即梦AI如何用一张照片制作数字人唱歌视频

即梦“数字人 1.5”版本现已全面上线，为内容创作者带来了全新的AI数字人生成体验。

更新亮点：此次升级后的数字人，新增了角色动作模仿功能。相比此前仅能添加静态角色，现在的数字人可以依据音频内容，生成与之匹配的动态画面和肢体动作。

通过精细的动作描述，你可以自由控制角色的情绪表达、肢体动作、走位路径乃至镜头运镜方式。简单来说，数字人1.5不仅能为你配音，还能自动生成配套的视频画面。

如今生成的视频既能让角色跟随音乐唱歌，也能遵循你预设的动作提示：切换不同景别、在场景中走动，手势语言也更加丰富自然。

可以预见，数字人1.5将在AI音乐视频创作、影视动漫制作、二次创作短视频等多个领域催生出大量新颖玩法。

接下来，我们将通过一个实际制作的AI音乐MV，为大家完整拆解整个操作流程。

生成组图

首先，正确的操作方式是结合当前热门的「图片4.0模型」，上传一张参考图后，系统会自动生成一系列风格统一的组图。

例如，我们使用此前生成的MV主图来拓展场景——这是一位在录音棚录歌的小姐姐。

利用图片4.0生成分镜图的方法：

❝提示词：唱歌的女生是一位歌手，她在录音棚中完整演唱一首歌，完成专辑录制，场景基调深情动人，镜头切换次数10次

操作非常简便：上传参考图，输入上述指令，点击发送即可快速出图。

细心的朋友或许已经注意到，即梦4目前已支持生成4K超清图片，画质表现更加出色。

图片生成完成后，请将每张图片分别保存到电脑本地，以备后续使用。

生成数字人

访问即梦官网，在生成页面向下滑动即可找到「数字人」入口。打开后你会看到新增的「动作描述」功能选项。

操作要点如下：

1. 在左侧上传角色的图片作为形象基础。

2. 上传音频：这里提供两种方式——你可以选择预设音色并输入文案台词，也可以直接上传自己准备好的音乐文件。

上传音频的示意图：

选择音色和输入文字的示意图：

3. 动作描述：输入图生视频的描述词即可，通常需要包含景别、运镜说明、人物具体动作描述。

4. 模式选择：数字人1.5提供3种生成模式——大师模式、快速模式、基础模式。其中大师模式消耗积分较多，但效果更佳。

指定说话角色：如果你上传的图片中包含多个角色，可以在「角色说」处点击切换，指定当前需要说话的角色。

备注：很多人询问即梦如何生成超过15秒的数字人视频。实际操作方法是：先用即梦4图片模型生成8张图，然后将音乐拆分成几段分别制作。由于图片直接用即梦4.0生成，做好视频后个别分镜的人脸一致性可能出现偏差——这是一个需要提前注意的小问题。

大师模式下的人物表情更加生动自然，整体画面效果更优，但缺点在于积分消耗较高。

图生视频提示词

在制作视频时，最常被问到的就是如何写出有效的图生视频提示词。写好提示词需要对镜头语言、人物动作、场景转换有一定理解。

这里提供一个实用的图生视频提示词模板，你可以直接放到豆包AI中使用：

❝以这张图片为首镜头，生成一个5秒钟的视频分镜脚本，提供动效提示词，提示词结构：包括景别、视角、运镜、画面内容、人物表情，用词精练不超过200字。最后再把生成的分镜提示词提炼成一段文字。

这个提示词能帮你快速制作出基础视频，但要想让最终视频效果真正出彩，仍旧需要创意和细节打磨的加持。

歌词和音乐

歌词和音乐部分，推荐使用 DeepSeek 生成歌词，后续再借助AI音乐工具生成歌曲。

打开DeepSeek推理模型，将以下需求输入给AI：

❝帮我写一首情歌，类似《错位时空》，描绘男女主角之间深刻的暗恋情感，深情又富有感染力，年轻人喜欢的歌曲。

经过一段时间的运算，你将得到一段完整的歌词：

❝《追寻你的温柔》咖啡馆里 灯光下的倒影，是我对着咖啡杯底 心事的沉积，杯口一圈一圈 是你的指纹，将我环绕 我却触摸不到你……

歌词满意后，再到AI音乐平台（如Suno）中生成完整的音乐。本文主要聚焦数字人制作，音乐生成部分就不展开详解了。

合成视频

最后一步，将生成的数字人音乐片段导入剪映，进行后期剪辑处理。

首先调整好各片段的顺序，然后使用智能字幕功能自动识别并生成歌词字幕。

就这样，一个生动有趣的AI音乐唱歌视频就顺利完成了。看完是不是觉得很有意思？借助AI技术的赋能，普通人也能轻松创作出精美的高质量AI音乐视频。