Hotel Lobby AI 提示词:原版和 5 段现成提示词

网上大多数 Hotel Lobby AI 提示词都是靠猜的。这里的不是:它们就是我们的生成器做 Hotel Lobby 视频用的提示词。第一段用于默认模型 Wan 3.0,它会保留 Hotel Lobby 音轨;按照 Wan 文档的写法,提示词用图1、图2、视频1 和音频1 来指代各个附件。第二段是 Seedance 版,会现写一首原创说唱。你可以直接复制,改成适合自己工具的写法,或者干脆跳过,交给生成器来做。再往下还有五段提示词,给只能上传两张照片的工具用:情侣、好朋友、祖孙、插画角色和宠物。

更新于

记录创作指令的笔记本、参考人像与舞台照片。

HOTEL LOBBY AI 提示词

用提示词指导表演

  • 人物
  • 动作
  • 声音
AI · 插图 · Hotel Lobby Video

Hotel Lobby AI 提示词原文

下面是两张照片、横屏(16:9 或 4:3,默认)的版本:比例作为参数传给模型,不写在提示词里。竖屏和方形(9:16、3:4、1:1)用的是另一条竖版参考视频,所以第三段还是旧的写法:两个主体完全替换视频里的两个人,两人都不戴手套。生成前,每张照片会先用 GPT Image 2 重画成同一个人(或宠物)的全身影棚照,模型按这个顺序收到四个附件:图1 是左边的人像,图2 是右边的人像,视频1 是去掉声音的 Hotel Lobby 参考视频,音频1 是剪成同样长度的 Hotel Lobby 音轨。

Hotel Lobby AI 提示词(Wan 3.0)
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:左边的主体站在视频1左边那个人的位置,右边的主体站在视频1右边那个人的位置,每一帧都离镜头和他一样近,在画面里和他一样大。脸、发型或毛发、身材和衣服都来自照片,从第一帧到最后一帧都不变。视频1里左边那个人的蓝红长袍、右边那个人的深色毛衣只是他们自己的衣服,只用来参照动作,不要画到主体身上。主体如果是动物,就像人一样用两条后腿直立站着,用前爪做手势;它和视频1里同一边那个人一样高,两只后脚一直稳稳踩在地上,腿和身体的比例自然,脚下不要悬空;从第一帧到最后一帧都是这只动物,保持本来的样子,不加衣服,那个人的身体和衣服都不要留在画面里。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。

AI 说唱版(Seedance)

在 Seedance 上,声音一律是 AI 说唱:歌由模型自己重新写。在 Hotel Lobby 录音棚里,它写歌时会听到 Hotel Lobby 的原曲:参考视频去掉声音上传,原曲单独作为参考音频1上传,提示词要求跟着它的节奏做一段新的伴奏、写新歌词,不用它的旋律和人声。附件用文字来指代(“参考图片1”)。下面这段用的是一个示例主题。提示词里写了“用这个主题的语言来唱”,所以主题写成中文,AI 就用中文唱。

Hotel Lobby AI 说唱提示词(Seedance,9:16,12 秒)
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。
生成 AI 说唱时,写下姓名和一个具体细节。这是主题输入框,不是完整的视频提示词。
生成 AI 说唱时,写下姓名和一个具体细节。这是主题输入框,不是完整的视频提示词。真实界面截图,英文版 · 2026-10-02

每一部分起什么作用

  1. 动作。第一段把一切都交给视频1:它的取景、节奏,每一个动作、手势、转头、表情和嘴型,纯橙色背景,以及两位表演者之间垂下的那一支银色麦克风。它让机位保持不动(不推近、不拉远、不平移),并排除视频1里没有的一切。
  2. 声音。音频1 就是整条视频的全部声音,原样保留:不写新歌词,不重唱,不加其他音乐或人声。
  3. 身份。每张图绑定一侧,每个主体站在视频里同一侧那个人的位置,离镜头一样近,在画面里一样大。脸、发型或毛发、身材和衣服都来自图片,从第一帧到最后一帧都不变,背景一律忽略。提示词写的是“图1里的主体”,不写男人或女人,人和宠物都适用,永远不会和照片打架。它写出参考视频里两个人穿的衣服(蓝红长袍、深色毛衣),只是为了不让模型把这些衣服画到你的主体身上。2026 年 10 月 17 日起,横屏参考视频里是两个穿普通衣服的人;之前那条视频里是两个奇幻替身,成片偶尔会留下他们的手套、蒙眼布,甚至整套戏服。2026 年 10 月 22 日起,最后一句还要求动物像人一样直立、和同一边那个人一样高、到最后一帧都还是这只动物:用这条参考视频测试时,原来较短的写法会让视频里的人顶替掉狗。前爪仍常被画成手。
  4. 分工。左边的表演者唱音频1 里的人声,嘴型同步;右边的人照着视频里的助兴搭档,跟着节拍做反应和手势,只做简短的 ad-lib。
  5. 护栏。橙色铺满整个画面、没有黑边或暗角,不分屏、不多加人、不加字幕,脸从头到尾保持一致。这几条能挡住最常见的翻车。

