57条作品获赞163万，用AI做出乡村怀旧合唱视频（保姆级教程）

大家好，我是梧桉，这是更新的第420篇文章！

点击名片，一起拆爆款、建认知、破焦虑

写在开头

前段时间牧民翻唱歌曲很火的时候很忙，没空写。最近粉丝又催稿了，是农村青年和孩子们合唱的视频，问我怎么制作的。

这类作品抓人的地方，是它给童年配上了声音。院墙、衣服、几个孩子，本来只是一个场景，等他们开始接唱、互相看一眼，那段生活就像真的发生过。

为啥牧民唱歌，还有吴老二唱歌的视频会火，核心是画面里有熟悉的怀旧的生活痕迹，熟悉的歌曲加上怀旧的场景，陌生的演唱方式呈现一种新鲜的视频形式，孩子们的合唱音色很有代入感，冲着镜头纯真的微笑很有治愈氛围的。

本文章主要分享如何制作同类视频，跟着文章操作你也可以做出来同款。

效果演示

制作步骤

找歌曲

某音上的热榜音乐，同类翻唱的爆火音乐，经典老歌，更能引发情感共鸣的歌，不需要很长，基本20-40秒左右的一般都是热点片段的。

找到视频片段导入剪映，分离音频，再保留人声，只用人声参考歌词曲调会更清晰。

前期测试的时候建议先测试5-10秒的。试听一下孩子们的音色和青年的音色是否满意，满意的就再次分离音频，保留孩子和青年的单独音色，后续歌曲都参考他们角色音色，能保证每个视频出来的音色一致性更好。

出角色资产图

人物资产图孩子角色和青年角色的图，以及唱歌所在的农村场景都提前调试好，后续孩子们和青年的形象就作为IP形象持续复用了。

生图模型用自己习惯常用的模型就行，我是先出四个人单独的形象，再参考人像出了一张合影。

提示词：

一名虚构的中国农村年轻男性，约25岁，1990年前后的乡村日常装扮。身材匀称偏瘦，肩背自然，肤色带健康的日晒感。偏方的脸，下颌柔和，眉毛浓而平直，单眼皮，眼睛不大但有神，鼻头略圆，嘴唇稍厚，笑起来露出整齐但不刻意洁白的牙齿，有一点腼腆和憨厚的亲切感。黑色短发，头顶自然蓬松，额前几缕头发随意倒向一侧，鬓角朴素，没有现代精修发型。穿一件洗得略褪色的浅蓝色棉布短袖衬衫，领口解开两颗扣子，胸前一个贴袋，衣摆自然垂下；搭配深灰绿色宽松长裤和旧黑色布鞋。衣服干净，有正常穿用的褶皱和轻微磨白。自然站在乡村院墙前，身体略微侧向镜头，双臂放松，像刚被熟人叫住，嘴角有一点笑。单人膝上定妆照，脸部清晰，嘴唇自然合拢，双手可见。写实真人摄影，明亮自然日光，真实皮肤纹理与自然肤色，朴素棉布质感，背景轻微虚化但仍可辨认。保留普通人的自然五官与轻微不对称，无美颜磨皮，无时装广告姿态，无文字、水印。

这个是用seedream 5.0 pro出的。

提示词：

乡村怀旧写实风，新现实主义生活气息，东方田园诗意，八九十年代中国农村，夏日童年电影感。一名25岁左右的中国农村年轻人，身材精瘦，肤色带自然日晒感，偏方的脸，浓眉、单眼皮，鼻头略圆，黑色短发微乱，神态松弛，笑起来有一点腼腆和淘气，普通人亲切耐看的长相。穿洗得略褪色的浅蓝色短袖棉布衬衫，领口解开两颗扣子，胸前一个贴袋，搭配深灰绿色宽松长裤。衣服朴素干净，有真实褶皱和穿用痕迹。单人膝上肖像，自然站在老院子的木门旁，一只手随意搭在矮墙上，微微侧身，脸朝向镜头，嘴唇自然合拢，眼神像在听孩子讲话。夏日暖黄阳光，自然柔光，柔和逆光勾出发梢和肩膀，树影斑驳，脸部明暗柔和、有层次。暖土色院墙、灰绿树叶、褪色浅蓝衣服，复古胶片配色。肤色温润，中间调厚实，背景略暗，保留安静的阴影。清晰写实，真实肤质，旧棉布质感，细腻胶片颗粒，轻微高光泛光，适度电影景深，背景仍能辨认乡村环境。亲近自然，有生活烟火气。无白亮美颜、无现代写真感、无奶油色滤镜、无浓黄色滤镜、无文字水印。

