用两张照片生成「58 楼」式对唱视频的实操方法

作者用 Seedance 2.0 Fast 将两张静态照片与音频结合，生成「58th Floor」风格的双人对唱视频，设置为 720p、15 秒。作者发现仅使用音频作为参考可以绕过真实人脸触发的安全过滤，并建议明确写出约 6 秒处由 A 退到一旁、B 上前接唱。照片宜采用正面半身且一人一张，人物则使用 AI 生成的虚构角色。