV的技术流程已经相对成熟和稳定。生成式视频工具能够实现基本的运镜和动作表达，配合图片生成工具可以实现较高的画面可控性。对于具备一定动手能力和学习意愿的普通用户，技术层面不存在不可逾越的障碍。

然而，AI工具在创意层面仍有明显局限。歌词意境的视觉化表达需要对歌曲情感的深入理解和对视觉语言的熟练运用，这是AI难以独立完成的部分。分镜提示词的撰写质量直接影响生成效果，过于抽象的描述会导致生成结果与预期不符，反复修改会显著增加时间和资源消耗。此外，作者强调的“审美和判断”是技术流程之外的核心能力，需要通过大量实践积累才能获得。

核验清单

制作前应确认以下要点：已选定歌曲并明确风格基调；已初步设定角色形象（建议准备定妆参考图以提高后续出图一致性）；已了解各工具的基本操作方式。制作中应关注以下要点：分镜提示词是否具体清晰；文生图阶段是否完成构图和氛围确认；图生视频提示词是否聚焦运镜动作而非重复画面描述；音画同步是否准确；封面是否清晰传达歌名和风格。制作后应进行以下复盘：哪个环节耗时最长；哪些类型的提示词容易导致返工；现有流程中仍有哪个环节不够熟练；下一首作品应重点改进哪个方面。

来源与核验

  • 原始文章
  • 页面事实以原始来源及其引用的官方资料为准；版本、星标和模型能力会随时间变化。
  • AI Stack 不公开抓取到的全文快照，只发布独立转写与来源入口。

站内链接

相关文章