附录 D：AI 视频术语表中英对照

A

AIGC（AI Generated Content）

一句话：AI 生成的内容（文字、图、视频、音频统称）。

打个比方：你画的画 = UGC，AI 画的 = AIGC。

Aspect Ratio（画面比例）

一句话：视频长宽比例，常见 16:9（横屏）、9:16（竖屏）、1:1（方形）。

速查：

• 16:9 → 横屏（B 站、YouTube）
• 9:16 → 竖屏（抖音、快手、视频号）
• 1:1 → 方屏（小红书、Instagram）

API（Application Programming Interface）

一句话：让程序之间互相对话的"接口"。

用处：开发者可以调用即梦、可灵 API 在自己的产品里集成 AI 视频生成。

Avatar（数字人 / 虚拟形象）

一句话：AI 生成的"虚拟人"，可以代替真人出镜、说话、直播。

详见：第十一章。

B

BGM（Background Music）

一句话：背景音乐。

详见：第六章第 7 节。

Bilibili（B 站）

一句话：中国主流视频网站，以中长视频和年轻用户著称。

Bookmarklet / Bookmark（收藏 / 书签）

一句话：在你电脑/手机的浏览器里收藏 AI 工具网址，方便下次直接打开。

C

C2PA（Coalition for Content Provenance and Authenticity）

一句话：一个国际标准，给 AI 生成的内容打上"出生证"水印。

详见：第十五章第 4 节。

Camera Movement（镜头运动）

一句话：摄像机怎么动，影响视频"电影感"。

速查：

• 推（Push In） → 镜头慢慢靠近主体
• 拉（Pull Out）→ 镜头慢慢远离主体
• 摇（Pan）→ 镜头水平转动
• 移（Tracking）→ 镜头跟随移动
• 跟（Follow）→ 镜头跟着主体走

