AI 说唱视频的照片选角技巧

所有 AI 说唱视频生成器(包括我们)都有同一个软瓶颈:选角照片。模型只有在起始的那张脸足够清晰时,才能保持角色一致。下面是我们在第一次渲染前会递给创作者的清单。

真正重要的五条规则

1. 一张照片一个人。 合影或乱入的人会逼模型去猜谁是说唱者。
2. 正面。 眼睛看着镜头。四分之三侧脸勉强可行,纯侧脸不行。
3. 均匀、平的光。 头顶直射光和强烈侧影会让模型把阴影读成脸的组成部分。
4. 不戴墨镜、不戴口罩、不要重阴影。 口型和对口型依赖的就是嘴巴和眼睛。
5. 不要美颜滤镜。 磨皮和瘦脸会和角色一致性打架,最后出来一张「这是谁」的脸。

「好照片」具体长什么样

• 白天在手机边上、胸口高度拍的一张,常常比影棚里的戏剧光更好用。
• 干净的背景好过杂乱的背景——模型可以少花精力在场景上。
• 清晰比像素多更重要。
• 保留原始文件。截图和聊天软件转发会掉画质。

双人曲

两位表演者请分别为每人上传一张照片,各自遵守同样的规则。一张上传里塞两张脸,是「脸融在一起」最常见的原因。

授权不是可选项

只上传你有权使用的照片:

• 取得照片中本人的同意。
• 未成年人在没有监护人同意的情况下不得上传。
• 不要公众人物或明星。
• 不要误导性深度伪造,也不要用于骚扰的内容。

未授权的 AI 肖像滥用是真实且持续存在的争议——忽视它的工具活不长,而风险由创作者承担。

常见问题与解决办法

| 你看到的现象 | 可能的原因 | 怎么修 | | ------------------ | ---------------------- | -------------------------- | | 不同镜头之间脸会变 | 原图分辨率低或加了滤镜 | 重新上传清晰、无滤镜的原图 | | 口型看着不对 | 人声在混音里被埋 | 导出更干净的人声后重生成 | | 出来一张认不出的脸 | 合影,或者阴影过重 | 换成单人、光照均匀的照片 | | 两张脸融在一起 | 一张上传里有两个入 | 拆成每人一张照片 |

低成本试错

对某张照片没把握时,先用最低清晰度跑一次。如果脸贴合得好,再用更高档位重做。积分模型本来就是这么设计的——按条计费,没有订阅。

准备好了?

打开生成器,先跑 480P,在投入整首伴奏之前比较两张候选照片。