长亭百川云 - 文章详情

手把手教你如何用AIGC大模型写一首歌

阿里技术

49

2024-07-13

这是2024年的第42篇文章

( 本文阅读时间:15分钟 )

01

作品呈现

原创音乐:词&曲 by 大模型

原创MV:图 & 视频素材 by 大模型

剪辑:本人

02

背景

传统的MV制作过程:脚本-->分镜-->关键帧-->动画-->配音配乐。

利用常见一个MV的过程,参考了传统的MV的协作流程,并结合了当前的大模型能力:

  • 纯人工:一部分继续交给人工,比如(剪辑);

  • 人工交互:一部分因为没有接口,直接使用交互版的大模型能力(比如 音乐创作和图生视频);

  • 接口自动化:提示词优化和生成,脚本创作和分镜已经完全可以交给大模型的Agent完成;‍‍‍

大模型的能力还在不断的发展中,虽然现在人工干预很多,对于未来Multi-Agent协同来完成一个MV,只需要多模态大模型的接口完全开放就能做到。

03

Agent拆分和提示词

04

编导Agent

4.1 分镜脚本

通过coze添加一个Agent



agent人设



`# 角色``你是一个专业的动漫声音声乐导演,能够出色地负责动漫配音工作,精心制作各种音效,巧妙创作背景音乐以及打造精彩的主题曲。``   ``## 技能``### 技能 1: 配音工作``1. 当接到动漫配音任务时,根据角色特点和剧情需要,合理安排配音演员进行配音。``2. 确保配音质量和效果,使其与动漫画面完美融合。``### 技能 2: 音效制作``1. 根据动漫情节和氛围,制作合适的音效。``2. 不断调整和优化音效,增强观众的听觉体验。``### 技能 3: 背景音乐创作``1. 深入理解动漫主题和情感,创作契合的背景音乐。``2. 使背景音乐能有效烘托动漫的氛围和情感。``### 技能 4: 主题曲创作``1. 为动漫量身打造独特而吸引人的主题曲。``2. 让主题曲能够准确传达动漫的精神和特色。``   ``## 限制:``- 专注于动漫声音相关领域,不涉及其他无关内容。``- 严格按照给定格式输出内容,不得偏离。``- 各项工作描述不超过 100 字。`


通过编导Agent,创作“梦境为主题的故事和分镜脚本”剧本。

其中分镜内容,主要用来创建视频。

内容概要,主要用于后面的原创歌曲。

分镜脚本,这里给的一个示例。

分镜编号

镜头类型

人物

镜头内容

台词

美术提示词

01

全景

主角

主角躺在床上,渐渐入睡

昏暗房间,主角安静躺着

02

全景

主角

主角置身于神秘森林中,月光洒下,仿佛梦中

静谧森林,月光

03

中景

主角

主角好奇地在森林中探索,夜色,充满疑惑

主角:这是哪里?

森林,主角走动

04

全景

城堡

主角看到远处的城堡,森林中,月光下,古老城堡

古老城堡

05

中景

主角

夜色中,月光下,主角走向古老神秘的城堡,试图推开大门,特写主角和城堡大门

主角和城堡大门

06

近景

城堡

夜色中,大门缓缓打开,近景特写大门,近景特写推开门的手,大门上古老的神秘纹路

嘎吱声

打开的城堡大门

07

全景

主角

城堡内,一片黑暗,只有一点烛光

黑暗城堡内,一点烛光

08

近景

主角

主角靠近烛光,光线黑暗,看到一个模糊的影子,特写人物影子

烛光和影子

09

中景

主角

夜晚,主角被惊醒,从床上坐起身,表情惊恐

主角:啊!

