SocialToPrompt SocialToPrompt

AI 视频术语表 2026:每个词都讲清楚

作者: SocialToPrompt Content Team 日期: 2026-10-31 10:03:05
AI 视频术语表 2026:每个词都讲清楚

每个行业都靠词汇运转,而 AI 视频在一年的日常使用中积累的词汇,比多数人学会的还多。术语就是这个行业的通货:它决定你如何给协作者下简报、如何读模型文档、如何调试渲染、如何告诉供应商你需要什么权利。缺了词汇,你连正确的问题都问不出来。

本词典按主题组织——七要素、提示词术语、模型术语、工作流术语、行业术语、版权术语——每条定义精炼到可以直接引用、摘录和转发。文末单列”常见混用词辨析”,因为一半的提示词争论,只是两个词在互相听不懂。

要点速览: - 核心词汇是七要素:subject(主体)、motion(运动)、camera(运镜)、composition(构图)、lighting(灯光)、style(风格)、timing(节奏)——一切可用视频提示词的共同骨架。 - 模型方言(model dialect) 是 2026 年最重要、却最多创作者说不清的概念:结构可跨模型迁移,词汇不能。 - 工作流术语(提取、基线渲染、单变量改动)把有意识的迭代和随机重摇区分开。 - 版权术语不是律师的行话——肖像、授权、免版税,决定你到底能不能发布。 - 大多数混乱来自近义词:prompt vs script、reference vs seed、upscale vs enhance、dialect vs style。

七要素词汇

术语 定义
Subject(主体) 镜头关于谁或什么:一个身份、一个锚点细节、只写一次。主体漂移(中途变脸/变装)是最常见的渲染失败。
Motion(运动) 什么在动、为什么动:带因果的物理动词,而不是情绪形容词。运动是观众判断”活的”还是”假的”的要素。
Camera(运镜) 相机做什么:一个动作(摇、移、推、环绕)及其速度与取景。一句里写两个运镜动作,必然运镜混乱。
Composition(构图) 东西在画面里的位置:景别、主体摆放、纵深与留白。构图是制造视觉惊喜最便宜的工具。
Lighting(灯光) 光源、方向与质感(硬/软、暖/冷)。点名一个光源胜过三个形容词;多个光源混写会颜色浑浊。
Style(风格) 视觉语域:媒介、质感、年代、调色。锚定的风格句,是让渲染不再”像所有人”的东西。
Timing(节奏) 时长、镜数与步调——节拍落在哪里。节奏是设计出来的,不是碰运气出来的;它编排钩子与回报。

七要素背后的完整方法:视频提示词工程指南。

提示词术语

术语 定义
Prompt(提示词) 告诉生成模型要产出什么的指令文本。视频领域里可用的提示词描述全部七要素,而不只是主体。
Prompt engineering(提示词工程) 把提示词当体系来设计、结构化和迭代的实践,而不是猜咒语。它是用文字表达的决策。
Negative prompt(负面提示词) 告诉模型要避免什么(瑕疵、风格、物件)的清单。它是针对反复出现的多余元素的对症工具,不是默认配置——见AI 视频负面提示词最佳实践。
Seed(随机种子) 初始化一次生成的数字,使结果在同一模型和设置下可复现。种子控制随机性,本身不携带任何内容。
Reference clip(参考片段) 用作结构或视觉输入的已有视频——用于研究、提取要素或引导生成。能从里面复用什么,取决于权利,不取决于技术。
Identity anchor(身份锚点) 固定的描述(脸、服装、道具),让主体跨镜头、跨渲染保持一致。一个锚点有效;三个互相竞争的锚点必然漂移。
Style register(风格语域) 视频所处的命名美学带(纪实手持、赛璐璐动画、80 年代录像带)。具体的语域胜过泛泛的”电影感”。
Shot size(景别) 画面容纳主体的多少:特写、中景、全景。每个镜头写明一个景别,能修掉大多数构图抱怨。
Aspect ratio(画幅比) 画面宽高比(16:9、9:16、1:1)。这是渲染之前做的平台决策,不是渲染之后的补救。
Token(词元) 模型读取文本的单位。提示词长度消耗 token;每句的清晰度几乎在任何地方都胜过 token 体量。

