AI 视频制作术语表（24 条）

AIGC

AI Generated Content，人工智能生成内容。指用模型生成文字、图片、音频、视频等内容的总称，2023 年后成为视频生产的主流方式之一。

文生视频（T2V）

Text to Video，输入一段文字描述直接生成视频。适合没有素材时快速出概念画面，可控性弱于图生视频。

图生视频（I2V）

Image to Video，用一张静态图作为首帧生成动态视频。商用项目里最常用，因为画面构图可控、品牌元素准确。

首尾帧

指定视频的第一帧和最后一帧，让模型在两帧之间补出运动。用于精确控制镜头起点与落点，减少"抽卡"次数。

抽卡

反复生成直到出现满意结果的行话。一条可用镜头平均要生成 6–15 次，这也是 AI 视频成本的主要来源之一。

数字人 / 口播分身

用真人短视频素材训练出的虚拟形象，可输入文字自动生成带口型、表情、手势的口播视频。企业常用于老板 IP 与知识科普。

声音克隆（TTS）

Text to Speech，用几十秒真人录音克隆音色，再输入文字合成语音。商用需取得被克隆人授权。

口型同步（Lip Sync）

让画面中人物的嘴型与音频对齐的技术。中文普通话场景准确率约 95%，语速过快或方言会明显失真。

角色一致性

同一角色在不同镜头、不同集数里保持长相、服装、气质一致。靠定妆照、多角度参考图与固定随机种子实现，是 AI 短剧的核心难点。

随机种子（Seed）

控制生成结果随机性的数值。固定种子 + 固定提示词，可以复现同一个画面风格，是批量生产一致性的基础。

提示词（Prompt）

描述画面内容的指令，包含主体、动作、镜头、光线、风格、画质等要素。写提示词的能力直接决定成片质量。

负面提示词

告诉模型"不要出现什么"，如模糊、畸变手指、多余肢体、水印文字。能显著降低废片率。

参考图（Image Reference）

给模型提供风格或人物参考的图片。用于锁定品牌色调、产品外观、人物长相。

LoRA / 微调

在基础模型上用小样本训练的轻量模型，用于固定某个角色、某种画风或某个产品。企业做长期内容资产时常用。

运镜

镜头运动方式，如推、拉、摇、移、跟、环绕。AI 视频里通过提示词或运镜参数控制，决定片子的"电影感"。

分镜（Storyboard）

把脚本拆成一个个镜头，标注景别、画面内容、时长、台词。分镜是 AI 视频与实拍共用的生产图纸，也是控制成本的关键。

景别

镜头取景范围：远景、全景、中景、近景、特写。口播类视频以中近景为主，产品类需要特写交代材质。

多模态

模型能同时理解文字、图片、音频、视频等多种输入。多模态能力让"上传产品图 + 一段文案直接出片"成为可能。

局部重绘（Inpainting）

只重新生成画面中的某个区域，比如换掉背景里的杂物、修正变形的手指，不必整帧重做。

超分（Upscale）

把低分辨率画面放大并补细节，常用 2K/4K 交付。AI 生成的原片通常 720P–1080P，商用交付需超分处理。

抠像 / 透明通道

把人物或产品从背景中分离出来，用于合成到品牌场景。AI 抠像对发丝与半透明材质的处理已接近可用水平。

MG 动画

Motion Graphics，图形化动态设计，常用于数据可视化、流程讲解、产品原理演示。与实拍、AI 生成画面可混合使用。

二创 / 二次剪辑

在已有成片基础上重新剪辑、换配音、换字幕，产出适配不同平台或不同卖点的版本。AI 让二创的边际成本接近于零。

交付规格

指分辨率、帧率、码率、封装格式等技术参数。商用短视频通常交付 1080P/25fps/H.264 MP4，大屏投放需 4K 与更高码率。

术语解释基于 2026 年主流工具的通行用法，不同厂商叫法可能略有差异。