先說結論
幫歌手做一張角色設定圖，每個場景各準備一張圖，再把你的歌存成 MP3，當參考音訊放進每個鏡頭。我們實測，三支影片都唱同一首歌的同一段。我們的胖虎斑貓從屋頂、自助洗衣店到夜間公車都認得出是同一隻，也照指示換上了金色舞台披風。還沒有歌？可以用影片 App 直接生成，或用 Suno 這類音樂生成工具。
做 AI MV 需要準備什麼？
- 你的歌，存成 MP3。Seedance 不收我們的 .m4a 檔，同一段音訊轉成 MP3 就可以。
- 歌手設定圖：歌手的三視圖，再加一張唱高音用的表情圖。做法請看角色三視圖提示詞（指令）。
- 每個場景一張圖，畫面裡不要有人。
- 能放參考音訊的影片模型。Seedance 2.5 可以；SpeedReel 每個鏡頭最多放 3 段音訊。
步驟 1：歌
已經有歌的話，每個鏡頭剪出需要的那一段（10 秒的鏡頭就剪 10 秒），存成 MP3。
還沒有歌，有兩個方法：
- 讓影片 App 直接唱。我們寫了兩句歌詞，在第一個鏡頭請它唱。Seedance 配著低音大提琴和鼓唱出來，也通過了音訊版權檢查。接著把那支影片的音訊剪出來，當後面鏡頭的歌。用免費工具 ffmpeg 一行指令就能搞定：
ffmpeg -i first-shot.mp4 -vn -c:a libmp3lame -b:a 192k song.mp3 - 用 Suno 這類音樂生成工具，做好再上傳。先看清楚條款：免費和付費方案的商用規定不一樣。
歌詞請自己寫。用真實歌曲的歌詞，或模仿知名歌手的聲音，都會觸發版權檢查。
步驟 2：歌手
我們的歌手是一隻胖虎斑貓：白色圍兜毛、琥珀色眼睛、左耳有個缺角，打著酒紅色絲絨領結。牠有三張設定圖：三視圖、六種表情，以及用三視圖改出來的舞台裝（金色亮片披風）。舞台裝的設定圖，只放在歌手穿那套衣服的鏡頭裡。
步驟 3：場景
每個場景一張沒有人的圖，畫風都跟歌手一樣。我們第一張公車圖，就算提示詞寫了「柔和 3D 動畫風格」，還是做成照片風。把洗衣店那張當畫風參考放進去，就修好了。
AI MV 提示詞（指令）範本
@Image1：歌手（角色）。@Image2：歌手的表情（角色）。@Image3：[場景]（場景）。@Audio1：這首歌（音樂和人聲）。[畫風句，每個鏡頭都一樣。]@Image1 的[歌手]，穿著[服裝]，[時間]在 @Image3 的[場景]唱歌，聲音和旋律跟 @Audio1 的歌一樣。0–3 秒：[鏡頭和動作]。3–6 秒：[運鏡，跟著節奏搖擺]。6–8 秒：特寫，[表情]，像 @Image2 那樣。聲音：@Audio1 的歌，同樣的嗓音和樂器。一致性：[特徵和服裝]都和 @Image1 一樣。
英文原文（產生範例影片的提示詞）
@Image1: the singer (character). @Image2: the singer's expressions (character). @Image3: the [place] (location). @Audio1: the song (music and voice).[Style line, the same in every shot.] The [singer] from @Image1, in [outfit], sings in the [place] from @Image3 at [time], in the same voice and melody as the song in @Audio1.0–3 s: [shot and action].3–6 s: [camera move, swaying to the beat].6–8 s: close-up, [expression] like @Image2.Sound: the song from @Audio1, with the same voice and instruments.Consistency: same [features and outfit] as @Image1.
