ai绘画ai编曲组队：我给朋友的歌做了一条MV

朋友写了首民谣叫《巷口》，3分42秒，讲老街拆迁前的最后一个夏天。他想发歌配MV，找人报价五千起，他一个月的生活费。我说我来试试：ai绘画ai编曲这套组合我惦记很久了，正好拿他的歌练手。前后两个周末加四个工作日的晚上，MV做出来了，播放量比他自己预期高了十倍不止。这篇把整条流水线拆给你看，包括三处差点让我弃坑的坑。

先定气质：一首歌怎么变成情绪板

拿到歌先别急着出图，把歌拆成段落，每段定一个情绪词和色彩倾向，凑成情绪板再动手。画面跟着歌的结构走，而不是跟着歌词逐句走。

我把《巷口》听了二十几遍，拆成五段：前奏的黄昏、主歌的日常、第一次副歌的回忆闪回、间奏的空镜、尾声的告别。每段定了情绪词和主色——前奏是橘粉的晚霞，主歌是闷热的青灰，闪回突然转成过曝的白。朋友听完我的情绪板只改了一处：他说间奏不是空镜，是"吉他声在巷子里跑"，这句后来成了全片最好看的一段画面。

风格句在情绪板阶段就要锁死。我定的是"胶片颗粒、暖光、旧夏天、手绘水彩质感"，后面所有分镜的提示词开头都是这一句，一个字不动。多模态项目里画面散架，九成是风格没提前焊死，做到一半想统一，代价是全部重出。

分镜与节拍：图怎么卡在歌上

按段落配镜头：主歌慢，长镜头七八秒一张；副歌密，两三秒一切。总镜头数对齐歌曲秒数，先对表再画图。节奏感是排出来的，不是碰出来的。

34个分镜，我出了两百多张图才凑齐，出片率比单张插画低得多——每张都要在统一的风格里，还要服从段落的情绪。最大的发现是：编曲的段落感会替我省力。副歌那十张闪回，我故意让构图重复三组，快切时反而整齐；主歌的长镜头，我挑的都是留白多的图，给画面呼吸。这些判断全是听歌听出来的，画技帮不上忙。

编曲那边朋友也没闲着。他用AI编曲工具给demo重铺了一版伴奏，鼓点和木吉他的层次比原始录音干净，人声保留自己录的——他说嗓子在，歌才在。AI出的编曲他只当底座，段落的乐器进出还是手动调的，这块的判断跟画画挑图是一个道理：机器给选项，人做决定。

图生视频与字幕的坑

图生视频每段都要盯画风漂移，字幕必须后期加，卡点导出前先做一版低清全片预览。三处坑我都栽过，办法如下。

坑一是画风漂移。分镜图统一了，可一段一段喂给图生视频后，色温一段段偏，第三段开始整个片子泛蓝，像换了个人做的。我的办法是每段视频生成后立刻跟首段比色，偏了就在提示词里把色调词加重重跑，34段里我重跑了11段，占三分之一。

坑二是字幕。我想着AI既然能画图，加个歌词字幕应该顺手，结果生成的"字幕"全是乱码符号，白跑了一晚。后来老老实实全片不加字，导出后用剪辑软件统一上字幕，字体、位置、入出点一次成型。字这种东西，目前就该交给排版工具，别跟AI较劲。

坑三是卡点。最自信的一段恰恰翻车：副歌第一声鼓，我预感画面切过去会燃，成片一看慢了半拍，燃点泄掉了。后期我把闪回的切入点整体提前零点三秒才对上。教训是导出前一定先出低清全片预览，我在成片导出后才发现卡点问题，白烧了两小时渲染，气得差点摔耳机。

《巷口》上线那天，朋友在朋友圈只发了两个字："巷口。"配图是MV最后一帧——巷子口的灯灭了。这项让我又画又剪的活儿，论技术没有一步是我从前不会的，新东西只是把两门手艺缝在了一条时间轴上。缝的关键不在哪一针，在于你先听懂了这首歌想怎么呼吸。

常见问题

不会编曲能做这种MV吗？

能，但音乐得先有。可以用AI编曲工具出伴奏demo，人声最好还是真人录。画面再好，音乐是借来的或粗糙的，成片都撑不住。

分镜图必须统一风格吗？能不能混搭？

同一首歌里风格混搭基本等于车祸，观众的耳朵在听歌，眼睛经不起风格跳变。段落之间可以有色彩变化，画风语言必须一根线贯穿。

全片都用AI生成会有版权或标注问题吗？

发布平台的规则各有不同，音乐平台对AI内容多数要求主动标注，具体以各平台官方说明为准。我用的是标注加自留生成记录，麻烦少。

这样的MV制作周期和成本大概多少？

我的账：两个周末加四个晚上，生成额度花了小几十块，剪辑软件是现成的订阅。成本大头是时间，尤其重跑漂移片段那段，耐心比预算重要。

延伸阅读

• ai配音绘画怎么联动：图文短视频的声画同步工作流——配音与画面的同步思路，和本篇的卡点方法相通。