什么是 AI 说唱视频？

照片是参考，不是录音

静态人像提供外貌信息，但不包含本人声音、动作或演唱能力。工作室先把两个人组合到同一画面，再围绕场景生成动作与音频。

理解这一点，才能正确看待成品。人物可能有熟悉的面部特征，但生成的人声不代表本人真的说过这些话。分享时应把它当作一段 AI 创作的表演，并说明这一点。

这个工作室里会发生什么

选择两张独立照片，再选录音室、生日、霓虹夜景或落日天台。每种场景都包含对应的画面与表演方向，不需要自己拍摄视频或先录制说唱。

登录并确认付费生成后，工作室处理这个会话。即使关掉页面，也可以回到同一个保存的会话查看进度，不必因为关闭页面再开一段新任务。成功交付后，可在账号中查看和下载视频。

购买前先了解可选项

当前输入是两张人像和场景，不支持自定义歌词、上传歌曲、声音克隆或专门的单人模式。如果你必须让某个名字发音准确，或者需要逐字照读一段台词，目前的工作流并不适合这个要求。

视频没有包含的细节，可以通过独立文字表达。例如，在生日说唱视频后附上一段私人祝福，而不是指望预设表演自动唱出寿星的名字。中文界面也不等于中文演唱控制；现有四段样片的原始音频为英语。

用真实样片建立预期

四段公开样片于 2026 年 10 月 25 日使用虚构的成年人人像生成。它们约 10 秒、720 × 1280 像素，带生成音频。完整流程耗时分别为 5 分 42 秒、6 分 3 秒、6 分 12 秒和 6 分 9 秒。

这些数字只描述已有样片，不代表平均速度、固定交付时间或所有输入都能达到同样质量。面部、手部、歌词和口型都可能变化。请打开声音看完，而不只凭封面的一帧做判断。

第一次尝试前，先做这几步

选好同意使用人像的两个人，比较四种场景，再检查照片准备指南。观看样片免费，生成新视频需要已购额度。想保留作品，请及时下载，因为私人结果的可用期为 30 天。