跳到正文

Hotel Lobby AI 提示词:生成器实际发送的原文

一段 Hotel Lobby AI 提示词要完成四件事:把每张照片钉在一侧,重建那间吊着一支麦克风的橙色录音棚,让一个人说唱、另一个人助兴,再让镜头一动不动。下面两段就是 MigosAI(migosai.si)每条录音棚视频真正发出去的文字:一段给 Wan 3.0,保留 Hotel Lobby 原版录音;一段给 Seedance,现写一首新说唱。在网站上你不用敲这些字,点“生成视频”时它们会自动发出。

再往下是五段给其他图生视频工具用的提示词,这类工具只收两张照片、不收参考视频:情侣、两个朋友、祖孙、手绘角色和宠物。这五段是我们专门为本页写的,没有实际生成过,请当作起点来改。

更新于

奶油白提示单和两张空白照片框,连接到带吊麦的橙色录音棚。
AI 生成的文章示意插画,并非 MigosAI 实际生成的视频。

提示词一:Wan 3.0,保留 Hotel Lobby 音轨

Wan 3.0 会收到四个附件,按上传顺序编号:图1(左边的照片)、图2(右边的照片)、视频1(静音的 Hotel Lobby 参考片段)和音频1(剪到视频长度的 Hotel Lobby 音轨)。正式生成前,每张照片会先被重绘成同一个人或同一只动物的站立全身棚拍照,帮模型稳住脸和身形;你看到的始终是自己的原图。画面比例不写进文字,而是作为单独的参数传给模型,所以同一段提示词适用于 9:16、16:9 和其他所有比例。

Wan 3.0 提示词(两张照片,任意比例)
全程参照视频1:照搬它的取景、节奏和每一个动作、手势、转头、表情和嘴型,以及纯橙色背景和两人之间从天花板垂下的那支银色麦克风。保持视频1的机位取景,不要推近、拉远或平移。不要加入视频1里没有的动作或场景元素。

全程使用音频1作为整条视频的背景音乐,原样保留:它就是视频的全部声音。不要新写歌词,不要重唱,不要加入其他音乐或人声。

左边的表演者是图1里的主体,右边的表演者是图2里的主体。他们完全替换视频1里的两个人:脸、发型或毛发、身材和衣服都来自照片,视频1里的人一样都不要。两位表演者都不戴手套(照片里本来戴着的除外):人露出本来的手,动物的前爪保持本来的爪子。忽略照片的背景。

左边的表演者对着麦克风说唱音频1的人声,嘴型与音频1精确同步。右边的表演者照着视频1右边那个人的动作:跟着节拍做反应和手势,只做简短的附和口型。

橙色铺满整个画面,没有黑色或暗角。不要分屏,不要多余的人,画面上不要字幕或文字。人脸从头到尾保持一致。

Wan 收到的就是这段中文,因为它的官方文档用中文给附件命名。本页展示的就是发给模型的原文,一字未改。

提示词二:Seedance,现写一段 AI 说唱

Seedance 模型保留不了录音:它总是自己生成人声和伴奏。所以在录音棚里,Hotel Lobby 音轨会作为参考音频1上传,只用来带节奏;提示词要求按这个律动做一段新伴奏,再围绕你输入的主题写新词(最多取 120 个字符)。这里的附件用文字称呼(“参考图片1”)。Seedance 实际收到的是英文,下面是逐句中译,竖屏、12 秒,示例主题是“Maya 的 30 岁生日和她糟糕的侧方停车”。

Seedance AI 说唱提示词(9:16,12 秒,示例主题)
全程参照参考视频1的表演:照搬它的取景、节奏和每一个动作、手势、转头、表情和嘴型,以及纯橙色背景和两人之间悬挂的那支银色麦克风。保持参考视频1的机位取景:不要推近,不要拉远,不要平移。不要加入参考视频1里没有的动作或场景元素。