第一個鏡頭還沒有歌，就拿掉 @Audio1，把歌詞用引號寫進動作句，聲音那行寫出要用的樂器。
我們的三個鏡頭
鏡頭 1／3
屋頂：這支生成了歌曲
@Image1：貓咪歌手（角色）。@Image2：貓咪的表情（角色）。@Image3：屋頂（場景）。柔和的 3D 動畫風格：圓潤的造型、蓬鬆的毛、溫暖飽滿的色彩。@Image1 那隻胖胖的虎斑貓，打著酒紅色絲絨領結站著，黃昏時在 @Image3 的屋頂小舞台上、溫暖的串燈下唱歌。0–3 秒：遠景，貓咪走進燈光裡，深吸一口氣。3–7 秒：中景，貓咪用溫暖滑順的爵士嗓音唱著："Coins in my pocket, the dryer hums low,"7–10 秒：特寫，眼睛緊閉，像 @Image2 那樣飆高音："I'll sing till the morning, with nowhere to go."聲音：貓咪的歌聲，配上輕柔的低音大提琴和刷鼓。一致性：條紋、白色圍兜毛、琥珀色眼睛、缺角的耳朵和領結都和 @Image1 一樣。
英文原文（產生範例影片的提示詞）
@Image1: the cat singer (character). @Image2: the cat's expressions (character). @Image3: the rooftop (location).Soft 3D animated look: rounded shapes, plush fur, warm rich colour. The chubby tabby cat from @Image1, standing upright in its burgundy velvet bow tie, sings on the little rooftop stage from @Image3 at dusk under warm string lights.0–3 s: wide shot, the cat steps into the light and takes a breath.3–7 s: medium shot, the cat sings in a warm, smooth jazzy voice: "Coins in my pocket, the dryer hums low,"7–10 s: close-up, eyes squeezed shut, belting the high note like @Image2: "I'll sing till the morning, with nowhere to go."Sound: the cat's singing over a soft upright bass and brushed drums.Consistency: same stripes, white bib, amber eyes, notched ear and bow tie as @Image1.
鏡頭 2／3
自助洗衣店，換上舞台披風，用鏡頭 1 的歌當參考音訊
@Image1：穿上舞台披風的貓咪歌手（角色）。@Image2：貓咪的表情（角色）。@Image3：自助洗衣店（場景）。@Audio1：這首歌（音樂和人聲）。柔和的 3D 動畫風格：圓潤的造型、蓬鬆的毛、溫暖飽滿的色彩。@Image1 那隻胖胖的虎斑貓，打著酒紅色領結、披著金色亮片披風，夜晚在 @Image3 的霓虹自助洗衣店裡唱歌，聲音和旋律跟 @Audio1 的歌一樣。0–3 秒：中景，貓咪靠在轉動的洗衣機上唱歌，披風映著粉紅和青綠色霓虹。3–6 秒：鏡頭慢慢繞著貓咪轉，牠跟著節奏搖擺。6–8 秒：特寫，眼睛緊閉，像 @Image2 那樣飆高音。聲音：@Audio1 的歌，同樣的嗓音、輕柔的低音大提琴和刷鼓。一致性：條紋、白色圍兜毛、琥珀色眼睛、缺角的耳朵、領結和金色披風都和 @Image1 一樣。
英文原文（產生範例影片的提示詞）
@Image1: the cat singer in its stage cape (character). @Image2: the cat's expressions (character). @Image3: the laundromat (location). @Audio1: the song (music and voice).Soft 3D animated look: rounded shapes, plush fur, warm rich colour. The chubby tabby cat from @Image1, in its burgundy bow tie and sequinned gold cape, sings in the neon laundromat from @Image3 at night, in the same voice and melody as the song in @Audio1.0–3 s: medium shot, the cat leans on a spinning washing machine and sings, the cape catching the pink and teal neon.3–6 s: the camera circles slowly as the cat sways to the beat.6–8 s: close-up, eyes squeezed shut, belting the high note like @Image2.Sound: the song from @Audio1, with the same voice, soft upright bass and brushed drums.Consistency: same stripes, white bib, amber eyes, notched ear, bow tie and gold cape as @Image1.
鏡頭 3／3
夜間公車，沒有披風，用鏡頭 1 的歌當參考音訊
@Image1：貓咪歌手（角色）。@Image2：貓咪的表情（角色）。@Image3：夜間公車（場景）。@Audio1：這首歌（音樂和人聲）。柔和的 3D 動畫風格：圓潤的造型、蓬鬆的毛、溫暖飽滿的色彩。@Image1 那隻胖胖的虎斑貓，只打酒紅色絲絨領結、沒有披風，一個人在 @Image3 空蕩蕩的夜間公車上唱歌，聲音和旋律跟 @Audio1 的歌一樣。0–3 秒：中景，貓咪坐在窗邊，城市燈光從窗外劃過，開始輕聲唱。3–6 秒：貓咪站起來，抓著黃色扶桿，跟著公車搖晃。6–8 秒：特寫，閉著眼睛，在最後一個音上露出幸福的笑容，像 @Image2 那樣。聲音：@Audio1 的歌，同樣的嗓音、輕柔的低音大提琴和刷鼓，底下是低沉的公車引擎聲。一致性：條紋、白色圍兜毛、琥珀色眼睛、缺角的耳朵和領結都和 @Image1 一樣。
英文原文（產生範例影片的提示詞）
@Image1: the cat singer (character). @Image2: the cat's expressions (character). @Image3: the night bus (location). @Audio1: the song (music and voice).Soft 3D animated look: rounded shapes, plush fur, warm rich colour. The chubby tabby cat from @Image1, in its burgundy velvet bow tie and no cape, sings alone on the empty night bus from @Image3, in the same voice and melody as the song in @Audio1.0–3 s: medium shot, the cat sits by the window, city lights streaking past, and starts to sing softly.3–6 s: the cat stands, holds a yellow grab pole and sways with the bus.6–8 s: close-up, eyes closed, a happy smile on the last note like @Image2.Sound: the song from @Audio1, with the same voice, soft upright bass and brushed drums, under a low bus engine hum.Consistency: same stripes, white bib, amber eyes, notched ear and bow tie as @Image1.
