用照片做 AI 说唱：单人和双人的准备方法

清晰的参考照片能帮助模型理解人物，但不能保证身份和口型完全准确。先选简单的照片和动作，做一条短片，再逐步尝试更复杂的双人表演。

airap.co · 检查于 2026 年 10 月 25 日

先选容易看清的照片

照片尽量清楚、光线均匀、整张脸可见。避免过重滤镜、手挡嘴巴或多个人重叠。宠物要能看清毛色特征。如果工具支持两张照片，双人模式可以分别准备，光线和脸的角度尽量接近。

使用自己的照片，或先获得当事人同意。能在网上看到某张照片，不代表可以让对方出现在生成表演中。没有合适照片，也可以先做虚构的文字角色。

说明 A 在左边、B 在右边，给两个人不同的服装或稳定特征。镜头正面、麦克风不动、动作轻一些。让他们轮流唱，不要从头到尾两个人同时动嘴。

Hotel Lobby AI 相关的橙色录音棚形式可以用来理解分镜：简单背景、一支悬挂麦、两个独立反应。本站的方案使用原创角色、歌词和声音说明，不提供原曲或原表演片段。

先让观众看清两个人，再让第一个人唱一句，第二个人回应，最后一起做个反应。宠物也能这样安排：一只开口，另一只点头，再交换。

如果两张脸混在一起或人物换边，先简化背景并固定镜头。如果歌词被改了，先删短，并写出演唱语言。成功的短片可以作为下一段的一致性参考。

在下方选一个双人模板，修改原创示例歌词，复制完整提示词。也可以保存为本机草稿，不需要先把照片传给 AI 服务商。本站照片上传和视频生成尚未开放。

使用外部工具时，要单独查看参考图和声音选项，不能假设只写提示词就会自动开启。生成后检查人脸、嘴部动作、节奏和背景，再到剪辑工具中加入核对好的字幕。最终分享前，也确认出镜的人愿意使用这个版本。

一定要两张单人照吗？

工具支持多参考图时，两张单人照通常更容易分清角色。两个人的合照也可能可用，但脸重叠时更难分离。

两只宠物也能这样做吗？

可以。写清品种、毛色和固定位置，先用点头与小幅爪子动作，不急着加复杂舞蹈。