主角在床上,惊恐表情

10

全景

主角

夜晚,主角看着房间,若有所思,思考刚才的梦

主角:那个梦……

房间,主角思考状

05

美术Agent

5.1 关键帧

方案一:同样的通过Agent可以创作一个,添加一个分镜的图像流,基座模型用通义万相。

人设



`# 角色``你是一个专业的美术导演,在青春校园动漫、二次元动漫、玄幻风格动漫等领域有着卓越的才能,可以将分镜脚本巧妙地绘制成分镜草图,还能依据分镜草图精准地绘制出美术制作所需的关键帧画面。``   ``## 技能``### 技能 1: 绘制分镜草图``1. 当收到分镜脚本时,根据脚本内容绘制分镜草图。``2. 确保草图能够清晰展现故事场景和角色动作。``### 技能 2: 绘制关键帧画面``1. 根据分镜草图,提炼关键帧并进行绘制。``2. 要突出动漫风格和特点。``   ``## 限制:``- 专注于动漫相关的创作,不涉及其他无关内容。``- 严格按照给定格式输出内容。``- 对于主角形象,分镜脚本中保持人物的一致性``- 输出图片都是9:16的比例,高清,二次元风格`


关键帧创作

难点:人物的一致性,原始分镜脚本下创建的分镜01和02,人物一致性难以保持。

解决方案:人物描述的全局补充,对于场景和时间,补充在分镜脚本内容中。

根据分镜头脚本,通过脚本解析成提示词。

主角描述 + 镜头类型贯穿全文。

背景描述,初衷的设计是取前几个提示词,形成记忆,便于前后的信息连贯,但是尝试过通义万相后,发现背景信息的提示干扰比较大,暂时没有使用。其他模型暂未尝试。

根据不同的提示词获取到的场景分镜前6关键帧如下:

整体看:

  • 人物的一致性比不加全局人物提示词有改进,服饰的细节可以补充后进一步优化;

  • 画质和风格的一致性通过约束输出保持较好;

  • 镜头的远景/中景/近景/特写的理解比较差,通义对于镜头的关键词理解较弱,通义万相提示的镜头语言应该是 微距/长焦等,和视频的镜头语言有差异;

5.2 视频

通过关键帧生成视频,用的Runway免费版本,谷歌or苹果账号登陆,图生视频的功能免费版比较简单:

https://runwayml.com/

且没有接口,这部分人工操作的,仅作为素材的增强,用的最基础的能力把关键正生成视频,图转视频效果参考最终的作品。

之所以选择关键帧生成视频,而不是直接文生视频的方案,主要的考虑也是为了解决文生视频产生的不一致问题。

06

声乐导演Agent

6.1 主题曲

使用 https://suno.com/create

提示方式:歌词+提示词+音乐风格

常见歌曲结构:前奏-主歌-前副歌-副歌-间奏-主歌-副歌-桥段-副歌-尾奏

领域词汇:

  • melodic instrumental

  • verse主歌

  • chorus 副歌

  • rap

...

一个lyrics结构的例子:



`[melodic instrumental]``---!~...``   ``[verse]``歌词歌词...``   ``[chorus]``歌词歌词...`


本文的歌词:

`[Verse]``Woke up from a strange scene last night``Chasing shadows under moonlight``In my dreams I get so lost``Floating through a world that costs``   ``[Verse]``Reality's a weight I can't bear``Whispers in my ear everywhere``In the night my fears take flight``Inner darkness out in plain sight``   ``[Chorus]``In dreams I find myself``A place I can be free``But the waking world pulls me down``A prison I can't see``Lost in dreams and realities`

07

剪辑成片

剪映:比较简单,就是音频 + 歌词 + 视频三个素材轨道,直接拼接,调整了专场和视频长度,来贴合音乐。

08

其他工具可用于替换

关键帧生成

Mjdjourney

视频生成

pika

音乐和音效

audiocraft:音效大模型,需要自己部署

chattts:配音

剪辑

iMovie

欢迎留言一起参与讨论~

相关推荐
关注或联系我们
添加百川云公众号,移动管理云安全产品
咨询热线:
4000-327-707
百川公众号
百川公众号
百川云客服
百川云客服

Copyright ©2024 北京长亭科技有限公司
icon
京ICP备 2024055124号-2