1

构建导演级工作流：从“人物设定”驱动的MV创作全流程

🔍 解决什么问题：

解决面对AI虚拟偶像MV这种复杂项目时，不知从何下手、流程混乱的问题。通过提供一个清晰、线性的专业工作流（思维导图），将音乐、画面、歌词等AI生成环节有序串联，确保最终作品风格统一、叙事完整。

💡 核心思路：

核心是“以人物设定为原点，音乐先行，分镜后置”的工业化流程。1）原点：人物设定：一切创作始于一个清晰、吸引人的虚拟偶像形象设定，这决定了后续所有内容（歌词、风格）的基调。2）内容生成：歌词与音乐：基于人物设定，由AI生成与之匹配的歌词，再围绕歌词和人物风格创作背景音乐。这里的关键是“先有音乐，后有画面”，与传统视频制作不同，音乐是分镜头设计的依据。3）视觉化：分镜头设计：根据已生成的音乐节奏和情绪，进行画面（分镜头）设计，确保音画同步。4）技术核心：人物一致性：在生成大量分镜画面时，必须解决“人物一致性”这一技术难题，确保所有画面中的虚拟偶像形象稳定、统一。5）后期合成：动画与剪辑：将静态分镜图转化为动画，并最终剪辑成片。这套流程将复杂的AI多模态创作，分解为可顺序执行的标准化步骤。

2

从“技术执行”到“经纪人思维”：挖掘虚拟偶像的商业化路径

🔍 解决什么问题：

解决学会技术后，不知道AI虚拟偶像项目有何实际商业价值和应用场景的困惑。通过引入“经纪人思维”和成功案例（如格桑梅朵、Yuri），揭示如何将技术成果转化为具有商业潜力的数字资产。

💡 核心思路：

超越单纯的技术教学，建立“创作即运营”的顶层思维。1）角色转换：在创作过程中，将自己定位为虚拟偶像的“经纪人”而非单纯的技术员，思考“他/她应该展现什么风格？人设如何？发展路线是什么？”。2）内容即资产：所创作的MV、音乐、形象本身即是内容资产，可以通过专属账号（如B站、小红书）进行发布和运营，积累粉丝和影响力。3）多元变现：影响力建立后，虚拟偶像可进行品牌代言（服装、化妆品）、商业合作，其原创音乐也可在流媒体平台获得收益。这种思路将一次性的技术创作，延伸为一个可持续运营和变现的数字IP项目，打开了AI内容创作的商业想象力。

1

双轨并行：高效获取高质量LOFI风格“母图”

🔍 解决什么问题：

解决在创作LOFI风格虚拟偶像时，不知道如何生成符合风格基调、质量稳定的“母图”（基础人物形象）的问题。避免因提示词不准确或方法不当导致生成效率低下、风格跑偏。

💡 核心思路：

提供两种经过验证的、可复制的路径：1）“拿来即用”的提示词库：直接使用课程提供的、经过多轮测试的成熟提示词，在Midjourney或即梦等AI绘画工具中生成，确保风格和质量的稳定性。2）“以图生词”的智能反推：利用ChatGPT等大语言模型的图像理解能力，上传一张优质的LOFI参考图，通过特定的指令（如“按照Midjourney提示词格式反推，要求16:9比例”）让AI自动生成结构化的中英文提示词，再用于生成。这两种方法确保了无论有无现成提示词，都能快速获得高质量的创作起点。

2

智能改图：一键生成“三视图”与灵活调整人物细节

🔍 解决什么问题：

解决如何从一张“母图”高效生成标准“三视图”（正、侧、背）用于分镜参考，以及如何在不破坏人物一致性的前提下，灵活修改发色、发型、表情、景别等细节，满足多样化创作需求。

💡 核心思路：

利用最新的大模型（如Google Gemini Pro、豆包）强大的图像理解和生成能力，进行“指令式精准改图”。1）生成三视图：上传母图，输入标准指令（如“生成图片中女孩的正视、侧视、背视三视图，背景纯白”），模型即可在保持人物高度一致性的基础上自动生成专业三视图。2）细节微调：通过自然语言指令（如“更改发色为浅绿色”、“更换为高马尾发型”、“生成中景特写”、“表情更可爱一点”），模型能精准理解并执行，在保持人物核心特征（五官、脸型、神态）不变的前提下，只修改指定部位或属性。课程对比了不同工具（Gemini Pro vs 豆包）的效果，提供了灵活选择。

1

灵感获取新范式：从“素材库筛选”到“风格化聚焦”的审美积累法

🔍 解决什么问题：

解决创作者缺乏灵感来源、审美积累不足，以及仅凭想象写提示词导致作品质量不高、效率低下、风格不稳定的问题。提供一套可操作的、能持续提升审美和创意效率的“找图-筛选-聚焦”工作流。