左边的表演者:参考图片1里的人。右边的表演者:参考图片2里的人。他们完全替换参考视频1里的两个人:脸、发型、身材和衣服都来自照片,参考视频1里的人一样都不要。照片里完全看不到某个人的衣服时(只有脸、或者光着肩膀),给这个人穿适合他的普通便装,比如简单的 T 恤和牛仔裤;绝不要参考视频1里那两个人的戏服、披风、外套、皮带、手套和蒙眼布。动物保持原样,不加衣服。忽略照片的背景。

配乐:一首为这条视频原创的暗黑亚特兰大 trap 歌曲,节拍和节奏跟着参考音频1走:同样的速度、律动、鼓点和弹跳感,卡准参考视频1里的动作。按这个风格做一段新的伴奏、写新歌词;不要重复使用参考音频1的歌词、旋律和人声。精简但有力:砸地、粗砺、在音符之间滑动的 808,尖锐的军鼓加拍手配利落的踩镲,再加一条阴森、带东方色彩的旋律循环。情绪暗、有压迫感、自信。说唱是快速、有弹性的三连音 flow,跑在缓慢的节拍上面。混音:人声清楚地在最上面,伴奏紧跟其后、几乎一样响,有力、有冲击感,从不变小,两句之间也不断。左边的表演者对着悬挂的麦克风说唱一段原创、干净的歌词,主题是:“Maya 的 30 岁生日和她糟糕的侧方停车”。用这个主题的语言来唱。说唱人声清晰,嘴型与每个字同步,自然地点头,嘴部表情丰富。右边的表演者是助兴搭档:指着说唱的人,做反应、微笑,跟着节拍加简短的附和。不要使用任何现成的歌曲、现成的歌词或任何真实歌手的声音。

9:16。橙色从一边铺到另一边,填满整个画面,没有黑色或暗的区域。不要分屏,不要多余的人,画面上不要字幕或文字。人脸从头到尾保持一致。

Wan 提示词里每一段的用处

段落作用缺了它会怎样
1. 参照视频1照搬取景、节奏、手势、转头、表情和嘴型,以及橙色墙面和吊麦;禁止推拉、平移和新增场景元素模型自己编出房间或运镜,画面边缘冒出黑边
2. 使用音频1让这段音轨成为唯一的声音,不许改写或重唱冒出新音乐、多余的人声或编出来的词
3. 谁是谁把图1绑在左边、图2绑在右边,脸、头发或毛发、身材和衣服都取自照片,去掉照片背景,除非照片里本来戴着,否则不戴手套左右站反,参考片段里的脸混进来,或者原版表演者的手套被套到光手和爪子上
4. 分工左边的人跟着音频1说唱、口型同步;右边的人模仿助兴搭档,只做简短的附和口型两张嘴同时在动,或者搭档干站着
5. 防护条款橙色铺满画面,不分屏,不加人,不加字幕,脸保持稳定暗角、第三个人、烧进画面的字幕、中途变脸

措辞故意写得很中性。“图1里的主体”可以是一位奶奶、坐在家长腿上的小朋友,也可以是一只比格犬,都不会和照片冲突,所以同一段文字适用于任何组合。

把这些提示词用到别的 AI 视频工具里

  • 先看工具收什么。提示词一需要两张参考图、一段参考视频和一段参考音频,还得是能原样播放音频的模型。很多工具只收照片;遇到这种情况,请直接看下面五段双照片提示词。
  • 改附件名称。这里按上传顺序编号;有的工具要写 @Image1 这类标签,或者用它自己的叫法。无论哪种,都先上传左边的照片。
  • 画面比例在工具设置里选,不写进文字:TikTok 和 Reels 用 9:16,YouTube 用 16:9。
  • 如果模型会自己写音乐,“保留音频1”这一句就守不住。改用提示词二的思路,直接要一段新说唱。
  • 保留否定句。“不要多余的人”“不要字幕”“忽略照片背景”这几句,在任何工具里都能挡掉大部分废片。
  • 用你有权使用的录音,以及同意出镜的人的照片。
  • 有些工具会公开自己的纯文字提示词。Dreamina(CapCut 旗下) 就有可直接复制的 Hotel Lobby 双照片提示词,跑在 Seedance 2.5 上(2026 年 10 月 6 日查看)。

