一台 Mac,最后一条:《LAST TAKE》是怎么拍成的
外景片场的雨,一首歌,还有站在麦克风前的 Bizarro。《LAST TAKE》的每个镜头、每个音符,都来自一台 M4 Max 上的光幻(Phosphene)。以下是值得记下的设置、渲染耗时,以及踩过的坑。

麦克风老是跑到 Bizarro 嘴前。舞台灯亮起来,闪了几下,又灭了。有几条生成出来,画面里还多出一张脸。拍《LAST TAKE》时,不少时间都花在对着 Mac 说“再来一条”上。
成片全长 64 秒。外景片场的雨。空荡的舞台醒了过来。Bizarro,也就是 Mr Bizarro 留着小胡子的化身,先坐上导演椅,再对着旧麦克风唱起来。每一帧画面、每一个音符,都来自一台 MacBook Pro 上的光幻(Phosphene)4.19:M4 Max,64 GB 内存。全程没有云端渲染。
先从歌曲开始
这首歌定下了影片的骨架。Music Studio 由 YuE2 驱动,根据原创歌词生成整首歌:外景片场的雨,一盏还没熄灭的灯泡,一段关于“最后一条”的副歌。在最终版质量、90 秒上限下,渲染花了大约 70–90 秒。
在节拍之间剪了一刀,主歌因此短了一截。这给片头标题卡留出 4.5 秒,也让画面剪辑落在节拍上,或紧贴节拍。
应用自带的人声分离功能把歌声单独拆了出来,主歌部分再把这一轨静音。唱到“Roll the camera”时,人声进来,画面里的摄影机也正好开始转动。一个小剪辑,让这个镜头有了往下走的余地。
逐个镜头看影片
| 时间 | 镜头 | 模式 |
|---|---|---|
| 0:00 | 黑底标题,钢琴前奏 | Music Studio |
| 0:04 | 外景片场的雨和闪电 | 添加声音 |
| 0:09 | 舞台灯从一盏长明灯亮起 | 关键帧,然后延长 |
| 0:19 | 缓慢推近导演椅 | 延长两次 |
| 0:34 | 旧摄影机开始转动 | 快速高清 |
| 0:38 | Bizarro 对着麦克风唱歌,镜头环绕 | 对口型,只听人声 |
| 0:48 | 最后一句用特写 | 对口型,只听人声 |
外景片场这组镜头,最初是一段 LTX-2.5 高画质片段。先去掉它的原声,再用 Hailuo H3 的“添加声音”做出雨声、雷声和脚步声。画面完全保持原样。
舞台部分,H3 拿到两张静帧:黑暗中的一盏长明灯,以及整套灯光设备。一次 10 秒的关键帧尝试过了头,画面又闪了回去。两帧相隔 5 秒,再接一次 5 秒的延长,就成了。成片用的就是这一条。
这个推镜头从一张静帧开始。两次延长之后,它变成了一段连续 15 秒的运镜。
唱歌部分,H3 的“只听人声”让口型跟着人声走,而不是跟着鼓点。一个 20 秒的环绕镜头在第三个生成窗口之后开始漂移,麦克风于是挡在了 Bizarro 嘴前。把最后 10 秒单独拆出来做成特写,就解决了。
实际渲染耗时
以下数据来自那台 64 GB 内存的 M4 Max,画质开在高画质档,适用时启用快速版适配器。大多数任务都在队列里跑了一整夜。
| 任务 | 耗时 |
|---|---|
| 歌曲,90 秒 | 70–90 秒 |
| 一张 LTX 静帧 | 151–191 秒 |
| LTX 片段,5 秒,高画质 | 261 秒 |
| H3 关键帧,5 秒 | 约 9 分钟 |
| H3 图生视频,5 秒 | 553 秒 |
| H3 延长,+5 秒 | 约 11 分钟 |
| H3 添加声音,5 秒 | 583 秒 |
| H3 对口型,10 秒 | 1,176 秒 |
让角色保持一致
Bizarro 是创作者以自己为原型的形象,本片使用这一形象已征得他本人同意。每一条都对照他自己的训练照片,检查角色一致性。在那套评分标准下,训练照片本身的得分是 0.76–0.78。片中静帧的得分是 0.73–0.76,15 秒的推镜头则保持在 0.67–0.76。
这些数字有助于比较各条生成结果。但背景里多出一张脸,或者麦克风挡住了嘴,这一条还是得弃用。镜头可以在本地生成,但依然需要剪辑师的眼力。
试试你自己的版本
Hailuo H3 需要一台内存至少 16 GB 的 Mac。两个视频引擎加上 Music Studio,大约要预留 125 GB 磁盘空间;这部片子是在 64 GB 内存的 Mac 上完成的。光幻(Phosphene)免费,第一条没拍好,下一条也免费。
先安装光幻(Phosphene),再从一个你想看的镜头开始。整部片子可以以后再拍。