简短的回答
普通照片本身无法像视频一样保存完整音乐音轨。要制作可分享的图片配乐视频，请在“生成视频”上传音频，再把照片设为背景。纯音乐或封面视频可关闭字幕，并按需开启频谱，最后下载 MP4。
准备可公开使用的音频和图片
使用自己的录音，或已获公开使用许可的音乐与图片。支持 MP3、WAV、M4A、AAC、FLAC、OGG，也可使用受支持视频的音轨。音视频单文件最多 100 MB、10 分钟；JPG、PNG 或 WebP 背景最多 5 MB。
先设置画幅并检查图片裁剪
横向封面可选 16:9，竖屏短片选 9:16，方形构图选 1:1。上传背景后检查裁剪，把人脸、图片署名和重要文字保留在画面内。此流程使用一张背景图，不是多图幻灯片。
选择静态封面或音乐频谱
只需要图片和音乐时可关闭字幕。关闭频谱会使用静态图片效果，开启则显示动态频率柱。上传音轨仍会保留。频谱展示频率能量，不是精确节拍图，也不会识别乐器。
需要歌词时再开启字幕
带人声歌曲可以开启字幕并选择演唱语言。自动识别可能漏词，需要在结果编辑器中校对文字与时间。纯音乐没有可识别的演唱歌词。关闭字幕会跳过识别，但不会去除人声。
下载 MP4 并带声音检查
以 720p 或 1080p 导出 H.264 视频和 AAC 音频。播放开头与结尾，检查裁剪、音量及文字。输出是视频文件，不是 MP3、永久公开托管链接或自动发布的社交帖文。需要 Google 登录，当前免费并受共享资源限制，私有文件 14 天后到期。
常见问题
可以只给照片配音乐，不加字幕吗？
可以。关闭字幕即可，也可以关闭频谱以保留静态背景。导出的 MP4 会保留声音。
可以下载为带音频的图片吗？
输出为 MP4，因为它包含有时间长度的音轨和视频画面，不会把 JPG 或 PNG 修改成音频文件。