💡 核心思路：

摒弃“空想创作”，建立“站在巨人肩膀上”的二次创作思维。1）高质量素材库挖掘：以Midjourney等平台的社区图库作为灵感源泉，使用英文关键词（如“Asian girl”）进行初步搜索，从海量高质量作品中筛选符合“漂亮”基准的素材。2）智能风格聚焦：利用图库的“以图搜图”功能（放大镜图标），将选中的优质图片作为新的搜索锚点，让AI推荐风格、光影、构图相似的图片，从而快速、精准地锁定特定审美倾向。3）目的性筛选：明确目标是创造“明星”，而非普通美女，因此需在漂亮的基础上，寻找有特点、有改造潜力的素材作为“毛坯”，为后续注入个人审美和明星特质留出空间。这套方法将无目的的“想”转变为有方向的“找”和“筛”，在过程中自然积累审美。

2

多模态对话式改图：像“经纪人”一样塑造明星特质

🔍 解决什么问题：

解决如何将找到的普通“美女素材”改造为具有独特明星气质、符合特定人设（如“黑天鹅”与LOFI对立）的虚拟偶像，并在此过程中实现发型、发色、服装、景别、表情等元素的精准、连贯控制，同时保持人物核心形象的一致性。

💡 核心思路：

利用最新多模态大模型（如Nano Pro、即梦Agent）的“对话式理解与生成”能力，进行渐进式、可迭代的人物塑造。1）自然语言指令：无需复杂参数，像与设计师沟通一样，用自然语言提出要求（如“发色为正红色，扎两个可爱丸子头”、“服装改为黑色连衣裙，黑天鹅风格”、“镜头扩至中景半身”）。2）迭代优化：基于生成结果，继续以聊天形式反馈和调整（如“裙子有点土，去掉羽毛元素，添加韩国K-pop偶像的时尚设计感”），实现创作的快速迭代。3）一致性保障：在同一个聊天会话中持续操作，模型能自动保持人物面部特征的高度一致性。4）工具对比与选择：课程对比了Nano Pro（理解力强、细节佳）和即梦（可用，但光影和清晰度稍逊）的效果，让用户根据需求选择。这种方法将技术操作转化为创意对话，极大降低了人设实现的门槛。

1

创作前的“双核定位”：风格与结构的系统性拆解

🔍 解决什么问题：

解决在歌词创作初期因目标模糊（不知道做什么风格、不了解歌曲结构）而导致AI生成内容杂乱、不成体系，或最终作品听起来“很平”、不完整、不专业的根本性问题。为非专业创作者提供清晰的创作前“导航图”。

💡 核心思路：

将专业音乐制作中的前期策划流程简化、标准化。1）风格定位：首先明确目标曲风（如K-Pop、摇滚、民谣、国风），这是决定歌词情绪、用词和节奏感的基石。可以进一步融合具体艺术家风格（如“融合Blackpink的曲风”、“融合周杰伦的曲风”）来增加独特性。2）结构拆解：深入研究目标曲风的典型歌曲结构（如前奏、主歌、副歌、间奏、说唱段落、桥段、尾奏等），并将其整理成清晰的表格或知识。这个结构是指令AI生成完整歌曲而非片段的“关键钥匙”。如果不明确要求“遵循XX风格的歌词结构”，AI很可能只生成一段主歌，导致作品不完整。这两步“定位”为后续的AI指令提供了精确的框架和边界。

2

视觉驱动与结构化提示：让AI成为你的专属“作词人”

🔍 解决什么问题：

解决如何将前期策划（风格、结构）转化为AI能精准执行的指令，并确保生成的歌词与虚拟偶像的视觉形象、人设深度绑定，产出押韵、有记忆点、具备传播属性的高质量文本，而非泛泛而谈的通用歌词。

💡 核心思路：

核心是“多模态输入+结构化提示词”。1）视觉驱动：将上一步设计好的虚拟偶像“人物设定图”直接上传给AI（如ChatGPT、豆包），让AI“看到”角色，并以此为核心灵感进行创作。这确保了歌词意象（如“银白发梢”、“蕾丝缠绕”、“白色羽毛”）与人物视觉特征高度统一，极大提升了人设与作品的契合度。2）结构化、可定制的提示词工程：提供一套模块化的提示词模板，包含：曲风设定（可替换为摇滚、国风等）、风格融合（可指定具体艺人）、歌词要求（严格押韵、强记忆点、适度梦幻感）、格式要求（核心！必须明确要求遵循特定风格的结构，如前奏-主歌-副歌-间奏）、以及核心目标（如具备网络爆款潜力）。用户需要学习的是这套提示词的逻辑和可替换模块，从而能举一反三，创作出属于自己风格的提示词，避免陷入单纯抄袭的瓶颈。

1

国内平替方案：豆包音乐生成的“分段式”简易创作法

🔍 解决什么问题：

解决用户没有国外软件使用经验、或对音乐质量要求不高、仅需快速生成一段简单背景音乐用于试听或初级MV制作的需求。提供一个免费、易上手、无需复杂操作的“入门级”解决方案。

