怎么把一段语音做成 Hotel Lobby AI 视频
先说结论:想把一段语音做成 Hotel Lobby AI 视频,就用手机的录音 App 录好这段话,在用自己的歌页面作为「你的歌」上传,拖动橙色框选中你想要的那一段,然后生成。左边的人会对着吊麦给你的录音对口型,右边的人在旁边助兴。它在 Wan 3.0 上运行,最多用 15 秒,价格和用 Hotel Lobby 音轨一样:12 秒、480p 6 积分。
网站不能在浏览器里录音,所以语音要用手机的录音 App 录。2026 年 10 月 5 日,我们在 iPhone 模拟器(iOS 26.5)的 Safari 上检查过上传步骤。我们还没有发布过用语音做出来的成片,所以讲效果的那一节写的是生成器的设定,不是我们实测的结果。
更新于

语音备忘录 · Hotel Lobby AI
你的录音,他们来唱
- 录音
- 上传
- 对口型
你的语音会经过什么处理
- 你选好文件。页面上写的是 MP3、WAV 和 M4A;AAC 和 OGG 也能打开。文件多长都行。
- 你拖动橙色框,选中想要的那一段。框的长度和视频一样:在 Hotel Lobby 舞台上是 5、8、10、12 或 15 秒。
- 浏览器把这一段剪出来,只上传这一段。需要剪切或转换格式的,会以 WAV 文件上传。
- Wan 3.0 生成左边的人对着它对口型的画面,你的录音就是视频的声音。模型会被要求保持你的音频原样:不会克隆或改变你的声音。
你的声音,TA 们的脸
在这里上传你的语音
已经为你选好「你的歌」:加两张照片,选择文件,把橙色框拖到你想要的那一段。
怎么录一段好对口型的语音
- 控制在 15 秒以内,或者多录一些,再挑最好的那段。
- 一开始就说话。网站不会去掉静音,开头安静,画面上的嘴就是闭着的。
- 找个安静的地方录。背景噪音不会被清理掉。
- 说或者唱得清楚一点,比平时聊天稍微慢一点。
- 想要垫一段伴奏?录的时候用另一个音箱放出来,或者先在剪辑软件里混好。所有东西都作为一个文件上传。
- 先写下来。12 秒能说的不多:英文大约 25 到 35 个词,中文也就两三句话。
三段可以直接录的短稿
- 生日:“奶奶生日快乐!七十岁的你还是这么好看。打麻将还是赢我,每场婚礼还是第一个跳舞,有事还是第一个打给我。爱你!”
- 祝酒:“敬小丹和阿杰:十年、两只狗、一张特别吵的沙发。为全场最佳搭档干杯!”
- 开场:“女士们先生们,从群聊一路走到大舞台:独一无二的阿马,今晚现场登场!”
把手机里的语音传进浏览器
在 iPhone 上
- 在「语音备忘录」里,点这条录音,点「更多」,再点「共享」,然后选「保存到“文件”」(Apple 支持)。它会存成一个 M4A 文件。
- 在生成器上,点声音那一行的「更改」,选「你的歌」,再点「选择文件」。
- Safari 会打开文件选择器(「最近项目」「共享」「浏览」),里面没有「语音备忘录」按钮。找到你保存的那条录音,点它。
在安卓手机或电脑上
用录音 App 里的分享或保存功能,把录音存成一个文件,再用「选择文件」选中它。在电脑上,任何 MP3、WAV 或 M4A 文件都可以。安卓的录音 App 我们还没测试过。

选好片段,生成视频
- 在波形上拖动橙色框。上面那行会显示它的位置,比如“使用 0:00.0 – 0:12.0 共 0:15.3”。
- 点「试听选中的这一段」听一下。
- 如果录音比视频短,页面会告诉你结尾有几秒没有人声。选短一点的时长就能避开。
- 把要说这段话的人放在左边。
- 点「生成视频」。价格和用 Hotel Lobby 音轨时一样。

成片会是什么样
- 左边的人对口型,右边的人助兴。一条视频里,两个人不能对着同一段录音一起对口型。想让你们各说一段,见双人对口型。
- 口型跟着人声走:吐字清楚有帮助;含糊不清,或者人声下面的音乐太响,都会让口型更难对上。
- 除非你同时上传了「你的片段」,动作就是 Hotel Lobby 那一套。
- 每试一次都要花积分。生成失败会自动退款。
- 我们还没有发布过用语音做的测试视频。用 Hotel Lobby 音轨时,我们的测试成片里音轨几乎原样回来;一段录音应该也一样,但我们没有测量过。
语音配上你自己的动作
把「你的片段」作为动作上传,把语音作为「你的歌」上传:片段决定你们俩怎么动,录音决定左边的人说什么。片段怎么准备,见用你自己的参考视频。
常见问题
能在网站上直接录音吗?
不能。用手机的录音 App 录好,存成文件,再作为「你的歌」上传。
哪些语音文件能用?
MP3、WAV 和 M4A(iPhone「语音备忘录」的格式)。AAC 和 OGG 也能打开。浏览器会在上传前做必要的转换。
语音最长可以多长?
文件多长都行。视频会用其中 2 到 15 秒,和你选的视频时长一样。
会改变或克隆我的声音吗?
不会。你的录音就是视频的声音,模型会被要求保持原样。只有画面里的脸跟着它动。
两个人能都说我这段语音吗?
不能。只有左边的人对口型。想让你们各说一段,就做两条视频,把照片左右对调。
把语音做成 Hotel Lobby AI 视频,比用原曲贵吗?
不贵。声音从不影响价格:12 秒、480p 6 积分。
资料来源
接着看
Hotel Lobby Video 是独立工具,与 Quavo、Takeoff、Migos、Quality Control Music、Motown 和 COLORS 均无关联。