Viral Music 会把一段源音轨和一张角色图片，生成一支完整的音乐视频序列。你可以选择精确的片段、决定表演者的外观、设置发布格式，并在生成前查看实时预估。随后，VisionStory 会创建视觉表演，并围绕歌曲来编排镜头。
这不是逐帧编辑器。你最关键的控制项是源片段、源图片和输出格式 — 有意识地选好这些输入，比把它们当作设置细节随便填要更影响成片。上方视频用真实歌曲片段跑了一遍完整流程，并展示了实际生成结果；下面步骤会逐一说明每个决策点。
- 来源 — 音频文件，或其音轨会作为源音轨的视频。
- 片段时长 — 连续片段，15 秒到 10 分钟。
- 输出 — 9:16 或 16:9，分辨率为 720P、1080P 或 2K。
开始前：准备音轨、选好片段时刻与表演者
先从你有权使用的歌曲开始，并明确想把哪一段做成视频。副歌、hook 或其他相对完整的段落，通常比随便截取一个时间范围更容易剪出清晰有力的结构。
- 准备音轨 — 上传音频文件；如果你只需要视频的音轨，也可以上传视频。
- 了解片段 — 打开选择器前，先记下大致的起点和终点。
- 准备角色 — 使用清晰的人脸，并选择符合主唱、曲风与氛围的呈现。
- 选择发布场景 — 竖屏短视频信息流，或横屏播放器。
使用获授权的素材：只上传你拥有或已获得许可的音乐与角色图像。生成并不能替代对底层版权/授权的处理。
步骤 1：打开 Viral Music 并添加源音轨
在 VisionStory 侧边栏打开 Viral Music。你可以浏览 Explore 看看成片效果长什么样，或把音轨拖进上传区域来创建自己的项目。
音频文件会直接使用。如果你上传的是视频，Viral Music 会提取并使用其音轨 — 源视频的画面不会带入生成结果。
接下来会发生什么：上传准备就绪后，VisionStory 会打开片段选择器。在尝试设置范围前，请先等波形加载出来。
步骤 2：选择要转成视频的精确片段
选择窗口是连续的。拖动左侧手柄设置开头，拖动右侧手柄设置结尾。想保持同样时长但换到音轨的另一部分，可沿着波形拖动整个已选范围。
用播放按钮试听你选中的准确片段。停止预览后，检查显示的时长；只有当所选音频的开头与结尾都衔接干净时，才点击 Confirm。
选在音乐边界上：干净的乐句边界更容易剪成令人满意的序列。避免从一个词的中间开始，或在一句人声/器乐乐句尚未收束前就结束。
步骤 3：选择角色并设定视觉方向
打开角色选择器。你可以上传新图片、复用你已有的虚拟人，或浏览公共素材库。被选中的图片不只是身份参考：它会引导最终可见的表演者形象、服装、场景与整体风格。
请使用清晰无遮挡的人脸，并有意识地选择全身或中景画面。把你希望 VisionStory 理解的服装与环境也包含进去 — 一张风格统一的源图片，会让生成的机位与镜头更有一致的共同方向。
匹配表演：选择呈现方式符合歌手与曲风的角色。源图片不一定要出现麦克风，但需要让预期的表演看起来可信。
步骤 4：选择宽高比与分辨率，然后查看预估
在音轨与角色下方打开输出设置。竖屏短视频选 9:16，横屏播放选 16:9；然后按你需要的细节程度选择 720P、1080P 或 2K。
预估会随所选片段时长与分辨率而更新。提交任务前，请先查看 Generate 旁边显示的最新数字。
| 选择 | 适用场景 | 取舍 |
|---|---|---|
| 9:16 | 主要发布到竖屏信息流或短视频平台。 | 源角色最好留出足够的纵向空间，便于镜头做更多变化。 |
| 16:9 | 视频将出现在横屏播放器、演示，或宽屏剪辑中。 | 注意表演者与环境在更宽画幅中的占比与关系。 |
| 更高分辨率 | 成片需要更多可见细节，或会在更大尺寸上观看。 | 实时预估会变化 — 生成前务必确认。 |
以当前价格为准：不要用旧截图来计算。片段时长与输出分辨率都会影响预估，而当前界面才是最终依据 — 更完整说明可查看 VisionStory credits 的运作方式。
步骤 5：生成、打开并复盘最终音乐视频
当音轨、角色、格式与预估都确认无误后，点击 Generate。Viral Music 会分析歌曲的节奏、能量、结构，以及在可用时的歌词信息，然后据此塑造表演、创建一致的机位设置，并围绕音乐来编排镜头。
任务完成后，在 Videos 区域打开它，并配合原曲播放结果。请评估完整序列，而不是只看某一帧静帧。
重点复盘什么：表演者是否一致、构图变化是否有用、演绎与音乐的关系是否自然，以及剪切是否推动了你选中的段落。基于节拍的剪辑会参考歌曲 — 但不代表每一刀都一定精准落在某个拍点上。
如果整个结果的视觉方向都不对，先换源图片再重试；如果开头或结尾不够有力，就回到片段选择器，改选更干净的音乐段落。通常这些改动，比在输入不变的情况下反复生成更有价值。
实用的 Viral Music 检查清单
- 我已获得使用该音轨与角色图片的许可。
- 所选片段在干净的乐句边界开始并结束。
- 源图片里的人脸清晰且无遮挡。
- 服装、场景与角色与音乐风格匹配。
- 宽高比符合发布平台/观看场景。
- 我在所选分辨率下查看过实时预估。
- 我从头到尾配合音频看完了最终成片。
- 我把表演一致性、构图与剪辑节奏一起评估。
最好的结果，在你点击 Generate 之前就开始了
Viral Music 负责表演与剪辑，但创意方向从你的输入开始：一段音乐结构清晰的片段、一张能传达表演者与其世界观的图片，以及为真实观看场景而选定的输出格式。准备到位后，一条音轨加一个角色，就能变成完整的视觉表演 — 无需手动创建镜头，也无需时间线剪辑。
接下来你还可以继续：通过 creating an AI talking avatar 把会说话的角色放到镜头前，在 choosing an AI voice 里挑选合适的音色身份，或直接探索 AI music video generator 本身。
