如何用 AI 制作音乐视频
根据歌曲列出分镜，用 AI 视频生成器逐个生成镜头并上传一段音乐作为参考，再按节拍剪辑。一套带提示词的实用流程。
用 AI 做音乐视频的方法是：把歌曲分成几段，每段写一个镜头，用 AI 视频生成器逐个生成（附上一段歌曲作为参考），最后在剪辑软件里按节拍拼起来。AI 模型每次只生成几秒到半分钟的片段，所以一支三分钟的 MV 一定是由多个镜头组成的。
下面以 EveryGen AI 音乐视频生成器为例，一步步讲这个流程。
第 1 步：拆解歌曲
完整听一遍，记下段落切换的位置：前奏、主歌、导歌、副歌、桥段、尾奏。写下每次切换的时间点和那一段的情绪。这就是你的剪辑计划，也决定了需要多少个镜头。
一首三分钟左右的流行歌大约有八个段落。每段两三个镜头，就是 16 到 24 个片段。
第 2 步：确定视觉方向
写提示词之前先想好这支 MV 是什么样的。适合 AI 的三种做法：
- 氛围画面： 墨水入水、夜间驾车、城市灯光这类抽象或氛围镜头，跟着音乐情绪走。最容易保持一致。
- 剧情： 一两个角色贯穿主歌的简单故事。最需要规划，才能让角色保持可辨认。
- 演出： 歌手或舞者表演。用歌手照片作为首帧效果最好。
第 3 步：写分镜表
每个段落每个镜头写一行：主体、动作、场景、镜头、光线。比如一首慢节奏合成波：
| 段落 | 镜头 |
|---|---|
| 前奏 | 夜晚空无一人的海岸公路，远处霓虹城市，固定远景 |
| 主歌 1 | 复古敞篷车行驶，镜头在车旁缓慢平移，粉色和青色的反光 |
| 副歌 | 司机把手伸出窗外感受风，特写，慢动作 |
| 桥段 | 水坑里倒映的霓虹招牌，开始下雨，缓慢推近 |
每个镜头只放一个主要动作。每一行都复制同样的车、司机和配色描述，镜头之间才能对得上。
第 4 步：带着音乐参考生成
在 EveryGen AI 里把分镜表粘贴进对话，附上一段歌曲（MP3、M4A、WAV 或 OGG）。Agent 会把每一行扩写成完整的提示词并生成，同时把音频作为情绪和节奏的参考交给模型。
几个有用的细节：
- 模型： 做音乐视频默认选 Seedance 2.5，因为它单条最长 30 秒，并且可以只靠音频参考生成。需要 2K 清晰特写时用 MiniMax H3，它需要在音频之外再附一张参考图或一段参考视频。
- 画面比例： YouTube 用 16:9，TikTok、Reels 和 Shorts 用 9:16。生成前就定好，之后裁切会损失画面。
- 时长： 每个镜头生成得比实际需要稍长一点，剪辑时才有空间卡节拍。
第 5 步：重做不满意的镜头
把每个片段和对应的歌曲段落一起看。直接回复要改的地方，比如「镜头慢一点」「雨下大一点」「同样的镜头换成日落」，Agent 会在旧版旁边生成新版本。重新生成一个镜头通常比在剪辑里补救更快。
不要指望精准对上歌词口型。演出、舞蹈、乐器和氛围画面的效果比近景唱歌稳定得多。
第 6 步：按节拍剪辑
下载 MP4，放进任意剪辑软件，铺在完整歌曲上。在重拍或第 1 步记下的段落切换点下刀。AI 片段自带生成的声音，把它静音或调低，让你的歌成为主角。歌手名、歌名和歌词都在剪辑软件里用文字加上。
版权和署名
- 只使用你拥有版权或已获授权的音乐。
- 不要在提示词里要求真实明星、其他艺人的肖像或受版权保护的角色。
- 确认你上传的平台是否要求标注 AI 生成内容。
常见问题
AI 能根据一首歌自动生成完整 MV 吗？ 一次生成做不到。要逐个镜头生成再剪辑到一起，这样你也能掌控节奏。
用 AI 做一支 MV 要多少钱？ 取决于镜头数量和模型。在 EveryGen AI 里一个 5 秒镜头，MiniMax H3 在 2K 下 100 积分，Seedance 2.5 在 720p 下 400 积分；所有费率见价格页。
哪些 MV 风格最适合 AI？ 氛围感、抽象和风格化的画面最稳定，比如霓虹、动画、梦境场景和自然风光。写实的歌手近景最难。
准备好了？打开 EveryGen AI 音乐视频生成器，生成你的第一个镜头。通用技巧可以看如何制作 AI 视频。