💡 核心思路：

利用豆包内置的“音乐生成”功能，采用“化整为零，分段生成”的策略。由于豆包对输入文本有严格的字数限制（约200字），无法处理整首歌词，因此需要将完整的歌词手动拆分成若干段落（如主歌、副歌）。然后，在豆包中为每一段歌词单独选择风格（如流行）、情绪（活力）和音色（女声）进行生成。最后，用户需要自行将生成的多个音乐片段在视频剪辑软件中拼接起来。这种方法的核心是降低使用门槛，以分段处理来规避工具的能力限制，但需要用户接受其生成效果相对普通、可能存在跑调或不连贯的问题。

2

专业级解决方案：Suno AI的“一体化”高品质音乐生成

🔍 解决什么问题：

解决对音乐成品质量有高要求，希望获得具有专业编曲、动人旋律、稳定演唱和完整结构的虚拟偶像主题曲的需求。提供一套能够产出可直接用于发布级MV的高品质音乐的制作流程。

💡 核心思路：

采用目前公认的顶级AI音乐生成平台——Suno。其核心优势在于“端到端”的一体化高质量生成能力。1）无负担的完整输入：无需对歌词进行任何删减或分段，可直接将完整的、带有结构标记（如前奏、主歌、副歌）的歌词全文粘贴进去。2）精准的风格引导：基于上节课确定的歌曲风格（如K-Pop），在Suno中输入对应的风格关键词（如“K-Pop Pop”），即可引导AI生成高度契合该风格的编曲、节奏和人声唱腔。3）免费且强大的模型：使用其免费的v3.5或v4.5模型，即可生成在旋律、和声、演唱情感、段落编排上都达到惊人水准的完整歌曲（通常包含多个版本供选择）。4）简易的操作：整个流程几乎只有“粘贴歌词-选择风格-点击生成”三步，极大简化了专业音乐制作的门槛。课程通过对比展示了Suno生成的作品与豆包作品在听感上的“级别性”差距。

1

歌词驱动的灵感获取与关键词提炼法

🔍 解决什么问题：

解决分镜设计初期“不知道画什么”、“不知道搜什么关键词”的灵感枯竭问题，确保画面创意与歌词内容、歌曲风格（如Blackpink暗黑魅惑风）高度统一，让MV的视觉与听觉叙事融为一体。

💡 核心思路：

将已创作完成的歌词文本作为核心灵感源，利用大语言模型（ChatGPT/豆包）的归纳分析能力，实现从“文字”到“视觉关键词”的智能转换。具体方法是：将歌词提交给AI，并指令其“根据歌词，为Midjourney搜索整理出能体现歌曲风格（如暗黑、未来感、女团舞台）的关键词”。AI会输出包括“角色外观”、“氛围世界观”、“摄影画面风格”等维度的英文关键词列表。这些关键词不再是凭空想象，而是源于歌词本身，确保了后续搜索到的素材图在主题和情绪上与音乐完美契合，为高质量分镜打下坚实的创意基础。

2

基于“场景替换”的高效分镜改图术

🔍 解决什么问题：

解决如何将找到的优质场景素材，快速、精准地替换上自己的虚拟偶像形象，并保持原素材优秀的光影、构图、色彩和氛围感，从而批量生产出电影级、人物一致的高质量分镜画面，避免“人物与场景割裂”的业余感。

💡 核心思路：

利用最新多模态大模型（如Nano Pro）强大的图像理解与生成能力，执行“定向场景替换”。操作核心是一套标准化的提示词指令：“将【人物图B】替换到【场景图A】中，保持图A的光影、构图、色彩不变，图片比例为16:9（电影感）”。这套方法的关键优势在于：1）完美继承原图美感：直接“借用”专业摄影师或画师营造的顶级光影和构图，让你的分镜起点就是高水准。2）彻底解决一致性难题：无需反推提示词再重绘，在同一会话中操作可确保人物形象高度统一。3）灵活构建镜头语言：你可以搜索各种景别（远景、中景、近景）和场景（舞台、自然、录音棚）的素材进行替换，快速构建丰富的MV镜头组接，避免镜头单调。课程还对比了Nano Pro（能智能识别环境细节，如“湿发效果”）与豆包在完成相同任务时的效果差异，突出了工具选择的重要性。

3

一站式AI创作平台：TypNow的高效整合工作流

🔍 解决什么问题：

解决创作者需要在多个AI软件（如图像生成、视频生成、不同模型）之间频繁切换、分别付费、操作繁琐的问题，提供一个集大成的高效创作环境，提升整体工作流效率并降低成本。

💡 核心思路：

引入一个强大的“All-in-One”整合型AI创作平台——TypNow。该平台的核心价值在于将市面上主流的AI模型和功能（如Nano Pro、即梦4.0/4.5、各类视频生成模型如V3.1、Pika等）集成在一个统一的界面中。用户无需在不同网站、应用间跳转，即可在一个地方完成从“素材上传”、“多图参考”到“图像/视频生成”的全流程。具体操作上，你可以将场景素材图和人物设定图同时上传至TypNow，利用其内置的多种模型，使用相同的“场景替换”提示词进行创作。这种方法不仅简化了操作步骤，避免了为多个软件付费的经济负担，还提供了横向对比不同模型效果的便利，让创作者能更专注于创意本身而非工具管理。