立刻MV的“看图写歌”是用视觉线索激发音乐情绪与结构，需上传具情绪张力的人物图，经预分析后调节情绪滑块、关键词引导、文字截取及停顿符插入，并通过定调、光影对齐、波形校验三步确保生成质量。

立刻MV的“看图写歌”功能不是让你对着一张图硬编歌词，而是用视觉线索反向激发音乐情绪、节奏和结构，让画面成为作曲的触发器。你得先上传一张有明确情绪张力或叙事暗示的图，系统才会基于它的光影、色调、人物姿态、空间关系生成匹配的旋律与人声段落。

选图：挑能“呼吸”的画面

不要上传风景明信片式的大远景或纯色背景图——立刻MV识别不到情绪锚点。优先选人物微表情清晰、肢体语言有张力、构图存在视觉动线（比如目光方向、行走趋势、光影切割）的图。例如：一个穿红裙的女人背对镜头站在雨中路灯下，伞斜着，影子被拉长扭曲；这张图自带孤寂+克制+余韵，系统更容易输出慢板、带气声、副歌延迟进入的流行R&B风格。

如果图里有多个人物且无主次，系统会混淆情绪焦点，生成的旋律可能忽冷忽热、段落割裂。上传前用手机自带编辑工具简单裁切，把视觉重心框进画面中央区域。

上传与触发

打开立刻MV网页端→点击左上角「+新建项目」→选择「看图写歌」模式→拖入已准备好的图片→等待3秒预分析完成。

【必须等预分析进度条走完再点下一步】 否则系统会以默认灰度图特征建模，导致生成的BPM偏高、人声失真、副歌爆发力错位。

预分析完成后，界面右侧自动弹出「情绪倾向滑块」和「风格建议标签」，此时别急着确认——先手动拖动「情绪倾向」往“沉静”或“灼热”端多试两次，观察下方实时更新的节拍提示（如“BPM 68｜弦乐铺底｜人声留气口”），选一个最贴合原图呼吸感的组合。

歌词生成控制技巧

方法一：用图中物体名称做关键词锁定意象

在歌词生成栏下方的「关键词引导」输入框里，填入图中1～2个不可替换的核心名词，比如“伞”“铁轨”“搪瓷杯”。立刻MV会将这些词作为押韵锚点和意象复现节点，避免生成空泛抒情句。不填则系统自由发挥，约60%概率出现“光”“梦”“远方”等泛化词。

方法二：截取图中文字直接喂给模型

如果图里有手写字、店招、车牌、书页等可读文字，用截图工具框选该区域→粘贴进「歌词初稿参考」文本框。系统会模仿其语法节奏（比如潦草字迹对应断句短促、印刷体对应工整押韵），生成更有机的词句结构。

方法三：强制插入停顿帧控制演唱呼吸

在生成的歌词预览区，把光标放在想制造留白的位置（比如主歌结尾、副歌前半句后），按Ctrl+Shift+Space插入隐形停顿符。这会让AI歌手在此处真实收气、喉部肌肉微调，不是单纯静音——后续导出音频时，这个停顿会带动整段混响衰减曲线变化，听起来像真人临场换气。

导出前必做的三步校验

第一步：听前5秒是否“定调”

播放生成音频开头，确认第一句人声开口瞬间的音高与图中主体朝向一致——若图中人望左，首音应略偏低沉；望右则首音带轻微扬起。不一致说明情绪映射失败，需换图重试。

第二步：检查副歌是否“踩在光影交界处”

打开音频波形图，找到副歌起始位置，对照原图：如果图中存在明暗分界线（如窗框投影、山脊线、水面反光带），副歌第一个重音必须落在该线条垂直对应的毫秒时间点上。否则情绪爆破会脱钩。

第三步：关闭音量，纯看波形起伏

把播放器音量拧到0，只看波形振幅变化。理想状态是：主歌波形平缓如呼吸，预副歌开始阶梯式抬升，副歌峰值尖锐但不过爆，尾奏缓慢塌陷。若全程呈锯齿状高频抖动，说明图中信息过载（如多人+强纹样+高对比色），需重新裁切或降噪处理后再上传。