怎么用到其他 AI 视频工具里

  • 模型得能接收参考图、参考视频和参考音轨,并且保留音轨。Wan 3.0 可以;字节跳动的 Seedance 2.x 三样都能接收,但在我们的测试里写出了新的音乐。
  • 把引用写法换成你所用工具的语法。Wan 写的是图1、视频1 和音频1;其他工具要写成 “Image 1” 和 “Video 1”,或者有自己的标签。顺序别变:先左边照片,再右边照片。
  • 表演者的称呼保持中性。“图1里的主体”适合图里的任何人或宠物;我们的生成器只改照片布局(两张照片或一张合照),以及用你自己的片段时的动作。
  • 画面比例不写在提示词里:在工具的设置里选 9:16、16:9 或 1:1。
  • 没有参考视频的话,就别指向视频1,改用文字描述录音棚和动作。Dreamina 等工具为此公开了自己的纯文字提示词。我们只测试过上面这两个版本。

只用两张照片、不带参考视频的 Hotel Lobby AI 提示词

很多 AI 视频工具能接收参考照片,却不能接收参考视频。这五段提示词改用文字来描述录音棚和动作,可以直接粘贴到能上传两张照片的图生视频工具里。它们保留了这个玩法成立的几条规则:一侧一张照片,只有一支吊麦,一个人主唱、另一个人做反应,机位始终不动。这些提示词是我们为这篇指南写的,没有测试过;每个工具理解提示词的方式都略有不同,可能要多试一两次。

情侣版 Hotel Lobby AI 提示词

情侣(9:16,12 秒)
用两张参考照片生成一条 12 秒的 9:16 竖屏视频。图1里的人站在左边,图2里的人站在右边,两人都是全身入镜,各自保留自己的脸、发型、衣服和身高。他们是一对情侣,在一间简洁、光线均匀的橙色录音棚里合唱一段说唱:橙色的墙和地面,房间里没有别的东西。一支银色电容麦克风用细线从天花板垂下,挂在两人正中间。左边的表演者对着麦克风说唱,手势自信;右边的表演者笑着指向对方,跟着节拍跳舞,最后一句时凑到麦克风前。固定机位,镜头在胸口高度,一镜到底:不切镜头,不推拉,不平移。不要其他人,不要字幕,不要标志。

好朋友版

好朋友(9:16,12 秒)
用两张参考照片生成一条 12 秒的 9:16 竖屏视频,照片里是两个成年的好朋友。图1里的人在左边,图2里的人在右边,两人都是全身入镜,脸、发型、穿着和体型都与照片完全一致。场景:一间简洁的橙色录音棚,橙色的墙和地面无缝连成一片,一支银色麦克风从天花板垂下,挂在两人之间。前半段,左边的朋友对着麦克风说唱,右边的朋友点头、咧嘴笑,用夸张的手势助兴;后半段两人互换,右边的朋友说唱,左边的朋友做反应。两人的动作各做各的,绝不镜像。固定机位,一镜到底,光线柔和均匀,两人的身体和脚都在画面里。不要多余的人、道具、文字或标志。

祖孙版

老人和成年孙辈(9:16,12 秒)
用两张参考照片生成一条 12 秒的 9:16 竖屏视频。图1是一位老人,站在左边;图2是这位老人已成年的孙辈,站在右边。两人都是全身入镜,各自保留自己的脸、发型、衣服和身高。他们在一间简洁的橙色录音棚里合唱一段说唱,一支银色麦克风从天花板垂下,挂在两人之间。老人对着麦克风说唱,手势缓慢、从容、自信;孙辈一脸惊讶,笑着跟着节拍跳舞,最后一句时加入一起唱。两人的动作都自然、舒适。固定机位,一镜到底,录音棚光线均匀:不切镜头,不推拉,不平移,不要其他人,不要字幕。

