Toc Toc 舞是什么？用一张照片做 AI 敲门舞视频的教程

“Toc toc”是法语和西班牙语里敲门声的写法，这段舞就是围绕这个敲门动作编出来的。一个人，通常独自待在房间里、正对镜头，快速跳完一小段动作：敲一扇看不见的门，单脚跳、另一条腿抬起，摆动双臂，踢腿，然后在下一拍再来一遍。

这股热潮在 2026 年秋天于 TikTok 和 Instagram 上火起来，很多人也会搜“Jean Phil 舞”。不少版本都是在普通房间里拍的，画面里除了舞者什么都没有，这本身就是笑点的一部分：场景一本正经，表演却投入得离谱。

既然每个版本的动作都一样，有意思的就是谁在跳。这正是 AI 模板擅长的事：舞蹈固定不变，换的只是舞者。

大多数 AI 视频玩法要模型根据提示词凭空编出一段表演，问题也就出在这里：节奏会跑偏，动作对不上音乐，人也一秒一个样。Toc Toc 舞避开了这些问题，因为表演本来就已经存在，模型只需要换掉表演的人。

• 只有一个人。不用让一群人保持一致，所以一张照片就够了。
• 全身入镜，房间简单。动作在手机屏幕上看得清清楚楚，背景里也没有东西抢舞者的戏。
• 大约十秒。够跳完整套动作，也短到让人愿意循环再看一遍。
• 音乐和节奏是固定的。每一下敲门本来就落在节拍上，模型不用自己去找拍子。
• 不用写提示词。你不用描述舞蹈、不用选运镜，也不用上传参考视频，只要上传一张照片。

模板是一段已经做好的竖版短片：一位穿白衬衫、绿裤子的舞者，在一间有白色房门和五斗柜的简朴卧室里，用大约十秒跳完整套动作。里面有敲门、双臂摊开耸肩、高抬腿单脚跳、踢腿，还有一个露出舞者背影的快速转身。

点生成之后，你的照片和整段模板会一起交给可灵 4.0 Flash。它是可灵 4.0 的快速版，做的是编辑一段现有的视频，而不是从零生成。它收到的指令是：把舞者从头到脚换成照片里的人，其余一切原样保留，包括房间、镜头、节奏、每一个动作和每一个表情。整段视频一次编辑完成，所以从第一帧到最后一帧，连转身那一下在内，都是同一张脸、同一身衣服。

模板自己的配乐原样保留在成片里，所以敲门声正好落在原片里的位置。最后拿到的是一段 10 秒的竖版 MP4，720 × 1280，带声音。

视频模型哪怕是快速档，编辑也是按秒计费的，而带上参考视频，计费时长还要翻倍，所以一段视频要 520 积分，而不是寥寥几个积分。不需要订阅，生成失败时积分会自动退回。

大多数让人失望的结果，问题都出在照片上。模型换的是整个人，不只是脸：发型、身材、衣服和鞋子都来自你的照片。照片里没拍到的，模型只能自己编，而编出来的细节恰恰最容易在帧与帧之间晃动。

这一点对舞蹈比对人像更要紧。高抬腿会露出裤子和鞋，摆臂会露出袖子，单脚跳能看出衣服怎么动，转身会露出你的背影。一张从头到脚的照片把这些都交给了模型；一张自拍只给了它一张脸，领口以下全靠猜。

如果照片只拍到腰，模型会按同样的风格把衣服补全，所以半身照也能用，只是还原度低一些：视频里的裤子和鞋是模型尽力猜出来的，不是你自己的。

• 要用只有一个人的照片，站着、面向镜头，最好从头拍到脚。
• 要用白天的自然光，或者柔和均匀的室内光。硬侧光会把脸劈成两种曝光。
• 要请别人站在几步外帮你拍。身后是一面素墙会更好。
• 要穿上你想穿着跳舞的衣服。夹克还是夹克，运动鞋还是运动鞋。
• 不要戴墨镜、口罩，也别让手或头发挡在脸前。
• 不要加美颜滤镜或重度 HDR。磨皮效果会变成视频里那个人的皮肤。
• 不要用合照，也不要用手机挡住脸的对镜自拍。

把照片放进上传框，点生成。视频需要几分钟，所以不用一直开着页面：它会在历史记录里等你，历史卡片上会显示已经跑了多久。

如果任务失败，520 积分会自动退回。先用同一张照片重试，别急着改别的；很多失败是排队或安全审核的问题，不是照片的问题。如果任务成功了，但舞者不像照片里的人，先换照片：更亮、更近、正对镜头。光是这一处改动，能救回的结果就比其他任何办法都多。

从历史记录里下载 MP4，像发其他短片一样发到 TikTok、Instagram Reels 或 YouTube Shorts。它本来就是竖版，也已经带了音乐。

如果更想用这股热潮里的某段音效，就在上传时从 App 的正版曲库里选，再把原声调低。平台要求标注 AI 生成时就标注，也不要把它说成任何人的真实录像。

自己的那段做好之后，这个玩法几乎适用于任何你能拍清楚的对象，前提是对方同意。

• 从不对着镜头跳舞的朋友。先问过对方，用他自己的照片，并且在给别人看之前，先把短片发给他本人。
• 你家的猫狗。用一张拍到整只动物的清晰照片，舞者就会变成你的宠物，直立起来，做同样的单脚跳和敲门。毛发、爪子和比例的效果比人更不稳定。
• 你自己设计的角色或吉祥物。一张清晰的全身图能给模型最多的信息。
• 生日和祝福短片。让过生日的人来跳这段舞，用短片代替贺卡。

几乎所有让人失望的结果，都能追溯到下面某一条，大致按出现频率排序。

• 贴得很近的自拍。脸没问题，但视频里的衣服和鞋是编出来的，单脚跳和转身时就会走样。
• 从下往上拍的照片。它会把下颌拍宽、把腿拍短，而模板的机位是和眼睛齐平的。
• 背景杂乱或者太暗的照片。模型得先把人从背景里分离出来，才能重建这个人。
• 名人或陌生人。除了没有征得同意，一旦涉及能被认出来的公众人物，平台规则和权利问题也就跟着来了。
• 一次结果不好就同时改好几处。先换照片，否则你没法判断到底是哪一处起了作用。

同样叫 Toc Toc 舞生成器，做的事情却各不相同。付钱之前问几个问题，就知道自己实际拿到的是什么。

• 它是编辑一段固定模板，还是根据提示词生成舞蹈？模板能保住节奏，提示词往往会跑偏。
• 它换的是整个人，还是把一张脸贴到别人的身体上？
• 短片多长、什么分辨率、有没有水印？
• 下载的视频里有没有音乐，音乐是谁的？
• 渲染失败时，积分会自动退回吗？
• 它有没有说清楚会怎么处理你的照片、保存多久？