这是一个音乐驱动的现场演唱视频(Mode J — Audio-driven + Mode C — Reference)。音频权威来自参考视频 @Video1(取其前 15 秒歌曲片段作为唯一人声与口型时间来源),歌手的外貌与服装严格锁定 @Image2 的男性。 关于歌词:上一步分析已确认 @Video1 前 15 秒的实际英文歌词——这是真实存在于参考音频中的内容,因此可以写进提示词并要求精确对口型(而非编造)。 【主体 + 参考 / SUBJECT + REFERENCES】 @Image2 作为唯一的身份、外貌与服装参考:锁定这位男性的面部结构、五官比例、光头、浓密大胡须、健壮魁梧的体格,以及他的服装(黑色、局部做旧/破洞的背心/工字背心 tank top,突出结实的肩臂与胸膛)。全片自始至终为同一人,外貌与服装绝对一致。 @Video1 作为唯一的音频权威(AUDIO...
Free to start · Generate videos and images with AI in seconds