还记得四个月前谷歌Veo 3首次实现“音画同步”，Sora 2和阿里的Wan2.5也相继跟上，而且阿里Wan2.5已经正式上线HelloAI！这意味着，我们普通人也能轻松打造属于自己的AI大片了！告别“默片”时代，AI视频会“说话”、会“唱歌”！
提示词：中景正面固定镜头，雪地森林里女孩子穿蓝裙，七个小人围绕，表情欢快，女孩在唱歌，小人们或笑或动似在互动。
以前用AI生成视频，总觉得缺点啥？没错，就是声音！现在好了，Wan2.5不仅能生成画面，还能根据你的描述，自动配上人声、音效，甚至合适的背景音乐！想象一下，你写个提示词，AI就能给你生成一个带解说、带环境音、带BGM的完整小视频，是不是超酷？
阿里Wan2.5案例大赏，看完你也想试试！
话不多说，直接上案例，看看Wan2.5的“音画同步”到底有多牛！
图生视频也能“声”临其境！
提示词：镜头近距离慢慢推近旋转，清晰拍出口红上的细闪和纹路，配上有节奏、带鼓点、像广告里那样有高光时刻的好听音乐。
提示词：近景正面固定镜头，蓝调烟雾场景中白衣古装女子戴银饰，表情魅惑，手指向前方且衣袂轻动。
文生视频，细节控的福音！
Wan2.5的文生视频能力更是让人惊叹，你可以精确控制光源、时间段、景别、镜头焦段、机位角度，甚至人物的动作和情绪，当然，还有声音！
光源类型（日光、人工光、月光、实用光、火光、荧光、阴天光、混合光、晴天光）
提示词：在一个晴天，日光下高草丛生的田野里，中近景呈现出一个十一二岁穿碎花裙扎麻花辫的女孩，双腿交叉坐在地上，脸上挂着纯真笑容，双手轻轻抚弄身旁野花。她身后两条毛发蓬松、体型健壮的小毛驴耳朵竖起，好奇望向镜头。画面有着暖色调、柔光，低对比度，带侧光与边缘光，左侧重构图形成干净单人镜头。微风拂过，高草 “沙沙” 作响，小毛驴偶尔 “咴咴” 叫，搭配温馨轻快的配乐，营造出温暖自然的氛围。
时间段（白天、夜晚、黄昏、日落、黎明、日出）
提示词：在黄昏时分，柔光与侧光交织，营造出低饱和度的冷色调画面，以中心构图的中近景呈现。一个娇小的女孩站在夜晚的街道旁，棕色卷发披肩自然垂落。她脸颊泛红，泪水顺着脸庞缓缓滑落，身穿浅米色针织外套和深蓝色短裙，双手轻轻握着衣角，神情失落而安静。背景是一条空旷的城市道路，远处街灯刚刚亮起，散发出柔和的黄色光晕，与天边残留的深蓝色相互映衬。镜头聚焦于女孩的表情，此时微风吹过街道 “呼呼” 作响，远处传来车辆行驶的微弱噪音，伴随着女孩轻微的抽泣声，偶尔还带着哭腔呢喃：“为什么……”，哀伤惆怅风格的配乐响起，营造出细腻且富有情绪的画面。
景别（特写、近景、中景、中近景、中全景、全景、广角）
提示词：采用中心构图、广角极端全景，以背光、定场镜头和实用光营造暖色调画面。在阳光照耀的罗马广场上，身着托加长袍的演员们围坐在大理石桌旁激烈争论，你一言我一语地喊着 “此事绝不能如此草率决定！”，语气激动，语调高昂，语速快，带着意大利口音，音色丰富，同时还做着各种自然的手势。镜头慢慢向右移动，将这一切清晰捕捉。背景中，一辆马车缓缓驶过鹅卵石街道，发出 “吱吱” 声，演员们争论时衣服也传来摩擦声，周围还有环境的嘈杂声。搭配宏大、激昂且富有历史感的配乐，仿佛真实再现了当时的场景。
镜头焦段：中焦距、广角、长焦、望远、超广角-鱼眼
