把一个 MP3 变成一支 MV
歌你已经有了：自己录的、棚里出的母版，或者从旧硬盘里翻出来的一个文件。传上来，ClipChat 就会把音频读一遍——曲风、BPM、调性、演唱语言、主奏乐器、情绪，以及每个段落从哪开始、到哪结束。在渲染任何东西之前，你先拿到一份文字版的歌曲解读和一套带时间码的分镜。
怎么运作
从一个音频文件到渲染好的场景。任何东西生成之前，整套计划你都先看得到。
ClipChat 和自己动手剪的对比
| 手动剪映 / DaVinci Resolve | ClipChat | |
|---|---|---|
| 输出分辨率 | 最高 1080p 或 4K，只受你手上素材的限制。 | 目前 480p，竖屏 9:16。这个更低。如果分辨率是你的第一要求，那还是手动剪。 |
| 画面从哪来 | 全靠你自己供：素材库、自己拍的镜头，或者带团队拍一天。 | 场景是按确认过的分镜生成的，所以你不需要拥有或拍摄任何素材。 |
| 让切点对上歌 | 你自己从头听一遍，手动标出段落变化。一首歌通常要耗掉好几个小时。 | 段落边界是从音频里读出来的，切点自动落在上面。 |
| 同一个人物贯穿全片 | 除非你拍的就是同一个人。不然要么补拍，要么忍。 | 一张参考图就够让人物在每个场景里保持一致。给五个角度会更稳。 |
| 对剪辑的控制 | 完全掌控。时间线摆在眼前，每一帧都能挪。 | 你在渲染前确认解读和整片分镜，但不会在逐帧时间线上干活。 |
大家常问的
怎么把 MP3 转成 MV？
把 MP3 传给 ClipChat。它会分析这首歌——曲风、BPM、调性、演唱语言、主奏乐器、情绪——并标出每个段落从哪开始、到哪结束。然后你拿到文字解读和带时间码的场景卡。这份计划可以在对话里讨论和修改，确认分镜之后，场景就开始生成。ClipChat 是给你已经有的歌做视频，它不生成音乐。
不注册能免费用音频做视频吗？
不注册能拿到文字解读、最多 2 个视觉世界和最多 6 张带时间码的场景卡，约 60 秒出结果。这个结果是文字和分镜，不是视频文件。要渲染视频得有账号，注册会送一份起步额度，够做第一支短片。
能传哪些音频格式，歌最长多久？
MP3、WAV、M4A、AAC 和 OGG，最长 10 分钟。传的是文件本身，不是链接。太长的曲子会按段落分批处理，而不是一次跑完。
成片是什么分辨率和画幅？
目前渲染是 480p，竖屏 9:16。这是当下老实的上限。如果你要 1080p 母版或者横屏版本，ClipChat 现在还接不了这活。
切点真的跟着我的歌走，还是随机的？
跟着结构走。ClipChat 会在音频里标出段落边界——主歌、副歌、bridge、drop——把切点放在那儿，而不是按固定的节拍网格换画面。每个镜头的长度跟的是歌，不是秒表。
同一个人能出现在每个场景里吗？
可以。一张参考图就够让人物贯穿整支片子的所有场景。同一个人物再给五个角度，稳定性还会更好。
ClipChat 不做的事
- 目前渲染是 480p，竖屏 9:16。暂时没有 1080p，也没有横屏输出。
- ClipChat 不生成音乐。它是给你已经有的歌做视频。
- 不注册的免费那一遍给的是文字和分镜，不是视频文件。渲染需要账号。
- 音频最长收 10 分钟，长曲子按段落处理，不是一条连续渲染。
大多数自动工具是按固定的节拍网格切视频。这个好实现，也正是很多 AI 片子看着都一个样的原因：不管歌变没变，画面每两小节换一次。歌不是这么工作的。主歌、副歌、bridge 和 drop，各自需要不同的镜头长度和不同的能量，而唯一尊重这一点的办法，是先在音频里找到段落边界。所以 ClipChat 先把歌读一遍，写下它认为这首歌在讲什么，再把带时间码的整片分镜摆给你看，然后才渲染第一个场景。解读错了，你在对话里改，一秒渲染时间都不浪费。480p 是目前输出的水平——我们决定先解决的，是把结构做对。