CFG Scale（提示词权重）

一句话：AI 听你提示词的"听话程度"。数值越高越严格，但太高会丧失创意。

默认值：7-10 比较合适。

CGI（Computer-Generated Imagery）

一句话：传统电影里"电脑生成画面"，比如阿凡达。

和 AI 视频区别：CGI 是"人手工做"，AI 视频是"AI 自己生成"。

Coze（扣子）

一句话：字节跳动出品的 AI 智能体搭建平台。

用处：搭建自己的 AI 视频自动化工作流。详见第十二章。

D

DALL-E

一句话：OpenAI 的 AI 图像生成工具。

Descript

一句话：海外的一款 AI 剪辑工具，主打"修改文字 = 修改视频"。

Diffusion（扩散模型）

一句话：当前 AI 视频生成的主流技术，原理是从一片噪声中"逆向恢复"出图像。

人话：AI 像在恢复一张被打散的拼图。

Digital Twin（数字孪生）

一句话：你的"AI 复制版"，可以代替你出镜、说话、直播。

详见：第十七章。

E

ElevenLabs

一句话：英文 AI 配音第一工具，声音克隆需要的样本最少。

Embedding（嵌入向量）

一句话：AI 把你的提示词转成"数字坐标"，方便计算。普通人不需要懂。

F

Frame（帧）

一句话：视频是由一张张静态图（帧）连续播放组成。

速查：

• 24 帧/秒 = 电影标准
• 30 帧/秒 = 普通视频
• 60 帧/秒 = 流畅运动视频

Frame Interpolation（插帧）

一句话：在两帧之间用 AI 插入新帧，让视频更流畅。

例子：用插帧把 AI 生成的 24 帧/秒视频提升到 60 帧/秒。

G

Gen-3 / Gen-4 / Gen-4.5

一句话：Runway 公司的 AI 视频模型版本号，数字越大越强。

GPU（图形处理器）

一句话：跑 AI 模型必须的"算力"，AI 公司服务器全是 GPU。

用户视角：你不需要懂，云端工具背后都是 GPU 算力。

H

HDR（High Dynamic Range）

一句话：高动态范围影像，亮处不过曝、暗处有细节。

用处：出片的色彩更鲜活。

HeyGen

一句话：海外最专业的多语言数字人工具，企业级首选。

Hunyuan Video（混元视频）

一句话：腾讯出品的开源视频模型。

I

Image-to-Video（图生视频，I2V）

一句话：你给 AI 一张图，AI 让图里的画面动起来。

详见：第一章、第五章。

Inpainting（局部重绘）

一句话：选中视频里的某部分，让 AI 重新生成。

用处：去除杂物、替换背景、修复瑕疵。

J

Jimeng（即梦）

一句话：字节跳动出品的国民级 AI 视频工具，新手首选。

JSON Prompt（JSON 结构化提示词）

一句话：把提示词写成"键值对"格式，给 AI 更精准的指令。

详见：第五章第 4 节。

{"主体": "猫咪", "动作": "跳跃", "场景": "草地"}

K

Keyframe（关键帧）

一句话：视频中重要的转折帧，比如"人物从微笑→皱眉"那一刻。

Kling（可灵）

一句话：快手出品的 AI 视频工具，画面质量国内顶级。

L

Latent Space（潜在空间）

一句话：AI 内部用来"想象"图像的多维空间。普通人不需要懂。

LLM（Large Language Model）

一句话：大语言模型，比如豆包、ChatGPT、DeepSeek。

和视频关系：写脚本时用 LLM。

Looping Video（循环视频）

一句话：从尾自动接回头的无缝循环视频。

例子：水流声、火苗跳动、慢动作雨景。

Luma

一句话：海外 AI 视频工具，主打 Dream Machine 模型。

M

Matting（抠图 / 抠像）

一句话：把视频中的前景（人物）和背景分离。

用处：换背景、加特效。

MidJourney

一句话：海外顶级 AI 图像生成工具。

Multimodal（多模态）

一句话：AI 可以同时理解多种"模态"（文字、图、视频、音频）。

N

Negative Prompt（负面提示词）

一句话：告诉 AI "不要做什么"，过滤不想要的元素。

例子：正面：美丽女性 / 负面：模糊、变形、多余手指

详见第五章第 5 节。

O

Opus Clip

一句话：海外 AI 自动剪辑工具，把长视频自动切成短视频。

P

Pika

一句话：海外 AI 视频工具，新手友好，质量中等。

Prompt（提示词）

一句话：你告诉 AI 想要什么的"指令"。

详见：第四章、第五章。

PromptCraft / Prompt Engineering（提示词工程）

一句话：写好提示词的"手艺"。

Q

Q&A（Question & Answer）

一句话：问答。

R

Render（渲染）

一句话：AI 把你的提示词"算"成视频的过程。