五段 Hotel Lobby AI 提示词:两张照片,不要参考视频

大多数面向普通用户的图生视频工具只收照片和文字。没有参考视频,提示词就得自己把录音棚和动作描述出来。下面五段做到了这一点,也保留了让画面一看就是 Hotel Lobby 的规矩:每侧一个主体,中间吊一支麦克风,一个主唱一个助兴,镜头始终不动。每段都设成 9:16、12 秒;如果你的工具要别的数值,把文字里的两处一起改掉。做好重试一两次的准备。

Hotel Lobby AI 情侣提示词

情侣(9:16,12 秒)
竖屏 9:16 视频,时长 12 秒,依据两张参考照片生成。画面左侧是图1中的人,右侧是图2中的人。两人从头到鞋完整入镜,脸、发型、穿搭和身高都要忠于照片。场景:一间空荡的摄影棚,整体刷成纯橙色,墙面与地面同一色调,光线柔和而均匀。一支银色录音话筒挂在一根细线上,从天花板垂到嘴的高度,位于两人正中。这对情侣表演一段双人说唱:左边的一方凑近话筒,用笃定、有节奏的手势说唱;右边的一方咧嘴笑,指向说唱的人,随节拍弹动身体,最后一句凑过来共用话筒。机位固定在胸口高度,一个长镜头拍完,不推拉也不平移。画面里没有其他人,不出现文字,不出现标志。

两个好朋友(中途换人唱)

好朋友(9:16,12 秒)
竖屏 9:16 视频,时长 12 秒,依据两位成年好友的参考照片生成。图1中的朋友站在左侧,图2中的朋友站在右侧,两人从头到脚都在画面内,脸、发型、穿搭和体型都与照片吻合。素净的橙色摄影棚:橙色背景布弧形过渡到橙色地面,一支银色话筒从天花板悬下,位于两人之间。第 0 到 6 秒:左边的朋友接过话筒说唱,右边的朋友点头、大笑,挥着胳膊大幅度助兴。第 6 到 12 秒:两人对调,右边的朋友接过话筒,左边的朋友做反应。两人各有各的动作,绝不互为镜像。机位锁定,一镜到底,光线柔和均匀,脚也要在画面里。不要多余的人,不要道具,不要字幕,不要标志。

爷爷奶奶和孙辈

祖辈和已成年的孙辈(9:16,12 秒)
竖屏 9:16 视频,时长 12 秒,依据两张参考照片生成。图1是一位祖辈,站在左侧;图2是其已成年的孙辈,站在右侧。两人全身入镜,脸、发型、穿搭和身高都保持照片里的样子。场景:一间空无一物的橙色摄影棚,正中有一支银色话筒从天花板悬下。祖辈对着话筒说唱,手势平稳、沉着、胸有成竹,嘴角带着一点笑意;孙辈先是一脸惊讶,接着笑出声,踩着节拍跳舞,最后凑过来和祖辈合唱最后一句。动作轻柔自然,符合各自的年龄。固定机位,一个镜头,棚内光线均匀,不剪切、不推拉、不平移,画面里没有别人,屏幕上不出现文字。

手绘或动漫角色

请用你自己创作或拥有版权的角色。知名角色归原版权方所有。

插画角色(9:16,12 秒)
竖屏 9:16 视频,时长 12 秒,依据两张原创手绘角色的参考图生成。图1的角色在左侧,图2的角色在右侧,都以全身呈现。每个角色的设计都要原样保留:线条风格、配色、比例和服装。用同样的画风让两个角色动起来,不要把它们变成写实照片。它们站在纯橙色的摄影棚里,一支银色话筒从天花板悬在两者之间。左边的角色凑近话筒说唱,手势活泼又夸张;右边的角色随节拍晃动,伸手指向对方,表情做得很大。固定机位,一镜到底,不剪切、不推拉、不平移。不要其他角色,不要文字,不要标志。

