好的人像，是更好的起点。

每张图片，只保留一张清晰的成年人面孔

准备两张独立人像，每张出现一位成年人。能看清眼睛的头肩照，方便你判断参考是否合适。不要使用多人同时出现、无法确定主角的合照。

从远处人群中裁出一张很小的脸，再把文件放大，并不会恢复真实细节。尽量从有足够面部信息的原图开始。最低 240 × 240 像素是输入门槛，并不代表达到这个尺寸就能得到理想效果。

让五官保持可见

柔和、相对均匀的光线是实用起点。检查是否有半边脸陷入深影，或逆光把人物变成剪影。强烈反光、墨镜和遮住嘴部的物品，都会减少有用信息。

重度美颜和风格化滤镜会提前改变参考。若你重视辨识度，优先选择近期、轻处理的照片。不必在原图里搭建最终场景，工作室会根据所选场景提供画面方向。

检查文件本身，而不只是缩略图

• 支持格式：JPG、PNG、WebP。
• 最小尺寸：240 × 240 像素。
• 每张最大文件大小：10 MB。
• 每张最大图片面积：4000 万像素。

如果手机保存的是其他格式，请先导出兼容副本。改文件后缀不等于转换格式。导出后打开一次，检查图像是否正常、方向是否正确。

先约定这张照片怎么使用

把一个人的脸用于 AI 表演前，应获得本人同意。对方曾经把照片发给你，不自动意味着同意被做成音乐视频或公开发布。先约定成品只是私聊分享，还是可以放到更公开的地方。

选图时首先在浏览器里预览；确认生成后，文件会上传用于处理。可通过隐私说明了解存储与服务方处理方式。私人交付视频可用 30 天，需要长期保存请下载。

确认生成前，再检查一次

1. 两张预览是否都是想要使用的成年人？
2. 能否清楚看见眼睛、脸型和嘴部？
3. 双方是否同意这次制作和预期的分享方式？
4. 所选场景是否适合这次用途？
5. 是否看过真实样片，理解面部、手部和口型可能变化？

输入准备好后，按照片生成说唱视频指南操作。交付后还要检查完整的动态视频，不能只看第一帧。