提示词
把这段粘贴到图生视频模型里，同时附上一张两个人的照片；如果工具支持参考图，就每人一张：
提示词保留英文，多数视频模型对英文提示词理解得更好。
Two friends perform a rap together inside a small music-video booth with
seamless bright orange walls and floor, lit by warm soft studio light.
Medium close-up, vertical 9:16. They stand side by side facing the camera,
trading lines: one raps with hand gestures while the other nods to the beat
and hypes, then they switch. Confident, playful energy, big grins, shoulder
bounces. Handheld camera with slight sway, quick push-in on each verse.
Keep both faces identical to the reference photos. No text, no logos.每部分的作用
| 部分 | 为什么要写 |
|---|---|
| "seamless bright orange walls and floor"（无缝的亮橙色墙面和地面） | 录音棚的颜色是观众认出这是 Hotel Lobby 玩法的关键 |
| "medium close-up, vertical 9:16"（中近景，9:16 竖屏） | 这个玩法是贴近脸拍的，竖屏发布 |
| "trading lines … then they switch"（轮流唱……然后交换） | 一唱一和是这段视频的看点；没有这句，你只会得到两个人在跳舞 |
| "handheld camera … push-in"（手持镜头……推近） | 固定机位看起来像素材库视频 |
| "Keep both faces identical to the reference photos"（两张脸与参考照片保持一致） | 促使模型保留你们的脸，而不是编出新脸 |
| "No text, no logos"（不要文字，不要标志） | 模型喜欢自己加字幕和水印 |
为什么只靠提示词会跑偏
- 没有歌。 视频模型只做画面。音频还得你自己解决，而原曲录音是有版权的。
- 没有真正的口型同步。 嘴会动，但对不上词。要对上，得另外用口型同步工具。
- 脸会变。 在 10 到 15 秒的动作里，两张脸容易混在一起或变样。动作越多，跑偏越明显。
- 剪辑和节奏。 这个玩法有自己的节奏。一段提示词只能得到一个连续镜头；要对上剪辑点，就得生成好几段再剪到一起。
所以大多数提示词工作流最后都变成了多次生成加剪辑软件。拿来做实验没问题，只是想快点发出这个玩法，这条路不快。
不用提示词的做法
RapVideo AI 上的 Hotel Lobby AI 把录音棚、镜头、节奏和音频都做进了模板里：
- 选择 “两张照片”（Two photos），或 “一张合照”（One photo of both）。
- 给每个人加一张清晰的正脸照。
- 可以写一个原创说唱的主题：名字、场合、内部梗都行。
- 点生成。大约 2 到 3 分钟视频就好了，口型已经对上。
一条标准 12 秒 720p 视频消耗 10 积分，生成失败从不扣费。
常见问题
Hotel Lobby AI 是用哪个 AI 工具做的？ 大家用的工具不一样。通用视频模型要配上类似上面的提示词再加剪辑；RapVideo AI 这类模板工具直接用照片生成。见 Hotel Lobby AI 应用对比。
能把我自己写的歌词放进提示词吗？ 视频模型不会把它唱出来。在 RapVideo AI 上，你写的主题会变成一首原创说唱的歌词，由你们两个人来唱。
为什么脸不像我们？ 通常是照片的问题。见 Hotel Lobby AI 做出来不像我。