從音訊產生 AI 音樂影片

先用一句話說明人物或主體、發生地點，以及歌曲結束前要出現的情緒變化。這個創意簡報能讓每個場景都有可判斷的目的。

Music2Video 會把音訊範圍、歌詞與視覺方向轉為可編輯的場景計畫；它不會替你決定故事、人物或使用權利。

標記前奏、主歌、副歌、間奏與結尾，再替每個變化安排鏡頭目的。安靜段落可保留較長畫面；能量上升時再提高剪輯密度。

先裁剪正在製作的範圍。每個專案最多使用 180 秒裁剪後音訊，原始歌曲始終是最終合成的時間基準。

關鍵畫面負責人物、服裝、光線、構圖與留白；影片提示詞只描述主體動作、鏡頭運動和結束時的畫面。

先比較開場、副歌與結尾的少量關鍵畫面，再擴大產生。這能在影片產生前修正身分或風格漂移。

分鏡標題、時間、歌詞、提示詞、順序與啟用狀態都可在產生前修改。LRC 時間戳會保留；一般歌詞需在場景中校對閱讀時間。

每個場景應服務於一個清楚的音樂或敘事節拍。不要以大量無關的短鏡頭取代節奏設計。

圖片模型用來建立一致的視覺參考，影片模型用來產生鏡頭運動。口型同步只能使用相容的 Seedance 模型，且每個演唱場景不超過 15 秒。

Grok Imagine Video 不支援口型同步。無論是否使用口型同步，最終影片都會重新使用裁剪後的原始歌曲。

逐一檢查切點、歌詞可讀性、畫幅、首尾畫面與音訊時長。不要用轉場掩蓋沒有對齊的節拍；先讓硬切版本與音樂成立。

提交前也確認你擁有音樂、歌詞、人物肖像與參考素材的使用權。上傳的原始素材會保持私密。