皓月千里

AI 音乐 MV 制作流程

全流程分为 7 个核心步骤，覆盖「写歌 → 做音乐 → 画分镜 → 生成视频 → 剪辑成片」，工具兼顾国内可直接使用与海外专业 AI，新手零门槛也能完成。

一、整体流程总览

主题策划 → AI 写歌词/旋律 → AI 生成完整歌曲（人声+伴奏）→ AI 写分镜脚本 → 角色场景提取 → 定风格 → AI 生成资产 → AI 生成 MV 画面/视频 → AI 剪辑音画合成 → 后期优化发布

二、分步详细流程

（一）前期策划（定 MV 基调）

不用复杂文档，先确定 3 个核心信息：

（二）AI 写歌（歌词 + 旋律框架）

核心工具

操作：直接给 AI 指令，例如：

写一首 3 分钟国风流行歌歌词，主题是江南烟雨，主歌 + 副歌 + 桥段结构，押韵自然

如需旋律框架，可让 AI 标注：节奏快慢、和弦走向、情绪起伏。

（三）AI 生成完整音乐（人声 + 编曲 + 伴奏）

这是目前 AI 音乐最成熟的环节，一键出成品歌。

顶级 AI 音乐工具

  1. Suno AI（v3/v4）：最强词曲一体 AI，输入歌词/主题，直接生成带人声、和声、编曲的完整歌曲
  2. Udio：音质更细腻，人声真实度高，支持风格微调
  3. 网易天音：国内正版，中文人声自然，国风适配极强
  4. AIVA：专注纯音乐/配乐，适合无歌声的纯音乐 MV
  5. 人声翻唱/定制：RVC、So-VITS-SVC、幻音 AI

操作：输入歌词 + 曲风，AI 自动生成完整音频，导出 MP3 即可。

（四）AI 分镜脚本 + 分镜图制作

工具：豆包 AI、Gemini

给指令示例：

根据这首江南风歌曲，制作 3 分钟 MV 分镜，包含：镜头序号、景别、画面内容、时长、运镜、情绪，注意画面描述要可视化

三、视觉制作流程

1. 角色场景提取

根据分镜，提取出所有的角色、场景、道具，如果有实拍的准备好实拍素材。

角色场景提取

注意点：画面干净清晰、拥有版权，可登录版权素材网站，如新片场等。

版权素材

关于实拍场景如何使用

多风格图片/视频转绘/生长特效：将实拍风格转成各类风格，比如 3D 卡通/宫崎骏风格等，用于插入视频制作吸睛效果。

图片转绘：即梦 AI/Nano Banana 2 等。Nano Banana 可用国内海螺 AI（hailuoai.com）接入的入口，或者 Pixverse（app.pixverse.ai）原始接入口。想要让图片质感更好，可以用 Midjourney 优化光影质感。

图片转绘

视频转绘/特效/虚拟与现实：将视频转绘各种风格/复刻/替换元素/增加特效：

视频转绘

虚拟现实结合：

虚拟现实结合

特效模板：

特效模板

关于真人

目前可灵 O3 可以支持真人；seedance2.0 海外版本/libtv/企业认证接入 API 可以使用真人。

以下为工具截图：

工具截图

工具截图

工具截图

工具截图

工具截图

关于图片细化/更改

libtv 多角度功能展示：

libtv 多角度

Wink 多功能展示：

Wink 功能

2. 定风格

一定使用多模型测试风格，因为每个模型出来的不一样。

风格测试

风格测试

风格测试

风格测试

风格测试

备注：若想生出的图质感光影更好，可以用 Midjourney 洗一遍，即用 MJ 垫图过一遍；场景细节不像的可以结合 PS 等传统工具。

3. AI 资产生成

（1）角色生成

要点：先生成定妆，再生成三视图，一定使用 4K，否则容易造成人物和场景割裂，角色形象模糊无法复用（非必要也可以不用生成三视图）。

具体步骤：按照既定风格生成定妆图（带场景背景）→ 选定角色 → 使用即梦生成三视图（备注脚上穿什么 + 简单的纯色背景）。

角色定妆

角色三视图

（2）场景生成

场景生成

（3）道具生成：同场景生成流程。

4. AI 生成 MV 画面/视频

（1）分镜图生成（场景+角色+道具）：使用即梦 AI/Nano Banana 2 融图。

（2）分镜视频生成（场景+角色+道具）：seedance2.0/可灵 3。

注意：seedance2.0 出视频时备注「不要带字幕和音效，文字统一后期添加」。

分镜视频生成

建议出完分镜后直接拉入剪映时间线过一遍，看一下色调风格和大致运镜，然后再生视频，避免无效抽卡。

（3）文旅类视频常用运镜特效及提示词

文旅视频常用运镜（结合 Seedance2.0 模板核心，适配地标展示）：

第一人称视角无限穿越（适用于首尾帧或多张图穿越效果）：

3D dribbling, one shot, cinematic dribbling, fpv view, push lens First person view shot of a [subject]. hyper-speed fly, dynamic motion, dynamic blur, timelapse, 30x speed. In the style of [describe style; ex. cinematic, muted color palette].

