
一个身穿黑色外套的瘦高男人走在曼哈顿街头,一手拿着咖啡,另一手拿着一把合拢的雨伞。他用雨伞钩住井盖将其关闭,以免一个打电话的女人掉进井里;他从喷泉里捞出一枚硬币给一个小女孩,而他的表情始终如一。背景音乐是Sting的《Englishman in New York》。这段47秒的视频在不到三周内在X上获得3680万次观看,之后在TikTok上的转发也持续不断。
本指南将展示如何制作AI音乐视频,采用相同的手绘风格,并配上你自己的角色和原创歌曲。
关键要点
- 病毒式传播的雨伞男动画是antrofrog的原创系列,并非任何人都能点击使用的CapCut模板。
- antrofrog在No Ordinary Love的鸣谢中列出了Midjourney 8.2用于主角设计,Seedance 2.5用于动画。
- 首先设计一个原创的2D角色,然后将每个短小的笑料作为单独的节拍进行动画制作。
- Sting和Sade的录音受版权保护,因此在剪辑任何一帧之前,请先生成一首原创歌曲。
- 这部MV的每一个镜头都出自 Atlas Cloud视频生成器 运行Seedance 2.5。
什么是"Englishman in New York"背后的AI动画音乐视频趋势?
这一趋势中的病毒式传播片段都源自一位创作者。antrofrog,其个人简介写着“一个零技能的艺术家,所以我只用AI”,于2026年9月加入X。
他的四部AI动画音乐短片引领了这一趋势,四部都围绕同一个角色乔治展开。每一部都让他在城市中自由行动,并将他默默的善举或默默的求爱配上知名歌曲。
| 影片 | 歌曲 | 发布日期 | 时长 | 发生了什么 |
|---|---|---|---|---|
| Smooth Operator | Sade | X,2026年9月26日 | 44秒 | 乔治在伦敦解决小问题:树上的猫、掉落的花盆、被偷的手提包 |
| Smooth Criminal | Michael Jackson | TikTok,2026年10月26日 | 44秒 | 两个穿黄色雨衣的人在夜晚潮湿的街道上找他打架,结果输了 |
| No Ordinary Love | Sade | X,2026年10月28日 | 59秒 | 乔治在雨中的伦敦向一位穿红裙的女子求爱 |
| Englishman in New York | Sting | X,2026年10月30日 | 47秒 | 乔治在曼哈顿用雨伞和咖啡帮助陌生人 |
时长来自他自己账户上的副本。截至2026年11月16日,X上的No Ordinary Love帖子显示2230万次观看,Englishman in New York显示3680万次。

静止画面:Smooth Operator、Smooth Criminal、No Ordinary Love和Englishman in New York,作者antrofrog。
TikTok上的热潮主要是转发。我们发现保存最多的是一条118秒的合集,将四部影片拼接在一起,带有#noordinarylove标签。截至11月16日,它已有1190万次播放和超过15.5万次保存。
它没有链接CapCut模板或TikTok特效,我们检查的其他大型转发也没有。要得到这样的视频,你必须自己制作。
并非所有人都喜欢它。Creative Bloq在2026年9月28日报道了对Smooth Operator的强烈反对。该文章称艺术风格的混合不连贯,它引用的评论者指责角色设计借鉴了其他电影。这是设计自己角色而不是克隆乔治的好理由。
如何在Atlas Cloud上制作AI音乐视频
antrofrog在No Ordinary Love下的回复中列出了他的工具:Midjourney 8.2用于乔治的设计,Krea 3用于红衣女子,Seedance 2.5用于动画。Atlas Cloud将Midjourney V8.2、Seedance 2.5和Suno整合在一个登录和余额下,因此下面的工作流程无需切换网站即可运行。
我们的测试MV跟随Inês,一位高个子邮递员,骑着红色自行车,在里斯本度过一个早晨。它在一首原创的1980年代风格流行歌曲上运行约45秒。
步骤1:在Midjourney V8.2中设计一个原创2D角色
打开Midjourney V8.2试玩区并粘贴下面的提示词。将宽高比设置为16:9,以便静止画面与视频帧匹配。每次运行返回四个选项。
plaintext1A tall slender young woman postal carrier stands beside an old red bicycle on a steep sunlit Lisbon street, full body, head about one eighth of her height, sharp black bob with a straight fringe, calm half-smile, forest-green belted wool coat over a cream turtleneck, brown leather mail satchel across her body, yellow tram and blue azulejo tiles behind her, flat 2D hand-painted animation still, clean ink linework, gouache texture, muted warm palette with red accents, soft morning side light, wide cinematic composition

