即夢做唱歌影片，要求先有一個已啟用的數字分身，再把音訊傳進去打開歌聲驅動開關。它和普通口播的差別就在驅動模式：唱歌要關掉語音驅動、開啟歌聲驅動，對口型選生動模式並勾上全身動作跟隨節奏。一張正臉照加一段音訊就能出片，不需要真人出鏡，也不依賴錄音棚。
打開即夢 App，進入我的頁面，找到管理分身，點立即創建。手機前置網路攝影機對準正臉，按提示讀出 123 456 789，再緩慢左右轉頭約 45 度、輕點頭兩次，全程約 20 秒。系統提示錄入成功之後，分身狀態必須顯示為已啟用，灰色未啟用狀態不會出現在唱歌任務的角色列表裡。
唱歌影片和普通音樂創作不一樣，它綁定在已啟用的分身之上，沒錄入成功的分身根本進不了流程。中途退出會讓狀態卡在待驗證，回到管理分身重新走一遍即可。
支援 MP3 和 WAV，時長控制在 36 秒以內，超時會被系統自動截斷，副歌可能直接丟掉，最好先用剪映裁到段落邊界。也可以不傳本地音訊，直接用平台裡的音樂生成做一段伴奏，輸入歌詞或者風格關鍵詞，生成後點插入到當前項目。
音訊要單聲道，雙聲道會讓口型動畫左右不對稱。含背景人聲或者混響的素材容易讓生成卡在中途，先用工具把人聲分離乾淨再上傳，成功率高很多。
上傳完成後右側會出現歌聲驅動開關，手動打開，同時把語音驅動關掉。聲線類型要跟分身性別和音域匹配，選錯會強行升降調導致失真。對口型設定選生動模式，標準模式只動嘴脣，不適合唱歌；勾上全身動作跟隨節奏後肩膀和手部會隨節拍微動，觀感更真實，代價是消耗更多積分。
分身的形象一旦固定，後面換歌就行，不用每條重做形象，這和短劇創作裡先定角色再排戲的思路一致。形象、聲線、參數固定成一套範本，批次生產時只需要替換音訊檔案。
點開始製作進入渲染，36 秒以內的音訊通常耗時 60 到 90 秒，期間不要退出 App。渲染完成後可以線上預覽，重點聽 b、p、m、f 這類脣音字有沒有對上，發現偏差可以點手動校準，拖曳波形圖上的音節標記點對齊。
唱歌任務比普通口播更費積分，免費額度用得快，正式批次做之前先用一小段試出參數，再放量生成。成片是 MP4，可以再匯入剪輯軟體加字幕和封面。
需要一個已啟用的數字分身，加上一段 36 秒以內的單聲道音訊。分身要在管理分身裡完成錄入，狀態顯示為已啟用才會出現在角色列表裡。上傳音訊後記得打開歌聲驅動、關閉語音驅動，否則口型會按說話的節奏走，唱歌時嘴型會明顯錯位。
單段音訊建議控制在 36 秒以內，超過會被系統自動截斷，副歌容易丟。需要更長的成片，就把歌曲按段落裁開，每段單獨生成，最後用剪輯軟體把片段拼起來。裁切時留兩秒緩衝，避免掐斷氣口導致銜接生硬。合唱或者帶和聲的版本要先把人聲軌拆開，再逐段處理。
先看音訊本身。雙聲道、含背景人聲或者混響的素材最容易出錯，換成單聲道清唱或者先去人聲分離再傳。已經生成但區域性偏差的，可以在預覽頁點手動校準，拖曳波形圖上的音節標記點對齊，重點是 b、p、m、f 這些脣音字。
比普通口播任務更高。勾選全身動作跟隨節奏會額外消耗積分，生成時長越長消耗越多。新使用者會得到一定免費額度，跑幾條測試基本夠用，批次生產前建議先用一段短音訊試出參數，確認效果再放量，能少花不少試錯積分。形象固定的系列內容可複用同一套參數。 內容基於公開資訊整理，產品功能與價格以官方頁面為準。
即夢AI的圖生影片功能能將一張靜態圖片轉換成5-10秒的動態影片，通過上傳參考圖、輸入動作描述提示詞、調整參數（如時長、運...
2026-10-14
用AI來做音樂影片（MV）這事兒看起來很高級，但用即夢其實比你想的要容易。雖然即夢主要是生圖和生影片工具，但完全可以藉助...
2026-10-08
即夢和豆包都是位元組跳動的AI工具，但乾的事完全不一樣。即夢是生圖和生影片的，你給它描述，它生成內容。豆包是聊天對話的，...
2026-10-08即夢做影片能上傳四類素材：圖片、影片、音訊和文字提示詞。圖片支援 jpeg、png、webp、bmp、tiff、gif 六種格式，最多 9 張...
2026-10-15
很多新使用者登入即夢後，第一個疑惑就是帳號資訊在哪兒看。確實，相比其他應用把個人中心放得很明顯，即夢的帳號入口有點R...
2026-10-08