如何给视频重绘风格并保留原声
一步步教你用 AI 重绘视频,同时不丢失人声、音乐和环境声:哪个模型能保留原声、如何准备片段、提示词怎么写,以及如何解决音画不同步的问题。

大多数人给视频换风格时,都希望画面变、声音不变。音乐视频要保留人声,口播要保留说话声,滑板片段里板子落地的声音也要落在同一帧上。但很多视频编辑模型会直接丢掉音轨,你只能事后在剪辑软件里重新对齐声音。
本指南会一步步说明如何在 Restyle Video 上重绘视频并保留原声,以及当片段不适合能保留声音的模型时该怎么办。Restyle Video 是独立运营的工作室,与我们所调用模型的开发方(阿里巴巴、快手、字节跳动、Google)没有隶属关系。
哪些模型能保留原声
编辑模型处理声音的方式有三种:
| 模型 | 片段时长 | 音频会怎样 |
|---|---|---|
| Wan 2.7 Video Edit | 2–10 秒 | 开启"保留原声"时保留你的原始音频 |
| Kling O3(Kling 3.0 Omni Transform) | 3–15.5 秒 | 返回无声视频 |
| Seedance 2.5 / 2.0 编辑 | 2–30 秒,视模型而定 | 可以生成新音频,或返回无声视频 |
| Gemini Omni Flash 1.2 | 2–15 秒 | 由模型决定 |
所以规则很简单:如果声音重要,就用 Wan 2.7 Video Edit 重绘。 它是重绘工作室的默认模型,也是列表中唯一会把你的音轨原样保留下来的模型。
第 1 步:把片段剪到 2–10 秒
Wan 2.7 支持 2 到 10 秒的片段。片段更长时,工作室会切换到下一个能处理它的模型,例如最长 15 秒的 Kling O3,并在模型选择器下方显示原因。那个模型不会保留你的音频。
上传前先剪好:
- 选出承载关键时刻的 4–10 秒:副歌、笑点、动作高光。
- 在声音干净的位置下剪,不要剪在半个字上,这样重绘后的片段更容易放回你的剪辑里。
- 文件保持 MP4 或 MOV 格式,小于 95 MB。
重绘按片段秒数计费,所以剪短也能降低价格。在 Wan 2.7 上以 720p 重绘一段 6 秒的片段,费用是 6 × 22 = 132 积分;开始前工作室会显示确切数字。
第 2 步:上传并确认模型
打开重绘工作室拖入片段,或者直接拖进首页的上传框。工作室会在扣费前读取它的时长、尺寸和帧率。
看一下模型选择器下方那一行:
- 选中的是 Wan 2.7 Video Edit,且没有警告:没问题。
- 出现切换提示,例如"片段为 12 秒,Wan 2.7 最长支持 10 秒":回去剪短,或者接受结果是无声的或带有生成的音频。
第 3 步:开启"保留原声"
在 Wan 2.7 的面板里,保持 保留原声 开启(默认就是开启的)。开启后,重绘后的视频会带着你完全相同的音轨回来:人声、音乐和环境声,时间点都和原片一致。
只有当你本来就打算替换声音时才需要关掉它;两种情况下画面是一样的。
第 4 步:写一条保护节奏的重绘提示词
音频之所以能保持同步,是因为模型保留了片段的动作。在提示词里明确说出来,可以帮它做到这一点。一条好的重绘提示词包含三部分:
- 新画风:画材、质感和配色。
- 要保留的:动作、节奏、口型、构图。
- 要避免的:文字叠加、多余的角色、镜头抖动。
例如:
Restyle the video as hand-painted 1990s cel animation with soft film grain and a muted pastel palette. Keep the original motion, timing and lip movement exactly. Keep the framing. No text overlays.
(把视频重绘成 90 年代手绘赛璐璐动画,带柔和的胶片颗粒和低饱和粉彩配色。完全保留原有的动作、节奏和口型。保留构图。不要文字叠加。)
对于对白和演唱,"保留口型"比任何风格词都重要。不写这一句,在黏土动画这类改动较大的画风里,嘴型可能会有轻微偏移。
你也可以选一个预设(油画、水彩动漫、铅笔素描、黏土动画、动漫、3D 卡通、赛博朋克、90 年代动漫),再修改它填好的提示词。
第 5 步:添加风格图(可选)
Wan 2.7 可以在提示词之外再接收一张风格图。一幅画、一张你自己拍的影片截图或一个角色设计,都能把你想要的确切配色和质感展示给模型,这往往是文字做不到的。此时提示词只需专注于要保留什么,画风交给图片。
如果手头没有合适的图,可以在图片工作室里制作:先重绘片段中的一帧,再把这一帧作为风格图。
第 6 步:渲染、对比并下载
测试用 720p,成片用 1080p(每秒 22 或 33 积分)。点击生成后跟随实时状态等待。结果出来后,在查看器里于原片和重绘版之间滑动对比,然后下载 MP4。
积分在渲染开始时预留,失败会自动退还。
片段超过 10 秒怎么办
你有三个选择:
- 拆分。 用同一条提示词和同一张风格图,分别重绘两段各不超过 10 秒的片段,再在剪辑软件里拼接。在素材里原本就有硬切的地方拆分,接缝就不会明显。
- 用支持更长时长的模型重绘,再自己把声音放回去。 Kling O3 最长约 15 秒,Seedance 最长 30 秒。导出原始音频,在任意剪辑软件里把它垫在无声的重绘片段下面,对齐第一帧即可。由于动作被保留,同步通常不会出问题。
- 让 Seedance 生成音频。 如果你只需要氛围声而不是真实录音,Seedance 编辑可以生成新的音轨。
解决音画不同步
- 改动大的画风里口型偏移。 加上"keep lip movement exactly(完全保留口型)",并选择更轻的预设,例如用水彩动漫代替黏土动画。
- 快速运动出现涂抹。 甩镜头和彩纸飞舞对所有模型都很难。放慢镜头,或选一种更松散的画风。
- 重新加回音频后差了一帧。 用清晰的瞬态声音来对齐,比如拍手或脚步声,而不是用片段的开头对齐。
常见问题
保留原声要额外收费吗? 不用。无论是否保留,Wan 2.7 都按 720p 或 1080p 的每秒价格计费。
可以只重绘画面的一部分并保留声音吗? 可以。请看局部重绘提示词指南;"只重绘背景"在开启保留原声时同样有效。
这和加滤镜有什么不同? 不同。滤镜从不处理音频,也从不重画画面。完整的区别请阅读 Restyle、滤镜与视频转视频的区别。
在 Restyle Video 上重绘一个片段
把指南用起来:上传片段,选择预设或风格图,渲染前先看价格。