結果：
- 歌延續下來了：鏡頭 2 和 3 唱的是鏡頭 1 同一段歌，同樣的嗓音、同樣的低音大提琴和鼓。
- 歌手：屋頂和洗衣店是同一隻貓，披風和領結都照指示。到了公車上毛色偏暖，有點變成橘貓，但領結還在。只做一次說不準是不是公車暖光造成的；可以再跑一次，或加一句光線描述，像「冷調的灰棕色條紋」。
- 服裝沒有混在一起：披風只出現在洗衣店。
- 場景都和參考圖一致。
- 高音：特寫抓到了表情圖裡「飆高音」的那張臉。
參考音訊不另外收費：480p 的 8 秒鏡頭 99 點，10 秒 124 點。三個鏡頭共 322 點。
AI MV 可以用自己的臉嗎？
在 Seedance 裡不行。它會擋看起來像真人的參考圖，AI 生成的也一樣，所以我們才用貓。替代做法：
- 風格化版本的你：以你的樣子為原型的動畫、3D 或黏土角色。風格化的設定圖我們每次都通過。
- 用文字描述一個人，再重複使用：先做一支影片，再把它當參考影片放進其他鏡頭。詳細做法請看一致性指南。
常見問題
AI MV：常見問題
可以用自己的歌做 AI MV 嗎？
可以。每個鏡頭都把歌當 MP3 參考音訊放進去，並剪成跟鏡頭一樣長的段落。
可以用 AI 做歌嗎？可以用 Suno 嗎？
可以。像我們一樣，讓影片模型在第一個鏡頭唱你寫的歌詞，再把那段音訊拿來重複使用；或是用 Suno 這類音樂生成工具做好歌再上傳。要商用之前，先看清楚工具的條款：免費和付費方案的規定不一樣。
歌手每個鏡頭都會長得一樣嗎？
大致上會，前提是每個鏡頭都放角色設定圖。我們的貓三個鏡頭的花紋和領結都撐住了，只有最後一支毛色偏暖。剪輯前每支都要檢查。
AI 歌手能對嘴我的歌嗎？
可以。把你的歌當參考音訊，我們的貓在後面兩個鏡頭都唱同一段，嘴型跟著歌詞動。每支都要檢查，歌詞快的地方尤其要注意。
AI MV 可以用自己的臉嗎？
在 Seedance 裡不行，它會擋看起來像真人的參考圖，AI 生成的也一樣。可以改用以你為原型的風格化角色，或先用文字做出一支影片、再把它當參考影片。
AI MV 可以做多長？
Seedance 2.5 每個鏡頭 4 到 30 秒。整支 MV 就是很多鏡頭配著你的歌剪在一起。
接下來看什麼
- 角色三視圖提示詞（指令）：貓咪三張設定圖的完整提示詞。
- AI 影片角色一致性教學
- Seedance 參考音訊和其他功能：Seedance 2.5 教學：好在哪？效果怎麼調？
- 其他範本：商品影片 · AI 短劇。
- 在 SpeedReel 生成 ↗
測試方式：三支影片都在 2026 年 11 月 3 日用 SpeedReel 的 Seedance 2.5 生成：480p、16:9、有聲，每個鏡頭只跑一次，未經剪輯。鏡頭 1 的音訊用 ffmpeg 剪出、存成 MP3，再上傳當鏡頭 2 和 3 的參考音訊。歌詞是我們自己寫的。PromptJazz 用 SpeedReel 製作影片，雙方是友好的合作夥伴（關於）。