AI 音樂影片對嘴

必備的有兩樣：一張要演唱的人物照片，以及要演唱的音訊。第三張場景照是選用的——舞台、臥室、街角都可以——歌手就會出現在那個場景，而不是通用佈景。Seedance 2.5 會把這些當成位置參考，所以人像中的臉和場景照中的地點都會被帶進影片。

模型直接把音訊本身當作參考，而不是靠文字描述推測，因此嘴型會逐格跟著人聲，頭部與肩膀的動作也跟著節拍。正面、清晰的人像搭配乾淨的人聲效果最好；混響過重、現場噪音太大、臉側向一邊，或嘴被口罩、手遮住，都會讓嘴型變鬆。

請使用你自己擁有或已取得授權的音樂，或先在本站寫一首：Suno V6（/models/suno-ai-v6）可以從一段文字提示生成完整曲目，下載音訊後再上傳到這個模板。兩個工具就是設計來接力使用的——在模型頁寫歌，在這一頁開唱。

每個音訊檔案需介於 1.8 到 30.2 秒之間，且小於 15 MB。影片本身輸出 4 到 15 秒，所以請先剪到你真正想演唱的那一段——通常是副歌的勾子或第一句。如果曲子更長，請在上傳前剪好，不要期待模型自己挑高潮。

只依生成的秒數計費：720p 每秒 48 點，480p 每秒 23 點。也就是 5 秒 720p 為 240 點，同樣長度的 480p 為 115 點，15 秒 720p 為 720 點。參考圖片與音訊檔案不計費，所以多傳一張場景照不會額外花錢。

只能使用你擁有版權、已取得授權，或自己生成的音樂——例如用 Suno V6 生成的曲子。上傳你沒有權利的商業歌曲，生成的影片可能在 TikTok、Reels、YouTube 等平台被靜音、封鎖或下架，處理授權是你的責任。照片中的人也一樣：讓別人開口唱之前，先取得對方同意。