AI 数字人唱歌视频制作全流程教程

本教程将拆解如何制作一个《西游记》人物（如猪八戒）演唱现代流行歌曲的 AI 视频。全流程共分为七个步骤。

📋 准备工作：所需工具列表

  1. 豆包 (Doubao)：用于生成符合中文语境的歌词。
  2. ChatGPT / Gemini：用于生成英文的音乐风格提示词。
  3. Suno AI：用于生成完整的歌曲（音乐+人声）。
  4. UVR5：用于分离人声与伴奏。
  5. Audacity：音频编辑软件，用于剪辑和处理音频。
  6. [Gemini 3] (或其他生图模型)：用于生成高清的人物形象图片。
  7. RunningHub (阿里Wan 2.2 模型)：用于生成对口型的数字人视频。
  8. 剪映 (CapCut)：用于视频剪辑与合成。
  9. Video Subtitle Remover：用于去除视频水印。

步骤一：歌词创作

由于国外模型对中国古典名著或特定中文语境理解有限，推荐使用国产大模型。

输入提示词：描述想创作的歌曲主题，设定风格（如民谣），并要求表达特定的情绪（如平凡快乐、世俗但有原则），不断优化生成结果，直到获得满意的中文歌词。
重要技巧：为了配合 Suno 生成音乐，让大模型生成SUNO格式的提示词。

步骤二：使用 Suno 生成音乐

  1. 打开 Suno.ai 并点击 Create。
  2. 将上一步生成的英文提示词粘贴到 Style (风格) 栏中。
  3. 将中文歌词粘贴到 Lyrics (歌词) 栏中。
  4. 点击 Create 生成歌曲。

步骤三：背景音乐与人声分离

直接使用带伴奏的音乐生成视频会干扰 AI 的口型准确度，因此需要分离音频。

  1. 打开 UVR5 软件。
  2. 设置输入文件（下载的歌曲）和输出路径。
  3. 选择模型（推荐 MDX-Net 或 VR Arch 下的去混响/人声分离模型）。
  4. 如果有独立显卡，勾选 GPU 加速。
  5. 点击 Start Processing。
  6. 得到两个文件：纯人声 (Vocals) 和 纯伴奏 (Instrumental)。

步骤四：音频处理 (Audacity)

由于后续视频生成模型通常有时长限制（如3分钟以内），且前奏间奏不需要对口型，需进行修剪。

  1. 将 纯人声 文件拖入 Audacity。
  2. 试听并删除前奏部分的空白音频（确保视频从人声开始生成）。
  3. 如果歌曲过长，将其切分为两个或多个独立的音频片段。
  4. 导出处理好的人声文件备用。

步骤五：生成数字人形象

  1. 截取一张清晰的《西游记》人物（如猪八戒）截图。
  2. 打开 Gemini 3。
  3. 上传截图并输入指令：要求将图片重绘为 4K高清分辨率，比例设置为 16:9。
  4. 添加个性化元素描述：例如“戴着头戴式耳机”、“印有特定Logo”等。
  5. 下载生成的高清人物图片。

步骤六：生成数字人视频 (RunningHub)

让图片“开口说话”的核心步骤。

  1. 登录 RunningHub.ai
  2. 在左侧菜单选择 AI应用 -> 数字人-音频驱动 (阿里Wan 2.2 模型)。
  3. 设置比例：在左侧设置栏选择 16:9。
  4. 上传图片：上传步骤五生成的猪八戒高清图。
  5. 上传音频：上传步骤四处理过的纯人声片段。
  6. 点击 运行。等待云端渲染完成。
  7. 预览效果满意后，下载生成的视频文件。如果有多个音频片段，重复此步骤。

步骤七：视频剪辑与合成 (剪映)

  1. 打开 剪映，导入以下素材：
    • RunningHub 生成的对口型视频。
    • Suno 生成的原始完整音乐。
    • 原版电视剧的视频片段（用于填充前奏/间奏）。
  2. 轨道对齐：
    • 将数字人视频拖入轨道。
    • 将原始音乐拖入音频轨道。
    • 关键步骤：手动移动数字人视频，使其与音频中的人声波形完美对齐（因为之前删除了前奏）。
  3. 填充空缺：在前奏、间奏等数字人没有画面的部分，插入原版电视剧的空镜或片段，并添加转场特效使其过渡自然。
  4. 静音原视频：选中数字人视频轨道，右键选择“音视频分离”并删除分离出的纯人声轨道，只保留 Suno 的完整高质量音乐轨道。
  5. 导出技巧 (免会员导出特效)：
    • 选中所有片段，右键 新建复合片段。
    • 再次对复合片段右键，选择 预合成复合片段。
    • 此时不用点击导出（如果使用了会员特效会提示付费）。
    • 直接去电脑文件夹寻找缓存：找到剪映的安装目录，路径通常为 .../JianyingPro Drafts/User Data/Projects/[当前项目文件夹]/Resources/combination。
    • 在该文件夹中找到体积最大的 MP4 文件，将其拖回剪映预览，确认无误后即可直接拷贝使用，或再次导入剪映进行无特效导出。

步骤八：去除水印

RunningHub 生成的视频和原剧素材可能包含水印。

  1. 下载并打开开源工具 Video Subtitle Remover
  2. 点击 Open 导入最终导出的视频。
  3. 使用滑块框选画面中的水印区域。
  4. 点击运行，去除水印。
  5. 如果有多个位置的水印，可分多次处理。

至此，一个高质量的 AI 数字人唱歌视频就制作完成了。