先确定分屏要传达什么
分屏说唱表演成立的前提，是两幅画面之间有明确的关系：一方挑战、一方回应，同一句歌词的两种视角，或同一角色处于反差强烈的情绪中。先用一句话把这个关系写下来，再据此规划两个各自只占半幅画面也依然成立的镜头。分屏、声音和图形要在外部视频剪辑软件里组装；AI Rap Video Plus 只生成源片段，不生成成片的分屏时间线。
单独的片段不会仅仅因为并排放置就变成同步对唱。每条生成的表演在歌词、节奏、手势和声音上都可能不同。你要先决定成片是交替发言、共享音乐底轨的视觉表演，还是两段明确标注为不同演绎的版本。这个决定会影响哪些嘴部可以露出来、哪些原始音频可以保留。如果必须使用某段现有录音，就应选择支持所需音频控制的工作流程，不要指望场景提示词能还原该录音。
多出来的那一格必须值得占位。如果第二幅画面不提供新信息，单幅全画幅表演可能更有力。分屏会压缩脸部、手部和字幕可用的空间，所以从一个规模小、看得清的互动开始。
设计两幅能共用同一画幅的构图
按最终发布时的画幅比例画一个矩形，并标出分屏线的位置。在草图上画出每张脸、可见的手部动作和文字区域。要把它当作成片构图来处理，而不是先画两个完整镜头、再指望事后能拼得进去。竖分割线给每位表演者一条较窄的舞台；横分割线会改变可用的头顶留白，还可能让这一对看起来像身处两个互不相干的房间。
选择相容的景别。近景的脸配远景的全身，会无意中形成视觉层级，不管你原本想不想。把两边的视线高度和头部大小调到看起来接近，对话式配对通常更容易读懂。刻意拉开这些差别，也可以用来表现关于自信或体量的笑点，但这种反差应当出于设计，不能是意外裁切的结果。
在分割线周围留出空间。源片段被遮罩后，一只越过边缘的手可能突然消失。手势要指向每格内部可用的区域，重要道具要远离边界。可选的参考图能引导外观，但不保证生成出的头身比例、姿势或身份与另一条片段一致。在确定采用配对布局之前，先检查实际输出。
写互补的提示词，不要重复同一份
设想一个呼应式场景：一位表演者待在安静的唱片店里，回应另一位在排练室里动作更活跃的表演者。左格用中近景，主体略偏画面中心左侧，视线朝右。右格用相近的景别，视线朝反方向。两格都保持脸部清晰，把手部动作限制在画面下半部。
两边的视觉指令可以共用一种克制的运镜和相近的背景亮度，同时让各自的房间有自己的性格。一侧蓝色袖子、另一侧铁锈色袖子，或许能帮观众区分两个角色。没必要要求两条片段复现同一套细节布景。相通的是构图，形成对比的是空间。
表演指令要写得紧凑。每个角色只描述一个主导动作和一种情绪质感。不要在同一份简报里同时要求完美交替的台词、镜像对称的编排和相匹配的运镜。这些要求会制造好几个彼此独立的失败点。提交生成前，查看可选的模型、时长和分辨率设置，以及界面显示的积分报价。想清楚这一版候选片段是为了解决哪个不确定因素。
先定一个声音母版，再对画面
把下载的原片导入外部剪辑软件，并为每个文件保留一份未改动的副本。排布画格之前，先逐条听源音频。如果两条都带有不同的生成人声，直接叠放可能变成听不清的重叠。要么选定一个母版音轨，要么明确设计轮换，保证同一时间只有一路主唱在响。任何音乐或额外录音都要落在你的项目授权范围内。
做交替发言时，先铺声音，标出注意力应当在哪个点转移，再挑能支撑这些转换的画面片段。倾听的表情、保持住的姿势或切出镜头，都能让不发言的那一格发挥作用，而不暗示两个人正在说同样的词。实际音频里没有说的话，不要用字幕装作说过。
如果共用一条音乐底轨，两条片段可以作为视觉表演来用，而不是精确对口型的素材。要坦率承认这是一种审美选择。切走明显的嘴部动作能减轻令人分心的不匹配，但不能因此把素材说成音频驱动的表演。描述成片时，要把连贯剪辑与同步声明区分清楚。
