MiniMax 开源了一个视频提示词 Skill，能够根据歌曲音频和 LRC 歌词文件，自动生成 MV 分镜脚本提示词。如果接入了视频生成模型，还可以直接把视频制作出来。这个 Skill 已上传到魔搭社区，点击访问。
核心功能：AI MV 导演
这个 Skill 本质上是一个"AI MV 导演"，你需要提供的输入包括：
- 音乐文件：一首音频歌曲
- 歌词文件：LRC 格式歌词（没有的话它可以帮你写）
- 参考图：人物形象、场景风格、字体感觉（三张分开效果最佳）
- 情绪和风格：如暗黑流行、Trap、赛博垃圾摇滚等
- 发布平台：抖音竖屏、B站横屏等
它帮你产出的内容包括：
- 完整的 MV 创意方案
- 每个镜头的 AI 视频生成提示词（Prompt）
- 歌词在画面上的呈现方式和动效设计
- 镜头之间的衔接和转场方案
快速上手：3 步完成
第一步：告诉它你想做什么
直接用自然语言描述需求，例如："目录下有青花瓷的 mp3 和 lrc，根据副歌部分生成 15 秒 MV 片段提示词，歌词动效极具中国风"。
第二步：确认关键设置
Skill 会自动询问或推荐以下选项：
| 设置项 | 可选值 |
|---|---|
| 视频尺寸 | 竖屏 9:16（抖音/Reels）、横屏 16:9（B站/YouTube）、方屏 1:1、电影宽屏 21:9 |
| 视频时长 | 10 秒试水 / 15 秒副歌精华 / 30 秒完整 MV / 自定义 |
| 音乐片段 | 自动选择最合适的副歌段落 |
| 歌词 | 提供 LRC 文件或让 AI 原创 |
| 参考图 | 人物一张、场景一张、文字风格一张（三张分开效果最好） |
第三步：确认方案 → 生成
Skill 会输出一份完整的分镜脚本，每个镜头都写清楚：
- 这几秒唱哪句歌词
- 画面上出现什么字、字怎么动
- 人物在做什么、镜头怎么运动
- 如何切换到下一个镜头
确认方案后，就可以将提示词发给视频模型开始创作了。
核心概念解析
"贴字"不是普通字幕
普通字幕只是画面底部的一条白字，谁说话出谁的词。而贴字（Typography）是更高级的动态文字设计：
- 文字是画面的一部分，可以出现在前景、中景或背景
- 可以被人物手或肩膀遮挡，增强层次感
- 跟着鼓点砸下来、碎掉、扫出去
- 字体本身具有设计感（胶片复印质感、涂鸦、金属字等）
超过 15 秒怎么办？多镜头拼接
AI 视频模型一次最多生成约 15 秒。做 30 秒 MV 时，Skill 会自动拆分为多个镜头：
30 秒完整 MV
├── 镜头 1（0-4秒）
├── 镜头 2（4-8秒）
├── 镜头 3（8-12秒）
├── 镜头 4（12-17秒）
├── 镜头 5（17-22秒）
└── 镜头 6（22-30秒）每个镜头 2-5 秒，生成后拼接在一起。提示词中会包含切到下一个分镜的时机说明。
三张参考图的正确分工
| 参考图类型 | 只管什么 | 不要包含什么 |
|---|---|---|
| 人物 | 脸、发型、衣服、身材、气质 | 复杂背景或文字 |
| 场景 | 空间风格、光影、氛围、质感 | 人物 |
| 文字 | 字体、排版、图形设计、动效感觉 | 人物或场景 |
苏米注：参考图混在一起会让 AI "精神分裂"，效果大打折扣。三张图各司其职是最佳实践。
剪辑风格：硬切，不淡入淡出
这个 Skill 默认的转场方式只有硬切（Hard Cut），不做淡入淡出效果。这符合现代 MV 的节奏感，让每个镜头更有冲击力。
最终输出示例
最终生成的分镜脚本包含完整的视觉描述，示例片段：
Global Aesthetic：生成一支 15 秒 16:9 横屏 AI 国风动态歌词 MV。整体气质是"古风情绪 + AI 科技诗意"：月光、暗面星河、古风人物、代码云烟、算力丝线、莲花意象交织。画面不做硬科幻机甲感，而是把 AI、算力与古典诗意融合成温柔、神秘、有东方审美的音乐短片。
Shot 1（0.0s - 3.6s）：月光下的古风人物站在半透明数据卷轴前，远处是暗蓝星河与水墨云烟。人物抬手轻触卷轴，卷轴上流动的代码像金色细线一样被唤醒。
Typography Motion："我借 通义千问"以金色数据粒子聚合成发光书法字，先在卷轴上显形；"问你几世的缘"在音乐重音处从卷轴向画面前方轻微放大。
不适合使用的场景
- ❌ 给现成视频加普通字幕条 → 用剪映更方便
- ❌ 纯产品广告片 → 这是 MV 工具，不是广告工具
- ❌ 生成静态歌词海报 → 它设计的是动态视频
- ❌ 照搬明星或版权角色 → 不支持
- ❌ 完全手工剪辑流程 → 它的价值在 AI 生成 + 自动化拼接
总结
给它音乐和想法，它帮你当导演，从分镜到贴字到卡点到拼接全包，做出一支有设计感的 AI 歌词 MV。对于想要快速制作歌词 MV 的创作者来说，这个 Skill 提供了一条从想法到成片的自动化路径。