两张照片生成「58 楼」式对唱视频:只用音频做参考绕过安全拦截
Hungry_Incident1146 · reddit · 2026-11-05
作者用两张静态照片复刻了流行的「58th Floor」对唱视频风格（青色房间、悬挂麦克风、副歌中段交接），核心经验和坑：
- 参考视频必被拒：把原表演视频当参考会因真实人脸触发安全过滤；改用仅音频做参考则通过，且模型对口型效果依然不错。
- 明确提示交接动作：写成「A 对麦演唱到约 6 秒，退到一旁，B 上前接唱」能显著改善效果；不给时间点时两人往往只是一起点头。
- 照片比提示词更重要：正面、半身、一图一人；合照或头顶架墨镜会让模型混乱。
- 使用 Seedance 2.0 Fast，720p、15 秒，人物为 AI 生成的虚构角色。
作者还把流程封装成小站 58thfloor.cc 供朋友试用，并愿意分享完整提示词。
「多模态」频道最新
- 开发者自研手写引擎:还原 1522 年至今各家笔迹,每个字母都不重样 — floguo · 2026-11-05
- RefMods 工作流实测:6GB 显存跑 MiniMax H3,锁定角色与声音一致性 — EzkaProductions · 2026-11-05
- Wan 2.2 打造魔兽风格 MV:《秃顶之王之怒》恶搞旧版暴雪预告片 — El_Perro_Gordo · 2026-11-05
- codevember 第 3 天：three.js「Melt」融化效果 demo — thespite · 2026-11-05
- AMD 7900 XTX 跑混元视频 1.5 T2V 出噪点图求助 — Fragrant-Throat7048 · 2026-11-05
- Kimi K3.1 Pro 直出 3D 世界 demo,多模态生成能力引围观 — _akhaliq · 2026-11-05