音乐MV动态字幕生成器
一、它是什么
音乐MV动态字幕生成器（music-video-subtitle-generator，v0.6.10，作者 MiniMax Design，分类：音频音乐 / 创作生成）。
一句话定位：把”音乐 + 歌词 + 参考图 + 情绪 + 发布平台”转化为一套可执行的音乐 MV 提示词工程——包括节拍拆解、镜头分镜、歌词贴字设计、多镜头拼接方案，最后路由给视频生成模型产出成片。
它管的核心不是”加字幕”，而是把歌词当成空间中的动态图形图层，让文字随鼓点砸屏、破碎、扫出。
二、九步工作流（它的实际能力）
| 阶段 | 做什么 |
|---|---|
| STEP 1 前期锁定 | 定画幅分辨率（9:16 / 16:9 / 1:1 / 21:9 五档）、定目标时长、锁定音乐片段窗口、锁定歌词 |
| STEP 2 创意合约 | 一次性写清曲风、BPM、人声模式、情绪温度、运镜、卡拍密度、转场逻辑、明确排除项 |
| STEP 3 参考图分工 | 把参考图严格拆成人物卡 / 场景卡 / 文字包装卡三类，各司其职、禁止互相污染 |
| STEP 4 视觉预设 | 提供 Dark-pop、Cyber-grunge、Trap 等预设语法：胶片颗粒、半色调网点、zine 拼贴、绝对只用硬切 |
| STEP 5 分镜脚本 | 按 Shot 模块化输出，每镜头带时间戳、Vocal Line、Typography、动作、运镜、转场 |
| STEP 6 衔接系统 | 五大衔接锁：口型、节拍、色彩、空间动势、文字动效 |
| STEP 7 审查清单 | 交付前 8 项静默自检 |
| STEP 8 画布交付 | 把锁定的完整 Prompt 写入画布文本节点，便于迭代 |
| STEP 9 生成合成 | 分镜并行生成 → 对齐 Master Audio → Speed Ramping 卡拍 → 全局 LUT + 35mm 颗粒 → 成片 |
三、最有价值的三个设计
- 15 秒破壁方案：模型单次生成上限约 15 秒，它要求 >15 秒的 MV 必须拆成 4
8 个 25 秒镜头，用「上一镜头末帧作下一镜头首帧」做长镜头延续，用「同向甩镜 / 手势遮挡 Match Cut / 鼓点硬切」做跳切，并对齐到统一 Master 音轨的拍点。这是目前 AI MV 生成里最容易翻车的环节，它给了明确规则。 - 歌词锁定不可变：用户给了歌词就绝不自作主张改写、扩写、翻译；没给歌词才生成原创歌词并锁定。所有
Rap line:/Vocal line:/Typography:只能来自同一份锁定文本，贴字必须与正在表演的词逐字一致。 - 文字卡禁人物禁场景：文字包装参考图里不许出现人和场景，否则模型会把参考图的内容也”抄”进正片。
四、最佳使用方法
给齐这五样，产出质量最高：
- 音乐（上传歌曲/beat，或指明曲风+BPM）→ 上传的就自动成为主音轨
- 歌词（有就发原文，没有就明确授权它写原创）
- 参考图（分别标注哪张管人物、哪张管场景、哪张管文字样式）
- 发布平台 + 时长（例：”抖音竖屏 30 秒”、”B站横屏 15 秒 hook”）
- 美学方向（Dark-pop / Trap / Cyber-grunge / Gospel hip-hop…）
推荐两段式用法：先只要 Prompt（它会交付创意合约 + 分镜脚本 + 衔接说明，到此停止），确认无误后再要求生成成片。这样能在烧积分之前把风格、人物、文字全部锁定，避免整批镜头返工。
别用它做的事：普通字幕烧录/校对、纯视频剪辑、非音乐类产品广告、单张图或单段视频的简单任务、照搬现有版权形象。