处理分屏边界，平衡两格
从普通的干净分屏做起。用编辑器的裁切、遮罩或布局控件给每个源指定画格，然后看着整幅画布调整缩放和位置。每条源都要检查开头、中间和结尾。开头框住脸的裁切，可能因为一个前倾或一次运镜而把脸切掉。调整某一刻的位置可能破坏另一刻，所以要评估整段可用范围。
窄分割线能分隔两个空间，也能遮住略有差异的背景边缘。厚重的装饰边框会把注意力引向版式本身，还占空间。只有当这种图形处理确实支撑概念时才用它。如果给分割线做动画，运动过程中表演必须保持可读；花哨的画格入场可能把一条短片的绝大部分时间都用来解释界面。
在加浓重调色之前，先比较两格的亮度和视觉重量。如果一张脸明显更亮或更大，观众可能忽略另一侧的发言者。可以在剪辑里做适当调整，但不要把某一幅画面推到肤色或背景细节失真的程度。中性裁切或换一段源素材，往往比叠好几层效果更干净地解决平衡问题。
试排唱片店这场呼应
在委托制作额外源镜头之前，先用临时画格搭出这个示例的粗剪版。先让平静的唱片店表演者占据左侧。右侧表演者在倾听，或保持一个有表现力的姿势。到了回应的时候，把主导声音转移过去，让右侧一个小手势成为主要视觉事件。结尾用一个共同的停顿收住，不要强求完全对上的最后动作。
在这个提案式的剪辑里，关系靠注意力和时机来承载，而不是靠同步的嘴。如果唱片店那条片段出现了意料之外的人声句子，要判断这句话是否还支撑这次呼应。你可以改回应、缩短这一轮，或者弃用那条源音频。如果必须精确交付，那么反复要求生成完全相同的台词，并不能可靠地替代选择可控音频的工作流程。
等声音安排稳定后再加字幕。如果声音或画格切换让人分不清谁在说，就标注发言者。每条字幕都要贴近对应画格，让归属显而易见，同时在最终观看环境下保持可读的字号。跨过分割线的字幕可能看起来两边都属于。决定标签是否必要、是否够用之前，先按手机尺寸预览完整构图。
做三轮对照检查
先静音看分屏，描述每个人看起来在做什么。如果关系看起来像两段互不相干的演示，先修改视线方向、构图或顺序，再动声音。接着不看画面只听声音，确认这次呼应本身讲得通。最后把合成画面完整看一遍，记下每一个注意力跑到错误画格的时刻。
做一张检视表，每轮记录预期发言者、实际人声内容、主导视觉动作以及任何裁切问题。记录类似“右手在分割线处消失”或“左侧嘴部在声音结束后还在动”的观察。这类笔记能指向具体修改。笼统地说合成“感觉别扭”，几乎无法判断问题出在源素材还是版式。
把分屏版和用同样素材做全屏切换的版本放在一起比较。请一位审阅者说说哪个版本更容易跟上这次呼应、为什么。这是剪辑上的比较，不能当作观众效果的证据。如果普通剪辑把想法讲得更清楚，就用它。这个练习的目的是证明同时呈现两幅画面确有必要，并非维护一个你已经花时间做出来的效果。
收尾前的几个问题
两条外观不同的片段还能放在一起吗？可以，只要差异服务于一个可读的关系，并且构图给观众一个稳定的比较支点。让角色和声音清楚，比让每处表面都一致更重要。不过，如果由参考图引导的角色发生了显著变化，不要声称连续性有保证；要判断这种差异对这个具体概念是否可以接受。
两条源音频都要保留吗？只有当预期的重叠既听得懂又悦耳时才保留。分别生成的人声往往需要择一使用，不必简单叠加。保留原始文件，方便后续修改时恢复被弃用的句子，同时存一条简短备注，写明哪条是主音轨。
导出前，检查所有画格边缘，完整听一遍每一处声音变化，核对实际字幕文字。再按预期观看尺寸不暂停地看一遍。成功的分屏剪辑会同时给观众两条有用的信息，同时让表演始终只有一条清晰的注意力路径。