动漫或卡通角色版

请用你自己画的角色,或者你有权使用的角色;知名角色的版权属于别人。

插画角色(9:16,12 秒)
用两张参考图生成一条 12 秒的 9:16 竖屏视频,图里是两个原创插画角色。图1里的角色站在左边,图2里的角色站在右边,都是全身入镜,各自的画风、配色、比例和服装都与原图完全一致,并用这种画风来呈现两个角色。他们在一间简洁的橙色录音棚里合唱一段说唱,一支银色麦克风从天花板垂下,挂在两个角色之间。左边的角色对着麦克风说唱,手势丰富、有表现力;右边的角色做反应,指向对方,跟着节拍跳舞。固定机位,一镜到底,不切镜头,不推拉,不平移。不要多余的角色,不要文字,不要标志。

宠物版 Hotel Lobby AI 提示词

最早爆火的一批 Hotel Lobby 视频里就有猫和狗,是用其他工具做的(在这里看)。每只动物用一张清晰的照片,全身都要拍进去。

宠物(9:16,12 秒)
用两张宠物参考照片生成一条 12 秒的 9:16 竖屏视频。图1里的动物用后腿直立,站在左边;图2里的动物站在右边。两只动物各自保留自己的品种、脸、眼睛颜色、毛色花纹、体型和项圈。它们在一间简洁的橙色录音棚里,一支银色麦克风从天花板垂下,挂在它们之间。左边的动物跟着节拍动嘴,用前爪比划,就像在对着麦克风说唱;右边的动物跟着节拍点头,看向镜头,随着节拍舞动。身体结构自然:每只都是四条腿、一条尾巴,从耳朵到爪子都完整地出现在画面里。固定机位,一镜到底。不要人,不要多余的动物,不要文字。

在我们的生成器上,不管是人还是宠物,这些提示词都用不着:提示词已经内置,宠物说唱视频页会把生成器设好,放你的宠物和它的搭档。我们测试过人和狗同台;猫、两只宠物同框还没有测试。

常见翻车和解决办法

问题可能的原因解决办法
脸走样,或者看起来像另一个人照片是侧脸、戴了墨镜,或者脸太小用正脸、光线好的半身照
两个人站反了提示词没有把每张照片绑定到一侧写明左边和右边的表演者各对应哪张图
多出第三个人模型从参考视频或照片背景里复制了人保留“不要多余的人”和“忽略照片的背景”
画面上冒出文字模型自己加了字幕保留“画面上不要字幕或文字”
口型对不上音频没附音频,或者音频开头是空白附上音轨,并从有歌词的地方开始
橙色四周出现黑边提示词要了参考视频里没有的运镜保持参考视频的取景,并要求橙色铺满整个画面
出来的是新音乐,不是原音轨模型自己写了配乐(我们测试时 Seedance 2.x 就是这样)换用能保留参考音轨的模型,比如 Wan 3.0

或者干脆跳过提示词

在 Hotel Lobby Video 上,这段提示词、参考视频和参考音轨都已经内置。你只要放两张照片,然后点生成。Wan 3.0 上 12 秒、480p 的视频 6 积分。

跳过提示词:直接用两张照片试试

常见问题

Hotel Lobby AI 潮流用什么提示词最好?

能把这几件事写死的提示词:录音棚、唯一一支吊麦、哪张照片站哪一边、每个人做什么。上面这段就是我们的生成器给每个视频用的提示词。

这段提示词适用于哪些 AI 模型?

第一段我们用在 Wan 3.0 上,它会保留参考音轨;AI 说唱版用在 Seedance 2.x 上,它会自己写音乐。两者都能接收参考图、参考视频和参考音轨。其他模型需要换成它们自己的引用语法,而且不一定三样都支持。

有给宠物用的 Hotel Lobby AI 提示词吗?

有,就是上面的宠物版,适用于能上传两张照片的工具:每只动物一张照片,各自对应一侧,用后腿直立,身体结构保持自然。在 Hotel Lobby Video 上不用写提示词:宠物说唱视频页已经为宠物和它的搭档设好。我们测试过人和狗同台;猫、两只宠物同框还没有测试。

这些提示词能粘贴到 Dreamina、可灵(Kling)或其他工具里吗?

这五段只用照片的提示词,是为能上传两张参考照片的图生视频工具写的。把图1、图2 换成你所用工具对照片的叫法,左右位置保持不变。我们没有在其他工具里测试过它们。

做 Hotel Lobby AI 视频一定要写提示词吗?

用两张照片的生成器就不用。在 Hotel Lobby Video 上提示词是内置的,你只需要添加照片。

资料来源

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