两张照片，一段说唱视频。

不在同一张照片，也能进入同一个场景

每张图片提供一位成年人的清晰面部参考。工作室先把两个人组合进一个画面，再生成动作与声音。照片提供的是外貌信息，并不包含本人声线，也不代表本人真实说过视频中的话。

异地朋友、伴侣或成年兄弟姐妹都可以把它当作一次创意尝试。生成结果是 AI 对输入的演绎，面部细节、动作和口型可能变化；分享前应看完并听完整段视频。

开始前准备什么

• 两张独立成年人人像，每张只出现一张清晰的脸。
• JPG、PNG 或 WebP 格式；每张至少 240 × 240 像素，不超过 10 MB 和 4000 万像素。
• 两个人都同意将照片用于这次 AI 视频制作。
• 选好场景：录音室、生日、霓虹夜景或落日天台。

优先使用光线均匀的原图。把合照中很小的脸裁出来再放大，并不会增加真实细节。更多准备方法见人像照片检查清单。

第一次制作的五个步骤

1. 先带声音观看样片。确认你喜欢这种节奏、视觉风格和生成的人声。
2. 打开工作室，选择两张照片。在本地预览中检查人物是否正确。
3. 选择四种场景中的一种。场景同时提供画面与表演方向，目前没有自定义歌词或声音克隆输入框。
4. 登录并使用已购买的视频额度。检查项目，在准备好后确认生成。
5. 回到同一会话查看和下载。交付结果保留 30 天，需要长期保存时请下载 MP4。

如何理解样片效果

现有四段公开样片约 10 秒，采用 720 × 1280 的 9:16 竖屏，带生成音频。完整流程分别耗时 5 分 42 秒至 6 分 12 秒。这只是四次实测，不代表平均速度、固定交付时间或每次都相同的画质。

视频成功交付后消耗一个额度；技术失败会释放预留额度。制作前请查看当前套餐和交付规则。如果是送生日祝福，可以接着阅读生日说唱视频指南。