Tiny Desk AI 视频怎么做（Outstanding 热梗）：避免人物造型串在一起
本页更新记录
- — 发布：五次 Wan 3.0 实测（一次成功）、防串造型的提示词、脸部打码，以及四张照片的模板。
Tiny Desk AI 是 2026 年 10 月爆火的热梗。素材来自 Charlie Wilson 2023 年 6 月的 NPR Tiny Desk Concert：一整支乐队挤在那张有名的小桌后面，唱 The Gap Band 1982 年的《Outstanding》。10 月 18 日，TikTok 上有人用 AI 把五位刚输球的大学橄榄球主教练放进这支乐队，之后每个周末都有新版本。
同时换四个人比换一个人难得多。我们前四次都失败了，而这类视频最常见的问题是人物造型互相串：原视频里或另一张参考图里的帽子、外套、发际线跑到了别人身上，结果谁都不太像自己的照片。下面是我们怎么解决的、完整提示词和花了多少积分。
为什么这个梗换完人会不像照片
模型会过拟合它看得最多的东西。视频转视频时，原视频里的人每一帧都在，而你的参考图只出现一次。于是它容易把两者混在一起：给你朋友保留原来教练的白帽子，把视频里的红外套和照片里的衣服揉在一起，或者脸长成原来的人和你朋友之间的样子。
四个人时更严重。模型还会把参考图之间互相混，图 2 的发型可能出现在图 3 的人身上。最后每个人都有点不对劲，梗也就不好笑了，因为整个笑点就在于认出乐队里是谁。
我们做的两处改动
改动一：把原视频里的脸打码
我们先把热梗视频里每个人的脸都打了马赛克再用。没有原来的脸可以照抄，模型只能从参考图里拿脸，不会再取两者的平均。身体、握拳打拍子、镜头和房间都还看得清，动作和节奏照样能保留。
改动二：在提示词里说明原来的衣服只是标签
要告诉模型谁换成谁，就得描述原视频里的人（「穿红外套的人」），可正是这句描述让模型保留了红外套。所以提示词里直接写明：这些衣服只用来区分谁是谁，每个新角色必须完整使用自己参考图里的造型，不保留原来的帽子和配饰。因为有位教练的帽子总是回来，我们又加了一句「No one wears a hat」。
Replace the people in the video with the characters in the reference images. Keep the original camera, cuts, timing, movements, and expressions. Replace the person on the left in the white shirt and headset with the character in image 1. Replace the person sitting in the middle in the white cap with the character in image 2. Replace the person on the right in the red jacket with the character in image 3. Replace the person in the close-up wearing a red cap with the character in image 4. The clothing described above is only for identifying who is who. Each new character must fully use the hairstyle, outfit, and look from their reference image. Do not keep any hats, clothes, or accessories from the original people. No one wears a hat. Clear, natural faces matching the reference images. Same background and props. Realistic, consistent identity, no extra people.
方法一：用视频转视频 AI 自己做
- 保存视频。 从 TikTok 保存一个 Tiny Desk AI 版本的 MP4，剪出你要的部分。视频转视频模型最多接受 15 秒左右；我们用的是 11.5 秒、720×1280，从第 1 秒多一点开始剪，让画面一开头就是乐队。
- 给人脸打码，任何剪辑软件都行，每张脸盖一块马赛克或模糊就够。
- 选四张照片。 每张一个人，脸朝镜头，半身、能看到衣服。照片里穿什么，视频里就穿什么。
- 设置「视频」页： 引擎选 Wan 3.0 Prime，源视频放打码后的那段，四张照片依次作为图 1 到图 4，比例和时长跟随源视频，480P，开启声音。
- 粘贴上面的提示词，把四个位置描述改成和你视频一致。点「生成」，结果会出现在「我的视频」，失败自动退积分。
实测：哪里成功、哪里还会出问题
2026 年 10 月 26 日，我们用同一个提示词跑了五次。前四次失败（三次 Wan 3.0 Prime、一次 Wan 3.0），没有出视频，积分自动退还。第五次用 Wan 3.0 Prime 成功：四个角色都保留了自己的发型和衣服，原视频的帽子没有再出现，镜头、握拳动作和歌声都和热梗视频对得上。
仍会出问题的地方：最左边站着的人画面小，还经常半个身子出画，所以这个位置最不像。把你最不在意的照片放这里，最清楚的脸放中间弹琴的位置或特写位置。
| 我们的实测 | |
|---|---|
| 模型 | Wan 3.0 Prime |
| 时长 | 12 秒，竖屏 9:16 |
| 分辨率 | 480p，带声音 |
| 参考图 | 4 张，每张一个角色 |
| 尝试次数 | 5 次（4 次失败，已退积分） |
| 积分 | 370 |
| 耗时 | 约 1.9 分钟 |
方法二：直接用现成的 Tiny Desk 模板（四张照片）
我们把成功的这次做成了模板：打码后的视频、Wan 3.0 Prime、上面的提示词和设置（12 秒 · 480p · 竖屏 · 带声音）都配好了，你只需要放照片。
- 打开 Tiny Desk AI 模板，模板已经加载好。
- 把四张照片放进四个位置：左边站着、中间弹琴、右边站着、特写。
- 点「生成」。视频好了会出现在「我的视频」，可以直接关掉页面。下载无水印 MP4。
常见问题
Tiny Desk AI 热梗里是什么歌？
The Gap Band 1982 年的《Outstanding》，由 Charlie Wilson 在 2023 年 6 月的 NPR Tiny Desk Concert 上演唱。
为什么 AI 会给我朋友戴错帽子、穿错外套？
模型会过拟合每一帧都出现的原视频，把它和你的照片混在一起。我们实测中，给原视频人脸打码，并在提示词里写明原来的衣服只用于区分谁是谁，解决了这个问题。
为什么要给源视频里的脸打码？
原来的脸被遮住后，模型只能从你的参考图里拿脸，就不会再取两者的平均。动作和节奏照样能从身体上保留下来。
要多久、花多少积分？
我们成功的那次用 Wan 3.0 Prime，12 秒、480p、带声音，大约 1.9 分钟、370 积分。失败的会自动退积分。
能用明星或教练的照片吗？
只用你自己或已同意的人，不要上传明星或陌生人的照片。这个模板与 NPR、Tiny Desk 和 Charlie Wilson 无关。