最适合做 AI 说唱视频的照片（以及 6 种要避免的照片）

简短回答： 使用一张清晰、光线充足、正面的单人照片，胸部以上构图，脸部至少占画面的四分之一，嘴部没有遮挡。这样视频模型才有足够的细节保持脸部一致并对准口型。

为什么照片这么重要？

照片就是视频的第一帧，之后的每一帧都由模型根据它推演出来。照片里任何不清楚的地方（模糊的脸、被挡住的嘴、两个人）都只能靠猜，而“猜”正是脸部走样和口型出错的来源。

好照片是什么样的？

• 单人，正对或略侧对镜头。
• 脸部光线均匀，窗边自然光最理想。
• 胸部以上构图，头顶留一点空间。竖拍照片最适合默认的 9:16 比例。
• 嘴部可见，自然闭合或微张。
• 眼睛对焦清晰，手机人像模式即可。

哪些照片要避免？

1. 合影。 模型可能动错人或把脸混在一起。
2. 墨镜、口罩或手挡住脸。
3. 远景中脸部太小。
4. 重度美颜滤镜或卡通特效。 会干扰人脸模型。
5. 强烈侧光或逆光，导致半张脸很暗。
6. 分辨率很低的图片，比如旧截图。

插画、宠物或吉祥物可以吗？

经常可以。正面、嘴部清晰的卡通角色和吉祥物效果不错。宠物效果不稳定，因为动物的嘴型很难对应说唱口型。建议先用 150 积分的草稿试一下。

可以用别人的照片吗？

只能在对方同意的情况下使用。不要上传明星或未经同意的人的照片。详见 AI 说唱视频：版权、授权与商用。

快速检查清单

• 单人，脸部清晰对焦
• 嘴部可见，脸上无遮挡
• 光线柔和均匀
• 胸部以上，尽量竖拍

准备好了？制作你的 AI 说唱视频。