AI做西游记，唐僧都调上情了
大家好，我是川哥。
周六晚上八点，我会在视频号上分享一场内部直播，主要分享几个搞钱项目，比如抖/快无人直播带货、小红书引流变现、IP合伙人项目等等，务必不要错过，抓紧预约！错过无回放！！
以下正文：
这两天，刷B站的时候，被一条很新的视频给硬控住了。
西游记的经典角色，在一本正经地唱情歌MV。
这画风，你们感受一下。
刚刷到的时候，觉得还挺上头的，一口气连刷了好多条。
结果手一滑点进一个作者主页，直接给我整愣住了。
不到两个月的时间，总共发了20多条作品，每条都是类似的视频，西游记的经典IP形象唱MV。
粉丝，已经涨到四十多万了。
说真的，现在 AI 做这类视频的质感，很多人已经分不清这是拍的还是AI生成的了。
看完之后我也照猫画虎，复刻了一条“紫霞仙子”的录音棚直拍片段。
其实制作流程还蛮简单的，门槛没有想象的那么高。
核心就三步：
AI重绘 + Suno生成音乐 + 即梦对口型。
第一步：画图
视频好不好看，70%取决于第一帧。
所以我们第一步要做的就是，先搞定画面。
方法也很简单，就是直接去网上找一张经典IP的形象，比如紫霞仙子。
然后上传给AI重绘。
这一步其实很多 AI 画图工具都能做。
像即梦、GPT-4o这些，只要能比较好地保持人物一致性，都能拿来用。
当然，实测下来，GooGle 最新推出的 Nano banana pro 细节把控是最好的，非常到位。
但如果你现在用不上 Nano banana pro，也没关系。
豆包或者即梦，画这种风格的人物，也完全够用了。
比如这张图片就是用即梦生成的，虽然不能完全保留人物特征，但效果也大差不差了。
Prompt的话，这里给大家总结一个万能公式，你可以直接套模板：
保持人物形象不变。
场景为【现代录音棚】，背景包含【模糊的音箱、调音台、隔音墙】。
人物动作为【侧脸/三分之二侧脸特写】，面对【专业电容麦克风和防喷罩】，神态【专注、温柔、略带微笑】。
【白色柔光，电影感布光，浅景深，背景虚化，皮肤细腻光滑，8k超清细节】，比例【16:9】。
这段话的核心就是四个点：
人不能变、场景现代化、光影氛围要到位、画面比例统一。
生成个几张，挑一张你最满意的，就可以进入下一步了。
第二步：Suno生成MV歌曲
生成音乐之前，要先制作一份歌词。
这一步我一般会先让 GPT 帮我写一个写歌词的提示词。
然后把这个提示词，再丢给豆包去写歌词。
这个是我用GPT写出来的提示词，你可以简单参考一下。
为什么中间要绕一下，用豆包而不是直接用 GPT 写歌词呢？
因为中文歌词的韵脚和节奏，豆包现在整体更好。
国外模型写中文歌，最常见的问题就是，句子看起来没问题，但唱起来拗口，押韵也总差半拍。
豆包这块儿，至少在押韵上，会更贴近中文听感。
有了歌词之后，把整段词扔给 Suno，让它帮你谱曲 + 演唱。
设定一下风格，比如抒情流行、金属摇滚之类的。
Suno 会一次性生成四首歌曲。
说真的，每首歌曲的旋律听起来都有一种又好听又熟悉的感觉。
放几个片段在这里大家可以听一下：
第三步：即梦对口型
对口型这块，其实也有不少开源方案。
比如 GitHub 上挺火的 Infinite Talk，效果也不错。
就是对电脑配置要求，真的离谱。
我这台用了快 5 年的 3060Ti，跑一下直接可以原地起飞了。
所以，比较实用的方案还是即梦AI的数字人功能。
把刚才我们生成好的图片和音频上传进来，即梦就可以根据音频内容自动对口型。
这一步有两个点需要注意一下：
一是音频时长不能超过 30 秒。
所以需要提前把整首歌裁剪成 20～30 秒的片段，分几次做对口型。
二是最好提前做人声 / 伴奏分离。
只用人声部分去做对口型，嘴型会更准，表情也更自然。
很多分离工具用起来都很傻瓜，直接搜人声伴奏分离就能搜到很多工具，或者直接用剪映也是可以的。
到这一步，其实整个视频已经成型七七八八了。
最后，就是把生成好的视频导入到剪映，简单剪辑一下。
根据音乐的节奏，把视频和完整音乐拼接到一起，卡准起承转合。
再加一点简单的镜头运动，比如轻微推拉、晃动，还有字幕、光效，就够用了，不需要花里胡哨的转场。
这类视频，本质上卖的是角色+情绪，不是炫技。
做完一整套下来，其实门槛真的没想象的那么高。
也就是说，像这种级别的MV，以前可能需要一个小团队，但现在通过几个 AI 工具的组合，就能轻松实现平替甚至超越。
你可以用《西游记》去演绎甜歌情歌，也可以让《红楼梦》里的角色唱一段说唱，甚至让漫威的超级英雄们组个摇滚乐队。
IP 可以无限混搭，剧情可以无限乱炖，玩法无穷无尽。
你脑子里那些天马行空的脑洞，或许就是未来的第一生产力。
推荐阅读：
最后，没加我微信的务必扫码加我微信，有很多不方便公开发公众号的搞钱案例，关于无人带货，AI搞钱，副业项目等资源；
我都会分享在朋友圈！