选择脸部清晰、手部干净且所有道具都可见的帧。我们保留了选项4:她面对镜头,后面的一个笑料所需的自行车铃就在车把上。之后的每个镜头都回溯到这张静止画面,所以如果外套、发型或挎包不对,现在重新运行。
方法1:在Seedance 2.5 AI音乐视频生成器中为每个节拍制作动画
Seedance 2.5接受音频文件作为参考。给它一段你的歌曲,它会让动作与音轨的节拍同步。你编写笑料,模型处理时间。
打开Seedance 2.5视频生成器。Seedance 2.5已经是视频生成选项卡上选定的模型。
- 在“上传其他参考”下,添加你的角色静止画面和歌曲的15秒片段。
- 粘贴一个三镜头提示词,将它们引用为@Image1和@Audio1。
- 打开设置,选择16:9和1080p。
- 将时长设置为15秒。
- 关闭音频,因为完成的歌曲将在剪辑中加入。
- 点击运行。

以下是前15秒的提示词。其他两次运行使用相同的开头行,但镜头是新的。
plaintext1@Image1 is the postal carrier. Keep her face, black bob, olive-green coat, leather satchel and red bicycle exactly the same in every shot. Flat 2D hand-painted animation, clean ink lines, gouache texture, no lip movement, no dialogue, no text. Time every cut and movement to the beat of @Audio1. 2Shot 1 (0-5s): wide shot, she coasts down a steep Lisbon hill on the red bicycle as a yellow tram passes and rings its bell, letters fluttering in her front basket. 3Shot 2 (5-10s): a laundry line snaps above a narrow alley; a white shirt floats down onto her shoulder and she pegs it back on the line without stopping. 4Shot 3 (10-15s): two tourists turn a huge paper map upside down; she folds it into a paper airplane and throws it, and it glides straight toward the right street.
fbX1vV3xv4U
三次15秒的运行给你一个45秒的MV。如果一个笑料失败,只重新运行那个15秒的块。
方法2:通过API链接Midjourney和Seedance 2.5
相同的流程可以从脚本运行,当你想为每个块进行十次拍摄时会很有帮助。
步骤1:在Atlas Cloud控制台的设置页面中创建并复制API密钥。

步骤2:在Atlas Cloud API文档中检查请求格式。 Seedance 2.5参考到视频将reference_images和reference_audios作为列表,提示词按列表顺序将它们引用为@Image1和@Audio1。一个请求最多接受30秒的参考音频。
步骤3:提交剪辑,然后轮询文件。 这里的提示词被缩短了。粘贴方法1中的完整提示词。
plaintext1curl -X POST https://api.atlascloud.ai/api/v1/model/generateVideo \ 2 -H "Authorization: Bearer $ATLASCLOUD_API_KEY" \ 3 -H "Content-Type: application/json" \ 4 -d '{ 5 "model": "bytedance/seedance-2.5/reference-to-video", 6 "prompt": "@Image1 is the postal carrier. Keep her face, black bob, olive-green coat, leather satchel and red bicycle exactly the same in every shot. Flat 2D hand-painted animation, no lip movement, no dialogue, no text. Time every cut to the beat of @Audio1. Shot 1 (0-5s): ... Shot 2 (5-10s): ... Shot 3 (10-15s): ...", 7 "reference_images": ["https://your-cdn.com/postal-carrier.png"], 8 "reference_audios": ["https://your-cdn.com/song-part-a.mp3"], 9 "duration": 15, 10 "resolution": "1080p", 11 "ratio": "16:9", 12 "generate_audio": false 13 }'
