AI 视频生成术语表：新手必懂的核心词汇

文本生成视频是这类工具的核心思路：你用大白话写一段描述，模型就生成一段与之匹配的短视频。没有摄像机，也没有素材要剪辑——你打的字是输入，动起来的画面是输出。这份清单上的其他术语，全都是你通过这段文字来掌控的东西。

提示词就是你给模型、用来描述想看到的画面的那段文字。它越具体、越有画面感——画面里有谁、在哪里、光线如何、在做什么——结果就越接近你脑海中的样子。含糊的提示词生成平庸的视频，具体而有感官细节的提示词生成具体的视频。

场景是发生在同一地点的一段连续瞬间——单一的环境、一段时间、一个主要动作。比起把好几个瞬间塞进去，让每次生成都停留在一个场景里，AI 视频的效果最好。在本应用里，可浏览的目录条目就叫“场景”——可以挑选并改写的现成起点。

帧就是一张静止画面，而视频不过是把许多帧快速连续播放出来。模型生成视频时，会产出一连串前后在视觉上保持一致的帧，让动作看起来流畅。当人们谈起片段里某个特定瞬间，说“一个镜头”或“一张画面”时，指的单位也是帧。

画面比例就是视频的形状——宽与高之间的关系。竖屏（9:16）适合手机和社交信息流，横屏（16:9）适合大屏和播放器，方形（1:1）介于两者之间。一开始就选对画面比例，结果就能恰好契合你打算发布的地方，不必再尴尬地裁切。

渲染是模型把你的提示词变成可观看、可下载的实际视频文件的那一步。“正在渲染”指的是这件事发生时的短暂等待，而“渲染成品”指的是做好的那段片子本身。要是哪里看着不对，就调整提示词再渲染一次——反复打磨文字，就是整个创作循环。