FPV 穿越

地标无限飞跃（适用于文生视频，也可以多参生视频），示例：

济南CBD 现代建筑群 FPV 超高空俯冲济南 CBD，微距锁绿地中心幕墙灯网，120fps 慢放金属流光，高速气流撕裂画面；引擎轰鸣化风啸，混楼宇共振；BGM 硬核电子重低音铺璀璨夜景。1.8-3.4s | 掠经十路建筑群急转侧飞，微距捕楼宇窗格明暗，特写 CBD 主楼尖顶光影，120fps 慢放石材肌理；建筑共振 + 灯流嗡鸣 + 车流声；BGM 加碎拍鼓点，节奏骤升。3.5-5.1s | 穿济南 CBD 楼群俯冲穿楼缝，微距定格华润中心、汉峪金谷幕墙反光，特写玻璃锐线；幕墙脆响 + 楼间湍流，引擎嘶吼；BGM 电子叠层，合成器铺垫。第二段（超然楼・大明湖・解放阁）跳转切超然楼，超广角定格飞檐鎏金暖光，微距拍瓦当流光轻颤，侧飞掠大明湖历下亭；瓦当轻响 + 亭角共振，引擎收声；BGM 混泉城民乐，鼓点加密。5.2-6.8s | 贴大明湖水面飞行，微距锁超然楼倒影涟漪，120fps 慢放湖面灯影；湖水震颤 + 石栏嗡鸣，风啸柔缓；BGM 弦乐渐强，造泉城静谧炸裂感。6.9-8.5s | 跳转切解放阁，超广角定格阁身霓虹网，微距拍砖石结构流光，侧飞掠黑虎泉群；阁体共振 + 泉水喷涌声，风啸再起；BGM 混齐鲁古韵，推小高潮。第三段（黑虎泉・趵突泉・全城收束）跟拍黑虎泉兽首涌流，超广角定格泉涌水雾与老城天际线，120fps 慢放泉口水光轨；引擎、泉涌、古建混响，隐约泉声；BGM 鼓点回归，音层交织攀升。8.6-10.2s | 微距锁趵突泉三股水涌珠，高速贴泉飞行，120fps 慢放水珠飞溅质感；泉水轰鸣 + 石池共振，气流轻拂；BGM 民乐叠电子，层次拉满。10.3-13.0s | 全景收束拉升高空，串联 CBD、大明湖、趵突泉全域，超广角定格泉城夜景全貌，微距捕全城灯海交织；楼宇、泉水、古建共振混音；BGM 弦乐爆发，收尾极致震撼。

Seedance2.0 城市文旅地标 15s 运镜提示词通用模板（可发给豆包加入城市地标套用，或自行套用）：

核心结构（适配 15s 完整时长，含古今地标串联 + FPV 专属运镜 + 音画匹配）：

0.0-2.0s｜开篇俯冲・定调地标

2.1-4.0s｜首段侧飞・捕细节光影

4.1-6.0s｜穿楼穿越・激视觉冲击

6.1-8.0s｜跨地标跳转・古今/现代切换

8.1-10.0s｜贴地/贴水飞行・造静谧震撼感

10.1-12.0s｜高潮俯冲・推情绪顶点

12.1-15.0s｜全景收束・串联全域 + 收尾

套用替换规则（快速适配新城市）：

时间节点替换项（按城市特色替换）示例（济南）
核心地标城市标志性地标（古 + 今 + 自然）超然楼 / 趵突泉 / 济南 CBD
核心元素地标专属视觉/材质飞檐鎏金 / 泉涌水珠 / 幕墙灯网
环境底噪城市特色环境声湖水轻漾 / 泉水奔涌 / 车流声
BGM 元素地域特色民乐齐鲁民乐 / 泉城民乐
全景地标城市全域核心组合超然楼 + 趵突泉 + 济南 CBD

通用核心公式

3D 环绕运镜：围绕单一建筑或者角色，适合主体展示镜头。

5. 配音 + 对口型

解决音色口型不一致的问题。

音色克隆/配音工具：

音色克隆

音色克隆

对口型工具：

即梦对口型：

即梦对口型

可灵多人对口型：

可灵对口型

如何解决音色口型不一致：在剪映中关闭声音替换音色或重新配音，然后重新对口型。

6. AI 剪辑音画合成

文字包装：封面、特效文字。AI 可生成封面，然后用豆包抠图成透明上传到剪映。

7. 后期优化发布

发布标注

四、一小时快速组合方案

如果不追求完整 7 步流程，实测有一套轻量组合可以在 1 小时内做出一条 MV：

适合快速验证想法的场景——脑子里的东西能立刻成形，先把流程跑通，再决定是否投入完整流程精修。