如何逐场景制作逼真的AI音乐视频?
将你的歌曲上传到 Atlabs 音乐视频工作流设定写实风格,写一段简短的创意,并选择你的角色。Atlabs 会把歌曲拆分成场景,每个场景对应一句歌词。然后用动作提示词让每个场景的起始帧动起来,提示词要写明速度、镜头运动和一个焦点。

《You Were Always There》是一支完全用 Atlabs 制作的 56 秒电影感音乐视频。它从一首上传的歌曲开始,被拆分成 14 个场景,每个场景都用专为该镜头编写的动作提示词制作成动画。本教程会展示完整的项目设置,然后按顺序展示每个场景的歌词、起始帧以及实际运行的提示词,方便你把这套方法用于自己的作品。
你需要准备什么
你需要一首人声清晰的完整歌曲,因为歌词将成为你的场景脚本。开始之前,先用一段话写下氛围和场景的构想,并确定主要角色。对于这个项目来说,就是歌曲《Always There》、低饱和且雨意浓重的画面质感,以及两个有名字的角色:Ruth Walker 和 Thomas Walker。
分步设置
第1步:在“音乐”中上传歌曲
打开 音乐视频工作流 ,并在 音乐 步骤中上传。这支视频的脚本来源设置为“上传音频故事”,语言设置为英语,因此场景脚本直接来自演唱的歌词。

“音乐”步骤:上传歌曲,歌词即成为场景脚本。
第2步:在“设置风格”中选择外观
在 设置风格选择图片风格、宽高比和输出方式。这个项目使用了写实图片、16:9 画面,输出模式为视频,适合电影感的 YouTube 发布。

设置风格:选择写实、16:9 和视频,用于电影感发布。
第3步:在“创意”中写下概念

在 创意为视频确定情感基调。这里的创意名为《Before the Rain》。它讲述一位女士穿过沉重天空下一片辽阔干燥的原野,映射一段漫长的情感挣扎终于开始转变。色调保持低饱和的棕色,光线柔和而漫射,视频在她于一棵树下找到庇护的宁静联结时收尾。主歌承载她过往的重量,副歌带来意识到自己一直被守护的释然,桥段则沉淀为他们共同的过往。

第 4 步:在“定稿”中添加你的角色
在 定稿设置角色阵容。这支视频使用了两个角色:Ruth Walker 和 Thomas Walker,成片共 14 个场景,时长 56 秒。

第5步:用动作提示词为每个场景添加动态
项目搭建完成后,每个场景的工作方式都一样。Atlabs 会为每个场景提供一句歌词和一张静态起始帧,你可以用描述镜头和画面中运动内容的动作提示词,把这一帧变成片段。动作提示词是最考验功力的部分,这支视频中用到的每一条都列在下面。
逐场景详解:每句歌词、画面和提示词
场景 1(3.5 秒):“She lay”

场景 2(6.0 秒):“broken on the ground.”

场景 3(5.0 秒):“No one heard her, not a sound.”

场景 4(2.0 秒):器乐节拍

场景 5(7.4 秒):“Then a shadow crossed the sun. He knelt”

这里沿用了场景 4 的提示词,并增加了一句描写女士反应的内容。在相邻镜头中复用提示词,可以让动作保持一致。
场景 6(3.8 秒):“down and He was one.”

场景 7(6.3 秒):“And even now, even today,”

场景 8(3.4 秒):“He never turned,”

像场景 7 和 8 那样简短平实的提示词,适用于起始帧已经设定好场景、只需要一个清晰动作的情况。
场景 9(3.4 秒):“He never walked away.”

这里没有提示词。这个场景是上传到场景中的一张静态图片,没有做动画。你不必让每个场景都动起来,在运动镜头之间插入一个定格画面,能让观众喘口气。
场景 10(3.4 秒):“You were always”

场景 11(3.4 秒):“there, in the dark and the”

场景 12(3.4 秒):“deep. You were always”

场景 13(3.4 秒):“there, when I couldn't breathe”

这条提示词中的“Frame 8”指的是场景 10 提示词里写的白色漂白效果,因此两个结尾是作为对比来设计的。
场景 14(1.8 秒):收尾镜头

这最后一个镜头的目标,是让每位观众都感觉那个剪影刚刚转向了自己。
这些提示词为什么有效
控制速度。 几乎每条提示词都会写明速度,从“slow motion at 50% speed”到“ultra slow motion at 30% speed”再到“glacially slow”。明确写出的速度,比交给模型自行决定,更能为情感类歌曲定好节奏。
告诉镜头该做什么,或不该做什么。 “Camera holds completely still”与“pushes forward at the slowest possible speed”同样重要。场景 2、4、5 和 14 锁定了镜头,让唯一的运动就是承载歌词的动作。
给每个镜头一个焦点。 “Absolute stillness everywhere except the tear”可以防止模型添加你没有要求的动作。
描述感觉,而不只是动作。 场景 6 中的“the motion feels like breathing in”和场景 10 中的“like exhaling”这样的句子,决定了镜头运动的节奏。
把转场写进提示词。 场景 10 漂白为白色,场景 13 渐隐为温暖的黑色,两者都是在提示词中直接指定的,而不是事后在编辑器里添加。
常见问题
我可以用自己的歌曲制作写实风格的 AI 音乐视频吗?
可以。在 Atlabs 音乐视频工作流的“音乐”步骤中上传歌曲,在“设置风格”中选择写实,写下你的创意,并在“定稿”中设置角色。随后 Atlabs 会把歌曲拆分成与歌词对应的场景。
Atlabs 如何决定场景?
Atlabs 会把歌曲拆分成场景,并为每个场景提供对应的歌词,因此场景时长随歌曲而定。在这支视频中,14 个场景的时长从 1.8 秒到 7.4 秒不等,总长 56 秒。
我必须让每个场景都动起来吗?
不需要。这支视频中的场景 9 是一张上传的静态图片,没有动作提示词。在运动镜头之间插入一个定格画面,能让观众停顿片刻。
如何阻止 AI 添加我不想要的动作?
指定一个焦点,并告诉镜头该做什么。像“camera holds completely still”和“absolute stillness everywhere except the tear”这样的表述,能让片段始终聚焦于那个最重要的动作。
最终结论
《You Were Always There》表明,一支电影感、情绪节奏分明的音乐视频归根结底取决于两件事:清晰的设置和有意为之的动作提示词。设置在 Atlabs 中只需四个步骤:在“音乐”中上传歌曲,在“设置风格”中选择写实 16:9 的画面,在“创意”中写下创意,并在“定稿”中设置角色阵容。功夫则在提示词里:写明速度、有意识地锁定或移动镜头、给每个镜头一个焦点,并把转场直接写进去,由此把 14 句歌词变成一个连贯的 56 秒故事。把这些提示词当作模板,换上你自己的角色和时刻,并保留在相邻场景中行之有效的部分。










