用两张照片制作 AI 双人 Rap 视频

这种 AI Rap 视频制作方式适合你吗？

如果你想让两个人一起出现在录音间，由照片生成表情、手势和镜头运动，可以使用这个生成器。朋友之间的录音室玩笑、双人亮相，都适合简短的表演形式。当前输出为 8 秒、720p、16:9 横屏。

如果你已经有一首完整歌曲，想制作对应的音乐视频，需要规划音轨、多段镜头和剪辑时间线。当前预设没有歌曲上传、歌词输入或精确对口型控件，不能保证人物演唱指定段落或跟随已有节拍。

这里不需要选模型，也不需要自己写提示词。预设把两个人放进共同的表演场景，同时允许不同手势与互动。模板选择指南说明了它与固定动作模板、剪辑工程的区别。

从两张照片到保存成片

1. 确定人物。 每位成年人使用一张清楚的照片，并获得制作许可。避免人群、过小的脸和挡住嘴部的物品。
2. 检查预览。 打开生成器，添加两张图片，确认每个位置都是想使用的人。照片预览不代表视频已经生成。
3. 查看消耗。 登录后检查余额与显示的生成积分要求。可购买的套餐在价格区。
4. 提交后跟踪任务。 等待明确的完成或失败状态。如果连接中断，先检查最近视频，再决定是否另开任务。
5. 播放并下载。 看完整段画面并听声音，再从任务记录保存可用版本。

短视频仍可能出现脸部保持不理想或手势不自然的情况。清楚的输入有助于减少歧义，但不能保证特定结果。上传和任务恢复问题可看详细制作教程。

音乐和人声如何生成？

视频模型可以同时生成声音。成片中可能听到伴奏、人声式表演或其他声音，但它不是可供选择的固定音轨，也可能没有音频。发布前必须实际播放，尤其要留意是否出现像是当事人说出的不合适内容。

预设要求原创音频，不包含原版 Hotel Lobby 录音，也不能输入指定歌词。付费生成并不代表选择了某首歌曲。配乐方案见歌曲与音频指南。

如果画面合适而声音不合适，可以保留画面。在剪辑工具中复制一份、静音原声音，再加入适合用途的音轨。替换后重新检查嘴部动作；换音轨不会重新生成表演，也不能自动修正对口型。

怎样准备适合手机分享的版本？

转换竖屏之前，先检查整段视频中两张脸的位置。把 16:9 画面裁满 9:16 屏幕，会丢失大量左右内容，容易裁掉其中一人。可以在竖屏画布中完整保留横屏视频，再利用上下空间放标题。

字幕尽量避开脸部和手部。比如“我们的想象录音室首秀”就能介绍情境。导出后在手机上检查第一帧、音量与结尾；只看剪辑软件里的预览，还不能确认最终文件是否合适。

写实的双人视频在发布前最好让两位参与者都看过，并说明是 AI 生成，让观众知道画面中的表演来自照片。关于误导性冒充和其他禁止用途，见本站内容政策。

怎样有针对性地改善下一版？

脸部不容易辨认： 替换对应的人像，使用更清晰、无遮挡的照片。先只改这一项，便于判断是否有改善。

竖屏版本少了一个人： 回到未裁剪的下载文件，选择保留两位表演者的布局。这可能是裁剪问题，不一定需要重新生成。

动作与参考视频不同： 当前预设创作新的表演。可以保留自然、连贯的版本；如果固定动作是必要条件，应选择支持参考动作的工具。

声音不合适： 先尝试编辑已保存视频的音轨，再决定是否重新生成画面。

任务一直处理中： 查看最近视频及最终状态后再提交。持续异常时，通过支持入口提供任务标识，不要在公开帖子中粘贴带签名的媒体链接。