这是用的image 2.5出的。

上边分享的两段提示词氛围光影风格有一丢丢差异，看个人喜好来选。提示词是都给的青年的提示词，直接复制给AI，让他把这个提示词改成xx岁小男孩，小女孩，穿什么衣服，什么发型，用AI给的提示词再去生成孩子的提示词。提示词太长了，这里就不统一放了。

合影就是把单独角色图统一上传参考，告诉站位和场景，生成合影。比如三个孩子单独合影，还有三个孩子和青年的合影，适用于不同片段视频生成使用。

生成视频

准备好的音频，角色资产就开始参考生视频了，在这个之前我还是推荐你们给每个角色生成一个专属音色，比如三个孩子的合唱音色，青年的专属音色，来保证每个片段音色的一致性。

我使用的工具是画布里创作，把音频分离成了四段，2段青年的，2段孩子们合唱的额。青年的音色为了保持一致我单独生成了一个音色做参考。

上传参考图，原唱片段，音色参考

提示词：

16:9横屏的写实乡村怀旧翻唱视频。青年与三个孩子按指定唱段接唱，最后共同合唱，像熟人在院子里边唱边玩。

【歌曲与伴奏】

{{Mixed 2}} 参考音频提供本段的歌词、主旋律、节奏、唱句顺序、起止时间和拖音长度。

以参考音频为歌曲依据重新演唱，将原唱音色替换为下述青年男声和三人童声。保留中文歌词及其演唱时序，不直接沿用原唱歌手的声音，不新增、漏唱或重复歌词。

伴奏延续参考音频的主要风格与节拍，音量低于人声，不增加新的前奏、间奏或额外演唱者。

分镜1：孩子们合唱

场景：

晴天的乡村小桥，灰色水泥桥栏，两侧绿树和田地，远处低矮砖房。

马尾辫女孩在左边，双辫女孩在中间，小男孩在右边；蓝衬衫青年孩子们后方。

起始构图：

从四人同框的中景开始，三个孩子是前景主体，青年保留在后景。摄影机位于孩子眼睛略上方，呈现熟人手持随拍的视角。

演唱：

三个孩子使用固定的“三童齐唱”声线音色，演唱：

“桥上走的那一句，我没到，你别起韵”

按参考音频 {{Mixed 2}} 对应唱句的起音、节奏、拖音和收口演唱。音色是三个孩子童声合唱音色，口型要百分百遵循音频里的歌词内容，音色不能使用原音频音色，音色全程保持孩子合唱音色

镜头运动：

孩子开始唱后，自然走向镜头，边唱歌边看向镜头，手持镜头，缓慢自然推进为三个孩子的中近景。

推进过程中保留轻微、不规则的手持微动，背景产生真实视差，不使用数码变焦。

镜头保持三个孩子的脸与嘴部可见，不分别来回追拍每一张脸。

人物互动：

三个孩子一起唱歌，眼神自然交流互动，

唱到句尾，双辫小女孩转头看向右后方蓝衬衣青年，随后用空出的手指向蓝衬衣青年；另两个孩子跟着转头。

结束构图与衔接：

镜头跟随女孩的目光与指向，小幅向右摇摄，让青年逐渐成为画面重心。

保留孩子的侧脸或肩膀在前景，青年在后景看向他们，准备接唱。

此处连续摇摄，不插入切镜，不突然跳近青年。

青年的视频提示词简化了一下，可以参考这个

总共生成了四段，你们也可以根据歌曲按照自己的想法去裁剪音频片段

剪辑视频

导入剪映里完整音频分离，保留的背景音，不要人声的。

保留背景音就是保留了伴奏，根据伴奏来调整视频的长短（视频片段没那么精准到0.几秒）识别歌词把文字添加上去，文本样式可以自由选择喜欢的。

最后

这个赛道的几个变现方式，汽水音乐推广、定制短片、收徒、也是虚拟IP也可以助农带货的。也可以做自己原创音乐。

我这个版本不完美但是算力太贵我也不抽了，重点分享创作思路。创作时候多读提示词，小孩子之间的互动细节更有治愈感，孩子唱完看一眼旁边的人，年轻人笑着接上；下一句开始，几个人又一起凑近镜头。有了这些细节，画面才有熟悉的人在一起玩闹的感觉。

如果你也想试，第一条先做短一点：一句孩子唱，一句年轻人接，十来秒就够。先听声音像不像，再看人物有没有换脸、嘴形能不能跟上。把这一小段做好，再慢慢加场景和动作。

后面还可以继续尝试自己的家乡、熟悉的院子，或者家人讲过的一段旧事。同一种风格，也能做出不同的故事。

人生路道阻且长，行则必达。大家制作过程中有问题可以在练习群@我一起交流，祝大家流量大爆。如果遇到自己想学的AI视频赛道，也欢迎大家踊跃投稿！！