Hotel Lobby AI 宠物提示词

每只动物单独一张清晰、全身入镜的照片。如果是宠物和主人同框,把文字里右边那只动物改成“图2中的人”。最早火起来的视频里就有猫和狗,是用别的工具做的(案例合集)。

宠物(9:16,12 秒)
竖屏 9:16 视频,时长 12 秒,依据两张动物参考照片生成。图1中的动物在左侧,图2中的动物在右侧,两只都用后腿直立,从耳朵到爪子完整入镜。每只的品种、花纹、毛色、眼睛颜色、体型和项圈都必须和照片一模一样。场景:一间空荡的橙色摄影棚,一支银色话筒从天花板悬下,停在两只动物之间、与头齐高。左边的动物踩着节拍一张一合地动嘴,用前爪比划,像站在麦前的说唱歌手;右边的动物点头,瞟一眼镜头,随节拍摇摆。身体结构要真实:每只四条腿、一条尾巴,不出现人手。一个固定镜头,不剪切。不要人,不要其他动物,不要文字。

在 MigosAI 上这些都可以跳过:提示词、参考片段和音轨都是内置的,宠物说唱视频页面会直接打开为宠物和它的搭档准备好的生成器。动物的效果比人像起伏更大。

成片不对劲时

看到的问题可能原因试试这样
脸像个陌生人侧脸、墨镜、重滤镜,或者合照里脸太小换一张正脸、光线均匀的半身或全身照
左右站反了照片上传顺序错了,或者提示词没写清哪边是谁先上传主唱,并在文字里写明左右
冒出第三个人模型留下了参考片段或照片背景里的人保留“忽略照片背景”和“不要多余的人”
屏幕上出现字幕或乱码文字模型自作主张加了字幕保留“画面上不要字幕或文字”
口型对不上没挂音频,或者切点落在停顿上挂上音轨,从唱出的字开始切
橙色周围出现黑边参考片段里没有的推拉或平移锁定取景,并写明橙色要铺满画面
出来的是全新音乐而不是原曲这个模型总是自己写配乐换一个能播放参考音轨的模型,比如 Wan 3.0

或者把提示词交给 MigosAI

在 MigosAI 上,加两张照片(或者用“一张照片”传一张合照),在“声音与动作”里选声音,点“生成视频”。Wan 3.0、480p、12 秒的视频消耗 6 积分,最小积分包是 10 积分 $9.99,通常约 5 到 15 分钟出片。没有免费试用。生成失败的话,积分会自动退回余额。

跳过提示词:直接传两张照片

常见问题

能把 Hotel Lobby AI 提示词贴进 ChatGPT 吗?

聊天助手可以帮你改文字,但视频得由视频模型来做。把提示词一贴进能收参考图、参考视频和音频的工具;双照片提示词则贴进图生视频工具。

Hotel Lobby 提示词是为哪个模型写的?

提示词一跑在 Wan 3.0 上,它会保留参考音轨。提示词二跑在 Seedance 2.0 Mini、2.0 Fast、2.0 和 2.5 上,它们会自己写说唱。别的模型可能需要不同的附件名称,也可能根本不收音频。

提示词是什么语言?

MigosAI 发给 Wan 3.0 的是中文原文,发给 Seedance 的是英文。本页的 Wan 提示词就是原文,可以直接用;Seedance 那段是英文原文的逐句翻译,能读中文的工具也可以直接用。

有给猫狗用的 Hotel Lobby AI 提示词吗?

有,就是上面的宠物提示词:每只动物一张照片,各占一边,用后腿站立,身体结构真实。在 MigosAI 上不需要提示词,宠物说唱视频页面会把生成器设置好。

双照片提示词会保留《Hotel Lobby》原曲吗?

不会。没有参考音轨时,声音由工具决定,也可能完全没有声音。可以在剪辑软件里配一首你有权使用的歌,或者换一个能收参考音频的工具。

在 MigosAI 上需要自己写提示词吗?

不需要,提示词是内置的。你唯一可能要输入的文字,是给 Seedance 模型的说唱主题,选填,最多 120 个字符,任何语言都行。

资料来源

MigosAI 是独立工具,与 Migos、Quavo、Takeoff、Offset、Quality Control Music、Motown 和 COLORS 均无关联。