plaintext1curl https://api.atlascloud.ai/api/v1/model/prediction/<prediction_id> \ 2 -H "Authorization: Bearer $ATLASCLOUD_API_KEY"
轮询直到状态显示completed,然后从outputs下载视频。要从同一脚本生成角色,请使用相同的密钥,通过generateImage端点将步骤1的提示词发送到midjourney/v8.2/text-to-image。一个密钥覆盖所有模型,因此切换模型主要意味着更改模型字符串。
为你的AI音乐视频创作一首原创歌曲
关于原创作品,关键在于:歌曲是吸引人的钩子,你不能借用它们。“Englishman in New York”和“No Ordinary Love”是受版权保护的作曲和受版权保护的录音。先制作歌曲,然后围绕它构建画面。
Atlas Cloud上的Suno chirp-v6有一个自定义模式,接受你的歌词、风格行和目标长度。打开其模型页面并向下填写表单。描述年代和乐器,绝不要写艺术家的名字。
- 将你的歌词粘贴到提示词中。
- 打开自定义模式,这样提示词会作为歌词演唱,而不是作为描述朗读。
- 将多样性设置为正常,这会使两个版本保持区别,但不会偏离提示词太远。
- 选择人声性别。
- 给歌曲起个标题。
- 写风格行。
- 将时长设置得比MV稍长,这样你有修剪的空间。
- 打开附加设置,在排除风格下列出要排除的内容。
- 点击运行。
plaintext1[Verse] 2Morning on the hill, the tram bell rings 3I carry other people's everythings 4A hat, a cat, a letter gone astray 5I hand it back and pedal on my way 6[Chorus] 7Oh, Lisbon in the light 8Every small thing put right 9No one needs to know my name 10Tomorrow I'll ride by again
| 字段 | 我们使用的 |
|---|---|
| 多样性 | normal |
| 人声性别 | Female |
| 标题 | Ride By Again |
| 风格 | 1980s sophisti-pop, smooth saxophone, fretless bass, soft drum machine, warm female vocal, mellow, nostalgic, 96 bpm |
| 时长 | 50 seconds |
| 排除风格 | rap, EDM, distorted guitar, autotune |

每次运行返回两个版本,所以检查哪一个最快进入歌词。我们的第一个版本在进入第一句歌词前花了16秒在前奏上。第二个版本在1.5秒开始演唱,并在28.7秒到达副歌,所以我们保留了它。
根据我们的测量,它大约为99 BPM,接近我们要求的96,这使得15秒和30秒标记处在小节线半秒以内。我们将其修剪为45秒加上一个短淡出,并在这些标记处切出三个15秒的片段。
保持手绘外观的2D AI动画提示词
学习如何制作看起来像手绘的AI动画,主要意味着每次都说同样的几个词。这些是在我们三次运行中保持外观的提示行。
| 提示行 | 为什么需要它 |
|---|---|
| Flat 2D hand-painted animation, clean ink lines, gouache texture | 在每次运行中指定相同的外观 |
| Keep her face, black bob, olive-green coat, leather satchel and red bicycle exactly the same | 列出如果改变你会注意到的每个特征 |
| No lip movement, no dialogue, no text | 要求闭着嘴且没有文字 |
| One gag per five-second shot | 一个因果适合五秒钟 |
| Time every cut and movement to the beat of @Audio1 | 让参考音轨设定节奏 |
以下是其他两次运行的六个镜头。每个块都跟随其歌词片段:第二段歌词唱道“a hat, a cat, a letter gone astray”,所以那三个笑料出现在Run B中。
Run B,15到30秒
plaintext1Shot 1 (0-5s): a gust lifts an old man's straw hat; without braking she catches it on a rolled newspaper and drops it back on his head, and he blinks. 2Shot 2 (5-10s): an orange cat is stuck on a tiled window ledge; she rings her bicycle bell twice and the cat leaps neatly into her front basket. 3Shot 3 (10-15s): she sets the cat down at the feet of a small girl in a yellow dress, hands a stray envelope to a woman in a doorway, and pedals on.
