AI音乐视频制作与提示词指南 | Zopia

制作AI音乐视频，先确定歌曲每一段需要传递什么，再生成对应镜头。一个实用提示词要交代主体、动作、镜头和视觉气氛；整支MV则要让这些镜头服从音乐，而不是连续播放漂亮画面。

下面以“离开熟悉城市”为创作练习，做一支有重复意象、有情绪变化的叙事MV。你可以替换歌曲和地点，保留规划方法。

先听歌，再准备分镜

使用具有发布授权的音乐，在剪辑时间线上标出前奏、主歌、副歌、桥段与结尾。除了节拍，还要标记情绪、歌词意思和乐器变化。主歌可以表现犹豫，副歌表现出发，桥段留一个停顿。

为整首歌选一个重复出现的视觉线索，例如折叠地图。人物固定为蓝色外套、帆布包和同一发型；家中采用暖光，旅途采用清晨冷光。这样的限制有助于判断镜头是否属于同一个故事。

不要按每句歌词机械地配一张图。如果歌词反复表达“舍不得”，画面可以从紧握地图变成把地图收进包，再变成从窗边回望，逐步推进同一个决定。先写一句整片的故事：“旅人从犹豫到出发。”每个镜头都要让这句话发生一点变化。

用歌曲段落安排视觉层次

把音乐结构表放在分镜旁，生成时就知道该补什么，而不是只挑最炫的画面。

重复副歌不必复制同一套镜头。第一次让人物走向车站，最后一次让人物已经在路上。音乐重复，故事继续，观众才有理由看下去。

每个镜头只解决一件事

前奏拍空车站，主歌拍旅人在厨房收起地图，副歌拍他进入站台，桥段拍手中的地图，结尾让地图放在列车窗边。先确定最终横竖比例，再准备参考图；可能二次裁切的画面要给主体留出空间。

提示词按“主体与场景—可见动作—景别与运镜—光线与质感—保留要素”组织。歌曲已经承担主要声音叙事时，不必为了凑完整结构增加生成音频要求。

主歌：克制的人物动作

黎明前的小厨房，中景。一位穿蓝色外套的旅人把折好的纸地图放在帆布包旁。固定机位，镜头与桌面等高。单盏台灯的暖光，低饱和色彩，真实布料质感。保持外套、发型和包的外观一致。

若折地图的手部动作混乱，就从“地图已经折好”开始，只拍放下地图。减少动作步骤，比增加抽象的“高质量”描述更有针对性。

副歌：放开空间

同一位旅人走入清晨近乎空旷的车站，远景。蓝色外套与帆布包沿用确认后的参考形象。镜头平稳横向跟随，冷色晨光，人物轮廓清楚。结尾停在旅人面向站台的画面。

镜头是否踩准节拍由剪辑处理。不要因为提示词写了“跟随音乐”就假设输出会准确对齐整首歌。

前奏：先让观众进入歌曲的空间

清晨尚未开放的车站，固定远景。玻璃顶下只亮着一排灯，空长椅延伸到画面右侧，远处有轻微晨雾。画面保留安静，没有人物奔跑和列车驶入，冷蓝色晨光与暖色灯光形成轻微对照。

这类镜头可以覆盖音乐起势，也给字幕留位置。需要文字时在剪辑里添加，生成阶段只保留干净的画面区域。

桥段：有意停一下

列车窗边，近景拍摄手中折叠的纸地图。窗外反光缓慢掠过，手保持安静。固定镜头，淡色晨光，突出纸张纹理和抵达前的短暂停顿。

先做主歌与副歌，再铺满全曲

先生成两个段落，检查人物、道具和色彩能否衔接。所选模式支持参考图时，使用明确的角色参考并说明它负责什么；附件关联方式按界面实际操作。

人物变化先调整参考图和服装描述；运镜混乱先保留一种运动；某段只有开头可用，就保留开头并切入道具特写。不要同时换模型、换提示词、换参考图，否则难以判断问题来自哪里。

让参考图承担固定的工作

准备一张看清脸与发型的角色图、一张看清完整服装的全身图，再准备车站和厨房的场景图。先统一外套颜色、包的背法和地图折痕，减少相邻镜头中显眼的差异。所选模式的输入形式和消耗，以任务界面为准。

不是所有图都要放进每个镜头。拍手部时优先确认袖口、地图和桌面；拍车站远景时重点是人物轮廓、服装与空间。这样能把素材与当前问题对齐，也避免厨房的暖色背景意外影响站台。

按曲风改写，不只替换形容词

同一套故事可以改成电子音乐MV：主歌采用固定机位和几何构图，副歌增加横移与明显光色变化，桥段暂时降低画面密度。民谣版本则保留更多环境细节，让人物完成较完整的动作，再在乐句末尾切镜。

改写时先改动作节奏和景别分布，再改色彩。只把“温柔”替换为“炸裂”，通常没有说明镜头究竟怎样变化。把抽象词换成看得见的变化，例如“人物由静止转为快步”“镜头由近景切到空旷远景”“背景从低对比转为清楚轮廓”。

一个可执行的制作顺序

第一轮先把音乐段落与五类镜头排成空白时间线，用静态参考图检查故事。第二轮只生成主歌人物与副歌走向站台，确定同一角色能否衔接。第三轮再补空镜、地图特写和列车窗边结尾。最后统一字幕、色彩和音量。

不要为了填满时长持续追加新场景。缺过渡时先看能否复用同一场景的不同景别；缺高潮时先调整前后对比。每一轮明确要解决的问题，才能让新增素材真正改善整支MV。

常见问题优先在剪辑里解决

全片情绪过满，就把最开阔的画面留给副歌；画面与音乐脱节，就按音乐变化调整切点和镜头时长。人物对口型不准时，优先用叙事画面，或单独验证口型工作流。歌词、片名和字幕放进剪辑软件，便于控制拼写、版式与时间。

准备好歌曲结构、参考图和镜头清单后，可进入Zopia工作台制作第一组片段。先让一个主歌与一个副歌讲清故事，再把这套视觉语言延伸到全曲。

资料来源

• 中国日报网转载周口网的AIGC ASIA发布会报道：报道韦优 Excellent 创作官方主题曲及MV《让千年正年轻》，并借助Zopia与AI导演完成影像。