立刻MV支持从一句话创意、本地音频、AI歌曲、参考图或混合素材等多种方式出发，自动生成完整MV，全程无需借助剪辑软件，覆盖配音配乐、分镜脚本生成、画面渲染与合成导出等完整制作流程。

想把一句歌词、一张照片或一段语音，快速制作成可直接发布到抖音、B站、小红书的完整MV吗？立刻MV可从纯文字描述、本地音频、AI生成歌曲、参考图片，甚至一句话创意开始，无需使用任何视频剪辑软件，自动完成分镜生成、画面制作、字幕对轴与合成导出。

从一句话创意开始：立刻成片“先声后画”模式

这是立刻AI视频家族的第三款产品，与立刻MV并行运行，但创作路径不同，专为“没有歌曲、没有画面、只有创意想法”的用户打造。

第一步：在立刻成片工作台输入一句话创意，例如“一个穿蓝裙子的女孩在老式火车站等火车，黄昏，胶片感，带点遗憾”。【这句话会直接驱动后续配音、配乐、剧本和分镜生成，不能留空，也不要只写“随便”】

第二步：平台会自动生成3版AI配音+配乐组合，每一版都包含完整旁白脚本与情绪节奏标记。只需试听一遍，就能快速判断哪一版最符合你脑海中的画面节奏——这一步通常不到10秒，而且不会消耗视频点数。

第三步：选定配音版本后，系统会自动锁定整支视频的音频结构，并生成带时间戳的镜头脚本。此时你还可以手动拖动调整某句台词对应的镜头起止时间，修改后可实时预览音频锚点的变化。

第四步：点击“生成画面”，AI会根据已锁定的音频骨架逐镜渲染。如果第3镜效果不理想，可单独重做该镜头，其余镜头不会受到影响，也不会额外扣费。

从一首歌出发：立刻MV标准工作流

适合已经拥有成品音频（MP3/WA V）、希望快速匹配专业级MV效果的创作者，整体流程覆盖音频解析→分镜生成→画面制作→合成导出四个阶段。

方法一：上传自有音乐文件
直接拖入本地歌曲，立刻MV会自动完成BPM识别、频谱分析与歌词时间轴提取。若音频中没有内嵌歌词，则需要手动粘贴歌词文本，否则字幕将无法逐句精准对齐。

方法二：使用内置AI作曲功能创作新歌
你可以选择不同曲风，比如City Pop、古风、Lo-fi Hip Hop等，同时还能设置情绪关键词，例如“慵懒”“爆发”“克制”等，从而生成带有人声演唱的完整歌曲。生成完成后，可无缝进入MV制作流程。歌曲既可以下载保存，也能直接作为MV的基础音频使用。

这一步务必确认歌词时间轴足够准确——哪怕只相差0.3秒，后续字幕也可能出现漂移。试听时建议重点核对副歌第一句的起始帧，是否与人声开口做到完全同步。

从一张图出发：参考图一致性生成

当你已经有明确的视觉锚点，比如角色设定图、场景概念稿或品牌VI色板时，立刻MV支持上传1～5张参考图，让AI围绕这些参考素材生成整套MV画面。

上传图片后，可在风格描述框中写明：“保持图中女孩发型与红围巾颜色，背景换成雨夜街道，镜头拉远至中景”。AI会将参考图中的关键特征编码为视觉约束，而不是简单复制原有构图。

需要注意的是：参考图分辨率应≥800×600，若图片模糊或压缩过重，可能导致特征提取失败，进而出现人物脸型崩坏、色彩断层等生成问题。

在生成首帧预览时，系统会标注每张参考图被调用的权重比例，例如“主图A：72%，辅助图C：18%”，方便你快速回溯生成逻辑中的偏差来源。

混用本地素材：AI画面+手机实拍片段自由拼接

自1.1版本起，平台已全面支持导入MP4/MOV格式本地视频，适合需要加入真人出镜、实拍空镜或复用已有素材的创作场景。

在故事板编辑界面中，点击任意镜头→选择“替换为本地视频”→拖入手机拍摄的10秒街景片段。AI会自动适配该片段的亮度、色调和运动节奏，让它与前后AI生成镜头之间的过渡更加自然。

如果导入的视频包含人声或环境音，系统会提示“检测到音轨，是否保留？”，选择“否”会进行静音处理，避免与原曲冲突；选择“是”则会自动降噪，并将音量压低至背景层级。

本地视频片段时长不能超过当前镜头分配时长的120%，超出部分会被直接硬切——例如镜头分配为4.2秒，而你导入5.5秒视频，最后1.3秒将被直接截断，且不会提前预警。