提示词：运用广角镜头，展现出废弃工厂里管道网格与地面裂痕形成的几何构图。一位衣衫褴褛的流浪者蜷缩在角落，他身着褪色破旧的工装，与周围统一的灰褐色调环境相融。冷白色的天光从高处气窗斜射进来，照亮了空气中弥漫的煤灰和铁锈颗粒。地面满是裂缝，远处破碎的霓虹招牌闪烁着微弱的粉灰色光芒。流浪者轻声咳嗽，伴着微弱的叹息，声音沙哑，节奏缓慢，音色沧桑。工厂内寂静无声，偶尔传来金属管道因温度变化发出的 “嘎吱” 声。搭配压抑、孤寂风格的配乐，凸显出流浪者的孤独与工厂的破败。
机位角度（过肩角度、高角度、低角度、倾斜角度、航拍、俯视角度）
提示词：在白天晴天光下，运用硬光，通过航拍以极端全景作为定场镜头，展现暖色调画面。俯拍视角中，在一片荒芜的沙漠里，一辆黑色 SUV 正在高速公路上向左疾驰，车顶上装有行李架和红色尾灯。镜头缓缓前推，车辆前方是广阔的黄色沙丘，远处几座山峰清晰可见。天空呈现淡蓝色，阳光透过云层洒下，给这片荒凉之地带来温暖。道路两侧是干燥的草地，其间点缀着一些低矮的灌木丛。画面中，伴随着 SUV 发动机的轰鸣声、车轮与路面摩擦的 “沙沙” 声，还有微风吹过沙漠和草丛的 “呼呼” 声。搭配壮阔、激昂风格的配乐，尽显沙漠中车辆疾驰的宏大场面。
动作控制（街舞、跑步、滑滑板、滑滑板、网球、乒乓球、滑雪、篮球、橄榄球、顶碗舞、侧手翻）
提示词：在被鲜艳霓虹灯照亮的广阔舞台上，一群风格各异、充满活力的嘻哈舞者尽情跳着街舞。他们的身影被侧光环绕，好似形成一圈光环。通过宽幅电影镜头，能清晰捕捉到他们整齐划一的舞步、鲜活四溢的能量，以及青春洋溢的表情。快节奏的摄影手法与动感热烈的嘻哈音乐节拍紧密呼应，完美展现出舞者们复杂多变的脚步动作、极具爆发力的舞蹈动作，还有团队之间配合的高度默契。舞者们随着音乐呼喊着 “嗨！”“一起来！”，声音充满活力，情绪激昂，语调高昂，语速快且音色洪亮。同时，舞台上还充斥着舞者们有力的脚步声、衣服摩擦声，以及灯光闪烁的微弱电流声。
人物情绪（愤怒、恐惧、高兴、悲伤、惊讶）
提示词：在黑暗的房间里，伸手不见五指，只有手机屏幕那微弱的光，照亮着一位年轻女人的脸。此刻，她的瞳孔因极度恐惧而放大，嘴唇微微张开，却仿佛被恐惧扼住喉咙，只能发出极微弱且颤抖的 “呃……” 声。冰冷的汗珠从她的额角缓缓滑落，沿着太阳穴，慢悠悠地流过她因恐惧而僵硬的脸颊。安静的房间内，能听到她急促又微弱的呼吸声，汗珠滑落脸颊的细微 “滴答” 声，以及手机运行发出的轻微电流声。搭配阴森、惊悚风格的背景音乐，恐怖氛围瞬间拉满，让人感受到女人深深的恐惧。
更多案例，进入helloAI点击使用教程查看
掌握这个公式，你也能精准“指挥”AI！
想让AI生成的声音更符合你的预期？记住这个带音频能力的提示词公式：
提示词 = 主体 + 场景 + 运动 + 声音描述（人声/音效/背景音乐）
声音描述：声音描述是视频中声音要素及其随时间变化的描述，用来指导声音内容和声音氛围，使其与画面叙事精准配合，主要包括人声、音效、BGM三类。
人声 = “角色说话的内容” + 情绪 + 语调 + 语速 + 音色 + 口音
示例：一个男人在讲脱口秀，他说道："好好学习，天天向上"，语气轻松，语速适中，声音清亮，美式英文。
音效 = 音源材质 + 行为 + 环境音
示例：一个玻璃小球从桌面掉在木质地面上，发出“砰”的声音，室内安静环境。
背景音乐 = 背景音乐/配乐 + 风格
示例：雨夜，阴森窄小的走廊，尽头有一扇窗户，配有悬疑风格背景音乐。
是不是已经跃跃欲试，想亲自上手体验一下这个“人人能用的AI制片厂”了？
