Aniv AIAI 说唱视频生成器：让你的照片拿起麦克风
上传一张照片，照片里的人就会动起来开始说唱。可以让 AI 写词，也可以用你自己的歌或歌词，还能上传一段人声让照片对口型。画面比例可选 9:16、1:1 或 16:9，每段视频最长 15 秒、带声音。
1 张照片 · 4 种玩法 · 9:16 / 1:1 / 16:9 · 最长 15 秒 · 768p · 含声音
只需上传一张照片，AI 写词、做节拍，让照片里的人拿起麦克风开唱。
请使用你本人或已获授权的照片，不要使用未成年人照片；只使用你有权使用的音乐。
你的说唱视频
最长 15 秒你的说唱视频会显示在这里
AI 写词配节拍，由你在画面里唱出来。
YouTube 上的 AI 说唱视频示例
看看创作者们已经在做什么：一张图生成的完整说唱 MV、快嘴说唱的对口型测试，以及把说唱歌曲做成表演视频。
"Vibin'" - AI rap MV generated from one image
Can AI lip sync keep up with fast rap?
AI made a music video for my rap song (lip sync test part 8)
AI made a music video for my melodic rap song (lip sync test part 7)
这些视频由其他创作者用其他 AI 工具制作，从 YouTube 嵌入仅供参考，并非 Aniv 生成，版权归原作者所有。
制作 AI 说唱视频的四种方式
四种方式都从同一张照片开始，区别只在说唱内容从哪里来。
仅照片
只上传一张照片。AI 写几句英文说唱、做一段嘻哈节拍，照片里的人对着镜头唱出来。
适合：做梗图视频、朋友生日惊喜，或一分钟内看看自己当说唱歌手的样子。
照片 + 你的歌
上传 MP3、WAV 或 M4A，拖动选出想要的 15 秒。这段作为视频音轨，照片里的人跟着节拍表演。
适合：独立说唱歌手、制作人，以及需要给 TikTok、Reels 配画面的 Suno、Udio 作品。
照片 + 你的歌词
输入 2–4 行任意语言的歌词，AI 配上新节拍按原文唱出，视频里说的就是你写的话。
适合：一句金句、一段喊话、玩笑式 diss，或者测试一个副歌。
照片 + 对口型
上传一段人声：一段说唱、一句歌或一条语音。照片里的人把它演出来，嘴型逐字跟上。视频时长跟随音频，5–15 秒。
适合：清唱片段、配音梗视频，或需要台词逐字对上的「会说话的照片」。
如何制作 AI 说唱视频
选择方式并上传照片
在「仅照片」「用我的歌」「用我的歌词」「对口型」中选一个，再选 9:16、1:1 或 16:9。上传一张清晰的单人照：脸部可见、光线好、不戴墨镜。照片会按所选比例居中裁切。
按需添加声音
「用我的歌」和「对口型」需要上传音频并选出片段；「用我的歌词」需要写几行短句；「仅照片」无需其他内容。
生成、观看并下载
提交一次即可。几分钟后视频会在这里带声音播放。可以直接下载，之后也能在视频生成记录里找到。
让 AI 说唱视频更好看的小技巧
- 照片：一位成年人、正对镜头、半身或更近。裁得太紧、看不到发型和衣服，视频能保留的细节就更少。
- 歌曲或对口型：选人声清楚的段落。纯伴奏段落没有人声可跟，口型会对不上。
- 歌词：15 秒大约能唱 30–40 个英文单词或 40–60 个汉字。句子少而有力，比一整段主歌更清楚。
谁在做 AI 说唱视频？
一段用自己脸出镜的说唱短片，是任何需要发内容的人都能快速做出来的素材。
独立说唱歌手
在还没有预算拍 MV 之前，把新单曲最好的 15 秒做成竖屏预告。
AI 音乐创作者
给用 Suno、Udio 或自己编曲软件做的歌配一个表演者，让它在 TikTok 上不再只是一张静态封面。
社交媒体创作者
不用拍摄，用一张照片就能做说唱反应、趋势二创或金句短片。
礼物和整蛊
写一段生日说唱或友好吐槽，让朋友的照片替你唱出来。记得先征得对方同意。
为什么在这里做 AI 说唱视频？
不用写提示词，也不用剪时间线。选方式、传照片，就能得到一段完整成片。
保留你的样子
提示词要求整段视频保持照片里的面部、发型、肤色和服装，并且只出现一位主唱。
声音就在文件里
交付的视频自带音轨：AI 人声加节拍、你的歌曲片段、配上节拍唱出的你的歌词，或对上口型的你自己的人声，不需要另外配音。
一口价，失败自动退款
四种方式同价，按整段计费。生成失败会退回积分；单纯不满意结果不属于失败任务。
AI 说唱视频常见问题
什么是 AI 说唱视频？
一种由 AI 而不是拍摄团队制作的说唱短片，画面里有人在说唱。在这里你从一张照片开始：照片里的人会表演一段 15 秒的说唱，人声和节拍都包含在视频文件里。
我应该选哪种方式？
只想做个好玩的视频、让 AI 写词，就选「仅照片」；手上有歌、想要跟着节拍的表演，就选「用我的歌」；想让视频说出特定的话，就选「用我的歌词」；有录好的人声、要求嘴型逐字对上，就选「对口型」。
可以用我自己的歌吗？
可以。选择「用我的歌」，上传 50 MB 以内的 MP3、WAV 或 M4A。浏览器会把你选中的 15 秒截成 WAV 片段，只上传这一段。请使用你拥有或有权使用的音乐；因版权被拦截的歌曲会生成失败并退回积分。
嘴型能和我的音频完全对上吗？
想要最准就选「对口型」：它会识别你这段人声，让嘴型逐字跟上。「用我的歌」模式下你的片段作为音轨，表演跟着节拍走，嘴型会宽松一些。两种模式下语速很快、词很密的段落，个别音节都可能有偏差。
歌词可以用什么语言？
任何语言都可以。歌词按原文唱出，最多 300 个字符。15 秒大约能唱 30–40 个英文单词或 40–60 个汉字，太长可能被唱得很赶或被截掉。「仅照片」模式下 AI 写的是英文歌词。
视频多长、什么尺寸？
最长 15 秒、768p、带声音。发 TikTok、抖音、Reels、Shorts 选 9:16，信息流选 1:1，YouTube 横屏选 16:9；生成前照片会按所选比例居中裁切。对口型视频的时长跟随音频（5–15 秒）。需要更高分辨率可以用视频画质增强放大。
需要多少积分？
每段 15 秒视频一口价，四种方式相同，具体数额显示在生成按钮旁和本页价格区。生成失败会退回积分。
什么样的照片效果最好？
JPG、PNG 或 WebP，30 MB 以内，每边 300–6000 像素，宽高比 0.4–2.5。每张照片一位成年人，脸部清晰、光线均匀。请勿使用未成年人照片。
生成的视频可以商用吗？
你可以下载并发布生成结果。照片以及你添加的歌曲、歌词的权利由你负责。不要未经许可使用他人照片，也不要把视频伪装成真实歌手的官方作品。
生成失败或不满意怎么办？
生成失败会退回积分。如果不确定任务是否已提交成功，再次提交前请先查看视频生成记录。已完成但你不满意的视频不算失败，重新生成需要另外计费。
什么是对口型模式？
上传一张照片和一段 5–15 秒的人声：说唱、唱歌或说话都行，任何语言都可以。照片里的人会把这段音频演出来，嘴型逐字跟上。只使用你有权使用的录音，以及本人同意使用的声音。