Resolution（分辨率）

一句话：视频清晰度。

速查：

• 720P = 1280×720（普通）
• 1080P = 1920×1080（高清，主流）
• 4K = 3840×2160（超清）

Runway

一句话：海外专业 AI 视频公司，Gen-4.5 是当前主力。

S

SEED（种子值）

一句话：AI 生成的"随机数"。同一个种子 + 同一个提示词 = 完全一样的结果。

用处：保证多次生成画面一致。

Sora

一句话：OpenAI 的视频模型，2026 年 Sora 2 是顶级之一。

Storyboard（分镜脚本）

一句话：把视频拆成一个个画面（镜头）的"草图"。

详见：第十二章第 3 节。

T

TikTok / Douyin（抖音）

一句话：字节跳动旗下的短视频平台。

Token（令牌）

一句话：AI 处理文字的"最小单位"，1 个汉字 ≈ 1-2 token。

用处：付费的 AI 工具按 token 算钱。

Text-to-Video（文生视频，T2V）

一句话：你只给 AI 一段文字，AI 直接生成视频。

TTS（Text-to-Speech）

一句话：文字转语音。

详见：第六章。

U

Upscale（放大）

一句话：把低分辨率视频放大到高分辨率。

工具：Topaz Video AI、Runway Upscale。

V

Veo

一句话：Google 的 AI 视频模型，Veo 3 主打物理逻辑和音频。

Video-to-Video（视频生视频，V2V）

一句话：用一段已有视频做参考，AI 生成"风格类似"的新视频。

例子：把你拍的真人视频转成"动漫风格"。

Vidu

一句话：国内 AI 视频工具，角色一致性强。

W

Watermark（水印）

一句话：图 / 视频上的"图章 / 标记"。

两种：

• 可见水印：显示 logo（防止盗用）
• 隐性水印：肉眼看不见，AI 检测得到（如 C2PA）

Workflow（工作流）

一句话：从开始到结束的标准化流程。

详见：第十二章。

X / Y / Z

X.com（前 Twitter）

一句话：海外短文社交平台。

YouTube

一句话：全球最大视频平台。

中文术语表（按拼音排序）

必剪

一句话：B 站旗下手机剪辑工具。

处理 / 后期

一句话：拍/生成完之后的剪辑、调色、加音乐等流程。

大模型

一句话：参数量很大的 AI 模型，比如豆包、可灵都是大模型。

抖音

一句话：字节跳动旗下短视频平台，月活 7 亿+。

短视频

一句话：1-3 分钟内的视频，2026 年主流流量入口。

分镜

一句话：把一段长视频拆成几个镜头的设计图。

风格化

一句话：把视频做成特定风格（电影、动漫、复古等）。

工作流

一句话：标准化的"流水线"。

海螺

一句话：MiniMax 出品的 AI 视频工具，画面美感强。

海外

一句话：泛指国内访问需要梯子的工具，如 Sora、Veo、Runway。

混元

一句话：腾讯出品的开源大模型。

即梦

一句话：字节跳动出品的 AI 视频工具。

剪映

一句话：字节跳动出品的国民级剪辑 App，月活 5 亿+。

矩阵号

一句话：同一个团队/个人运营多个账号。

可灵

一句话：快手出品的 AI 视频工具，画面顶级。

抠图

一句话：把人 / 物体从背景里"抠"出来。

流水线

一句话：标准化的内容生产链路。

萌宠

一句话：可爱宠物，AI 视频常见赛道。

起号

一句话：从 0 粉运营到 1 万粉的"开张"过程。

数字人

一句话：AI 生成的虚拟人物。

通义万相

一句话：阿里出品的 AI 视频工具。

文生视频

一句话：文字描述生成视频。

西瓜视频

一句话：字节跳动旗下中长视频平台。

喜马拉雅

一句话：音频内容平台，AI 配音常用。

智影

一句话：腾讯出品的 AI 视频/数字人工具。

字幕

一句话：视频底部的文字。

易混淆术语对比

"AI 生成视频" vs "AI 剪辑视频"

• AI 生成：AI 凭空创造画面（即梦、Sora）
• AI 剪辑：你提供素材，AI 帮你剪（剪映 AI、Opus Clip）

"数字人" vs "虚拟主播" vs "Avatar"

• 数字人：AI 生成的"人"，可以是任何场景
• 虚拟主播：专门做直播的数字人
• Avatar：海外说法，泛指虚拟形象

"AI 配音" vs "AI 数字人"

• AI 配音：只有声音，没画面
• AI 数字人：有声音 + 有画面（嘴对得上）

"图生视频" vs "视频生视频"

• 图生视频：1 张图 → 1 个视频
• 视频生视频：1 个视频 → 1 个新视频（换风格 / 换主体）

"提示词" vs "脚本"

• 提示词：给 AI 的"画面描述"（一段话）
• 脚本：要让人或数字人念的"台词"

常用缩写一览

术语会持续更新。AI 视频领域是变化最快的领域之一，每个月都有新词汇出现。

返回 README