Run C,30到45秒
plaintext1Shot 1 (0-5s): a baker's tray of custard tarts tips off a café counter; she slides past and catches every tart on her satchel flap, then sets the tray back. 2Shot 2 (5-10s): sunset at a hilltop viewpoint over red roofs and the river; she finds one envelope addressed to her, opens it, and smiles. 3Shot 3 (10-15s): she rides away downhill into the golden light while a trail of letters lifts from the basket and flies after her like birds.
如果你想要动漫外观而不是故事书风格,我们的Seedance 2D动画指南涵盖了这方面的风格锚点。
从剪辑到完成的AI卡通音乐视频
剪辑是AI卡通音乐视频开始有导演感的地方。你的三个剪辑已与一首歌的三个片段同步,所以这一步主要是将它们对齐。

- 先将修剪好的歌曲放到时间线上,并在结尾处添加一个短淡出。
- 将剪辑A、B和C分别放在0、15和30秒处。
- 在笑料提前或延迟的地方修剪几帧。调整视频,绝不要调整音乐。
- 如果剪辑自带的音频有声音,将其静音,并以16:9导出。如果你要发布到TikTok,也制作一个9:16的裁剪版本。
WPRbcUpfzAs
如果你更想制作一个由真实歌手演唱并带有口型同步的音乐视频,Seedream和Seedance MV工作流程会逐步介绍那个版本。
常见问题
我可以在我的AI音乐视频中使用Sting或Sade的歌曲吗?
没有许可证就不行。一首著名歌曲同时是两件受版权保护的作品:作曲和录音。在你的动画下发布它可能会导致视频被静音或删除。如果你想要同样的氛围又没有法律风险,请生成一首原创曲目,并在提示词中描述年代和乐器,绝不要写艺术家。
Englishman in New York AI动画有CapCut模板吗?
没有。我们检查的Englishman in New York和No Ordinary Love的大型TikTok转发没有链接CapCut模板或TikTok特效。它们是antrofrog的原创影片,被转发或拼接在一起。你必须从角色静止画面和短动画镜头构建自己的版本。
antrofrog为No Ordinary Love使用了什么AI?
他在X上的鸣谢回复列出了Midjourney 8.2用于乔治的角色设计,Krea 3用于红衣女子,Seedance 2.5用于动画。他没有发布他的提示词或镜头列表。
我可以免费制作AI音乐视频吗?
用这个工作流程不行。Atlas Cloud上的每一步都按运行收费,Seedance按视频秒数收费。下一个答案会计算一个完整的45秒MV。
在Atlas Cloud上制作一个45秒的AI音乐视频需要多少钱?
截至2026年11月16日,一次Midjourney V8.2图像运行费用为$0.086,可获得四个选项;一次Suno chirp-v6运行费用为$0.132,可获得两个版本。一个15秒的Seedance 2.5参考到视频剪辑,1080p,费用为$8.90,这是模型页面上显示的20%折扣后的价格,没有列出结束日期(标价$11.12)。
我们的三个剪辑加上一次图像运行和一次歌曲运行,在重新运行之前总计约$26.90。以720p渲染相同的剪辑,Seedance部分降至$13.56。
结论
antrofrog的雨伞男之所以成功,是因为笑料与音乐同步,而且角色从未改变。你可以用你自己的角色和歌曲实现这两点。将角色锁定在一张静止画面中,为每个15秒的块给Seedance一段音轨,并保留保持手绘外观的提示行。
一旦你完成了一个,第二个会快得多。角色静止画面和提示词开头保持不变,所以下一首歌只需要新的笑料和新的节拍。这就是如何制作一个从第一个音符到最后一帧都属于你的AI音乐视频。






