AI Rap Duo：规划清晰的双人说唱画面

双人说唱视频首先要让观众看懂：谁在主导，谁在回应。给两位表演者固定的 A/B 身份和站位，每个镜头只安排一个主要动作。两个人在画面中做手势，可以构成表演视觉，但不能证明他们正在准确说出录音里的歌词。

AI Genjutsu 准备的是无声视觉片段。精确轮流说唱需要在本站之外完成音频和口型工作流。你可以先按下面的方法准备首帧和镜头描述，开始制作前再查看工作台的当前服务状态。

先建立双人关系，再安排动作

写一张简短的连续性卡片：A 在画面左侧，穿铁锈色外套；B 在右侧，穿深灰色衬衫。两人之间留出约一个肩宽的空隙，身后是一面简单的墙。每个镜头都复用这些描述，不要每次添加不同的服装细节。

如果采用图片引导，上传的一张首帧图片应当已经清楚显示两个人。避免脸部重叠、极端侧脸、一人的手臂挡住另一人，或者身后出现人群。画面边缘也要为小幅手势留出空间。

本站不支持把两张独立肖像作为联合身份输入。你可以拍摄两人同框的照片，或者在外部图片编辑器中制作有权使用的合成画面；先检查光线、比例和站位是否合理，再把它作为一张首帧。参考帧能够引导外观，但不能保证人物身份在整个片段中始终不变。

用四个短镜头分配不同任务

下面的计划是四个独立的四秒片段，最后在外部剪辑器中拼成十六秒视频。每个片段都保持同一面墙、光线方向、服装和 A/B 站位。

剪辑可以表现两人的接力关系，却不能让没有同步录音的无声嘴部动作自动对齐歌词。如果准确演唱很重要，应让表演者对着最终音轨拍摄，或者使用经过单独验证的外部音频驱动口型流程，然后在剪辑器里逐段检查说话者。

一个原创镜头提示词

下面用于规划第 2 段，并非已验证的生成结果：

四秒，腰部以上的双人镜头，两位原创表演者站在有纹理的混凝土墙前。A 始终在画面左侧，穿铁锈色外套，在胸前做一次张开手掌的手势。B 始终在右侧，穿深灰色衬衫，双手放低，安静倾听。两人的脸都清楚可见并保持间隔。固定机位，柔和侧光，克制的表演感，不出现额外人物，不交换站位，没有可读文字。

第 3 段只替换主导动作的表演者，其余条件保持一致。“不交换站位”表达的是创作目标，仍然需要检查输出是否遵循。

先诊断画面，再减少复杂度

导出前的常见问题

能在本站让两个人唱出我的歌词吗？

不能。本站输出无声视频，不接受音轨，也不提供精确的歌词驱动口型动画。

Seedance 的音频能力会改变这一点吗？

字节跳动介绍了 Seedance 1.5 Pro 的联合音视频能力。本站配置关闭音频，模型能力不等于这里已开放的功能。

可以使用知名歌手的脸或声音吗？

围绕原创表演者和你有权使用的素材制作。提示词中写入一个熟悉的名字，并不代表获得授权，也不能证明作品真实。AI Genjutsu 是独立网站。

继续阅读先锁定音轨的说唱视频计划、Migos AI 的来源辨认与流程选择，或橙色舞台场景规划。