完整视频教程
如何用一张照片和一段歌曲让照片唱歌 — 完整过程
一张人物肖像加一段十几秒的歌声，就能做出一条会唱歌的视频。这一页放了用到的照片、音频、歌词、生成界面，以及没有做任何处理的成片。 整个过程都在视频里，从素材到成片。
让照片唱歌只需要两个文件：一张人物肖像和一段人声音频，传进照片唱歌工具生成一次就有了。下面这条视频用到的所有素材都在这一页——照片、歌曲、生成前的界面，以及模型吐出来的原始文件。
这首歌是专门为这篇写的原创小样，不是商用曲库里的歌，所以可以完整放出来。
完整过程视频
这个例子用到的素材
- 照片： 半身肖像，自然的四分之三侧脸，不是证件照式的正面。
- 歌曲： 一段人声清楚、伴奏不厚的原创录音。
- 成片： 完整的一条，没做任何处理，音频还是上传的那段。
- 生成前的界面： 点生成之前工具长什么样。
这张照片
脸大约侧转三十度，光线偏暖也不均匀，更接近大多数人手机相册里真实存在的照片，而不是影楼棚拍。真正要紧的只有一点：嘴和下颌没有被挡住。
歌曲和歌词
上传的歌曲
这段音频的人声压在伴奏之上。口型跟得准不准，这一点的影响比图片分辨率大得多。
歌词
灯光亮起来，节拍正精彩
一张照片也能唱出期待
旋律轻轻来，梦想正盛开
跟着这一刻，一起唱起来
没有剪辑的成片
先完整看一遍再下判断。对口型视频截成单帧看，几乎总是比动起来难看。
让照片唱歌的完整步骤
- 挑照片 — 一张图、一张脸，嘴和下巴不被遮住。四分之三侧脸没问题，手、杯子、话筒横在嘴前不行。
- 打开照片唱歌工具 — 工具页已经固定成图片加音频、歌唱模型，不用再设置什么。
- 放进歌曲 — 用你自己拥有或已获授权的音频。十到二十秒、包含完整一两句就够看了。
- 先生成一版 — 确认图片和音频都是对的，生成一次，先把原始文件存下来再去剪。
- 完整看一遍 — 整条看完——时序、长音，还有结尾时那张脸是不是还是开头那个人。
成片要重点看哪里
重点听辅音、长元音，还有句子之间的停顿。真人肖像最容易露馅的是停顿：如果人声已经停了嘴还在动，说明模型跟的是伴奏而不是人声。
结果不对时怎么调
- 某一句嘴型飘？照片不动，把音频裁到那一句单独重生成。
- 整体时序都发虚？基本都是混音问题，先换一版人声更靠前的音频，再动别的。
- 脸抖、越到后面越不像？把裁切放宽一点。多给模型一些头颈范围，比换更高分辨率的图有用。
花多少钱
测试不花钱：20 秒的生成不消耗 Pro Video，登录一个免费账号就能下载无水印的低分辨率版本。再往上是按成片计费而不是按秒——一条原画质成片消耗一个 Pro Video。Starter 每 30 天含 20 个 Pro Video，Pro 订阅期内不限量，单次购买的 Creator Pack 另加 5 个永不过期的 Pro Video。
常见问题
脸一定要正对镜头吗？
不用。四分之三侧脸完全可以，通常还比正面更自然。关键是嘴唇和下颌看得见、没被挡住。
第一版做多长合适？
十到二十秒。够放下完整一句加一次换气，又不至于为了发现混音有问题多花钱。
歌一定要和页面语言一致吗？
不用。口型跟的是音频文件，不是页面语言。这里用中文歌只是为了演示读起来顺。
可以用别人的照片吗？
要先取得本人同意，或有其他合法依据。具体要求各国不同，也取决于你要发到哪里；无论如何，平台收到投诉一般都会下架。
可以直接用商业歌曲吗？
除非你拥有版权，或已经拿到发布渠道对应的授权。原创、定制、免版税或平台已授权的音频最省事。
换成你自己的照片
把你自己的肖像放进照片唱歌工具，配一段有版权的歌，先生成一版再考虑做长的。
