上传前须确保音频为44.1/48kHz、16/24bit,格式限MP3(CBR≥192kbps)或WAV;裁剪冗余静音与前奏,总长≤300秒;配1–7张高清图及3–5个具象情绪词,无需LRC。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜

立刻MV上传歌曲前必须确保音频文件本身符合平台解析要求,否则BPM识别偏差超过5%,会导致镜头卡点错位、副歌画面延迟、字幕不同步等不可逆问题,重传也无法修正已生成的节拍锚点。
检查音频基础属性
用系统自带播放器右键→“属性”→“详细信息”,确认采样率是44.1kHz或48kHz,位深度为16bit或24bit。非标准参数(如32kHz/8bit)会被立刻MV静默降质处理,导致鼓点识别率下降40%以上。
导出格式必须为MP3(CBR 192kbps以上)或WAV(无压缩),禁止使用M4A、FLAC、OGG——这些格式在网页端解析时会出现首尾0.3秒静音丢失,造成前奏镜头黑屏。
裁剪无效段落
第一步:用Audacity打开音频→按Ctrl+A全选→点击顶部菜单【效果】→【修剪静音】→阈值设为-50dB,自动切除开头结尾冗余空白。
第二步:拖动时间轴,手动定位副歌起始位置(通常人声能量突增处),在该时间点右键→【分割】→删除前奏前所有片段。【立刻MV不支持跳过前奏识别,残留前奏会强制分配镜头资源,挤占副歌画面时长】。
第三步:检查歌曲总长是否≤300秒。超长需用「时间选择工具」框选目标段落(建议含前奏15秒+主歌+副歌×2+桥段),按Ctrl+K导出为新文件。
准备辅助材料
方法一:上传1–7张高清参考图(PNG/JPG,≥1080p)。若歌曲含明确人物设定(如《笔页藏星光》中“执笔少年”意象),至少包含1张正面特写+1张持物动作图,否则AI可能生成模糊手部或缺失道具。
方法二:整理3–5个情绪关键词。避免抽象词如“美好”“震撼”,改用“宣纸晕染”“钢笔尖划破夜空”“旧书页翻飞带星尘”等具象短语——立刻MV的语义映射层对动词+名词组合响应速度比形容词快2.3倍。
无需准备LRC歌词文件。立刻MV内置ASR引擎可直接从音频提取歌词并绑定时间轴,准确率在普通话清晰演唱下达92.7%,比手动导入LRC后二次对齐更可靠。











