AI 跳舞影片怎麼做

兩種方法：動作轉移與提示詞驅動

動作轉移是從一支驅動影片取出身體動作，套用到另一個人或角色身上。Everybody Dance Now 這類研究系統，用姿態當作來源舞者與目標之間的橋梁；後來的擴散模型方法如 Animate Anyone，則能根據姿態序列讓單張靜態圖動起來，同時保留參考圖的外觀。市面上的舞蹈影片生成器，以及 Kling、Seedance、Runway、Hailuo 等工具的參考影片模式，原理都類似。

提示詞驅動的跳舞，是把角色圖、音樂和一份寫好的動作時間軸交給模型。沒有驅動影片，編舞完全由模型根據你的文字自己發揮。

在乎編舞時用動作轉移；想做原創作品，或找不到乾淨的參考影片時，用提示詞驅動。

準備照片與首格

角色圖會成為首格或身分基準，所以它同時決定畫質與完播率。實務上，觀眾會不會在前兩三秒離開，取決於第一個畫面，它應該已經是整支影片最好看的一格。

• 全身或膝上，站姿，全身和雙手都在畫面內。腳或手被裁掉的話，模型會亂補。
• 光線明亮均勻，臉完整且打光清楚。不要低著頭，不要被頭髮或帽子遮臉，不要在昏暗的房間。
• 主角已經擺出準備跳舞的姿勢或帶著笑容，而不是僵硬站著。從靜止的中立姿勢開始跳，看起來會像慢熱的開頭。
• 9:16 直式時，舞者要佔滿大半個畫面高度。大房間裡的小人影，臉會糊，還可能多出或黏在一起的肢體。
• 服裝要清楚好辨：有明確的腰線、袖子到手腕為止、裙子長度在腳踝以上。長長拖曳的布料是最難的情況（見下文）。

如果你用一組角色，每張新的參考圖都要逐個角色對照角色設定圖檢查：服裝、手或爪子、配件、髮型、顏色和身高比例。修圖工具會悄悄改動你沒要求的細節，影片模型再把錯誤複製到每一格。如何建立設定圖，請看角色一致性教學。

動作轉移：生成前先處理好參考影片

參考影片遠比文字提示更有影響力。如果參考影片裡有鏡頭光暈、舞者手中的道具、鏡子、特定的打光風格，或背景有第二個人，即使提示詞說不要，模型多半還是會照抄。在提示詞裡和參考影片爭辯，很少有用。

1. 把參考影片剪到你需要的那一段編舞，音樂也剪成同樣的範圍。
2. 裁切讓舞者置中、露出全身，比例與你的輸出相同。
3. 遮掉或移除道具和背景中的人。如果光線很強或帶顏色，就重新調色。
4. 確認參考舞者和你的角色身材比例相近。矮胖的吉祥物去模仿高個子舞者的長腿動作，會被拉長或變形。
5. 然後寫一段描述你想要的結果（角色、場景、光線）的提示詞，而不是描述參考影片裡的問題。

分鏡格圖也很適合當動作參考。做一張 9:16 的圖，例如分成 12 格，每格一個節拍的姿勢，再把提示詞時間軸寫成「第 1 格（左上）= 0–2 秒」。格子上不要放數字或文字，模型會把它們當成畫面上的圖形照抄。每一格都要用全尺寸檢查，因為某一格的錯誤會被複製進影片。

這裡也要注意同意問題。只有取得本人許可，才能使用真人照片；也不要把某人的影像做成他從沒跳過的舞，還當成真的發布。編舞者的舞蹈也可能受保護；平台上開放大家重複使用的熱門舞蹈，在該平台內通常沒問題，但是以別人的編舞製作付費廣告，就需要取得許可。

提示詞驅動：寫出流暢的動作

影片模型對某些詞的反應非常精準。在我們的測試中，「定住姿勢」「凍結」「靜止」和「慢動作」會讓舞蹈變成一張張姿勢的幻燈片：舞者在不同造型之間跳來跳去，每個造型之間還會停住。這些詞請不要用，改為描述連續的動作。

每個樂句規劃一個長鏡頭，約 4 秒或一個八拍，裡面再安排幾個有時間的動作定位點。但也不要矯枉過正：每拍塞太多小動作，看起來會抽搐又滑稽。古典、現代舞或慢板流行樂這類柔和的風格，請描述動線而不是姿勢，一兩拍做一個動作，停留也不要超過半拍。

Phrase 2 (4.0-8.0 s), one continuous shot, 9:16, medium-wide, camera at chest height.
The dancer from the reference: long white sleeves, pale blue skirt, hair in a low bun.
4.0-5.0 s (downbeat): step right, weight shifts onto the right foot, both arms open low at hip height.
5.0-6.0 s: the right arm sweeps in an arc from the hip to shoulder height while the body turns a quarter left.
6.0-7.0 s: step back with the left foot, both arms float down, sleeves trail behind the hands.
7.0-8.0 s (pause in the music): a soft half turn to face the camera, arms rising to chest height, smile.
Arms stay below 45 degrees above the shoulder. Continuous movement, no stops.

布料需要另外訂規則。袖子寬大、飄帶很長或有披風時，布料會跟著手臂動，可能蓋住臉。請限制手臂高度，例如不高於肩膀上方 45 度，並把這條寫進每個樂句。

只寫鏡頭拍得到的東西。影片模型會把比喻照字面畫出來：寫「她的衣袖像毛筆在空中作畫」，她手裡可能真的出現一支毛筆。請描述動作、材質和光線，不要用比喻。

讓動作卡在拍子上

先找出 BPM，例如跟著 cv.cm 的節拍器點拍。120 BPM 時一拍是 0.5 秒，八拍是 4 秒；100 BPM 時八拍是 4.8 秒。每個定位點都以秒標示，同時寫出音樂事件，像是「第一個重拍」「最響的那個音」「停頓」。模型兩者都會參考。

許多模型只接受固定時長，例如整數秒，或 5、10、15 秒這幾檔。選擇與片段長度剛好相符的音樂片段；若分段生成，每段音訊請自己剪，不要讓模型決定。有些工具限制參考音訊總長約 30 秒，因此長舞蹈需要分成好幾段。

當模型自己生成或重新渲染音軌時，音樂可能會晚一點才開始。我們量到的偏移約 1 秒，而動作仍緊貼提示詞的時間。在斷定動作沒踩在拍子上之前，請先換回原曲：

ffmpeg -i gen.mp4 -i song.mp3 -map 0:v:0 -map 1:a:0 -c:v copy -c:a aac -shortest synced.mp4

如果某個片段看起來還是差幾格，在剪輯軟體裡平移它即可，不用重新生成。

常見瑕疵與解法

手和腳是最弱的部分，尤其是快速的腳步和旋轉。做複雜動作時，鏡頭盡量保持穩定；鏡頭在動、身體也在動，破圖的機率會加倍。

生成的片段常是 720p 或 1080p，細節偏軟。請在剪輯完成後放大一次，並只保留一份母檔輸出，避免影片被反覆轉檔。若平台要求，逼真的成果請加上標示；請見我們的 AI 內容標示指南。