模型术语

术语 定义
Text-to-video / T2V(文生视频) 直接从文本提示词生成视频。自由度最大,不可预测性也最大。
Image-to-video / I2V(图生视频) 用运动指令让一张起始图动起来。I2V 是主体一致性问题的标准解法。
Video-to-video / V2V(视频转视频) 在保留结构的前提下改造已有片段(重风格化、重动画、延展)。这是输入端权利最要紧的地方。
Model dialect(模型方言) 某个模型家族最吃的一套措辞习惯——可灵动词先行、海螺依赖感官材质、Seedance 喜欢精简帧。结构可跨模型迁移,方言词汇必须重写——详见同一提示词在 Runway、可灵、Sora 上为何不同。
Fine-tuning(微调) 用特定数据继续训练模型,让它偏向某种风格、主体或运动模式。相比提示词级控制,这是重武器。
LoRA 轻量级微调适配器,教模型一个狭窄概念(一张脸、一种风格)而不重训整个模型。常用于角色一致性。
Checkpoint(检查点/权重版本) 保存下来的模型权重版本。”哪个 checkpoint”有时和”哪个品牌模型”一样重要。
Inference(推理) 运行模型产出结果的行为,即渲染。每次推理都花时间或积分,这就是迭代预算的意义。

工作流术语

术语 定义
Extraction(提取) 从已有视频里抽出七要素、写成结构化提示词——提示词层面的逆向工程。
Reverse engineering(逆向工程) 重建一个视频*如何*达成其效果——它的结构——从而用全新内容重做。借骨架,不偷像素。
Seven-element breakdown(七要素拆解) 提取的产物:主体、运动、运镜、构图、灯光、风格、节奏,各写成独立的一句。
Baseline render(基线渲染) 提示词不变的第一次渲染。没见过失败,就不要修。
Iteration loop(迭代循环) 渲染 → 诊断 → 改动 → 再渲染的循环。质量来自循环复利,不来自一条完美提示词。
One-variable change(单变量改动) 两次渲染之间只改一个要素,改进才可归因。一次渲染改两处是噪音,不是流程。
Continuity(连续性) 跨镜头的身份、服装、光线、物理一致性。连续性在提示词阶段设计,不在后期修补。
Post-mortem(复盘) 发布后写一行记录:什么成立、观众在哪流失、下次改什么。这是全套工具里最便宜的学习手段。

行业术语

术语 定义
Generative video(生成式视频) 由合成帧而非拍摄帧产出的视频,涵盖 T2V、I2V、V2V 系统。
Synthetic media(合成媒体) 任何 AI 生成或 AI 改动的媒体——图像、视频、声音、音乐。各平台的合成媒体披露规则正在收紧。
Deepfake(深度伪造) 描绘真实人物做了/说了其并未做/说之事的合成视频。这个词横跨无害戏仿与被禁止的滥用;意图和同意决定它属于哪一类。
Digital avatar(数字人/虚拟形象) 由文本或表演参考驱动的合成出镜主持或角色。基于真人构建的数字人,需要该真人的肖像同意。
Virtual influencer(虚拟网红) 拥有自己受众的纯合成常驻人格。它的法律安全性恰恰来自”没有真实人物指向”。
Hook(钩子) 在第一秒换来后三秒注意力的元素。钩子在提示词之前设计,不在渲染之后发现。
Retention(留存) 视频每一刻仍在观看的观众比例。留存曲线诊断钩子和节奏,远胜播放量。
B-roll(辅助空镜) 覆盖剪辑点、图解旁白的辅助素材。生成式 B-roll 是 AI 视频增长最快的商用场景。

版权与权利术语

术语 定义
Copyright(版权) 对原创固定作品的法定权利。AI 输出是否构成作品,因法域而异且仍在演变——按每个项目当作问题处理。
License(授权) 在约定条件(范围、媒介、地域、期限)下使用他人作品的书面许可。授权把”不是我的”变成”可以用”。
Likeness(肖像) 一个人可辨识的身份——脸、声音、习惯动作。在多数平台上,肖像主张的处理快于版权主张。
Right of publicity(公开权) 控制个人身份商业使用的权利。各法域强弱不同,但存在程度足以让你绕着规划。
Fair use / fair dealing(合理使用/公平处理) 允许在评论、戏仿等目的下有限使用未经许可作品的抗辩。狭窄、高度依赖事实,从来不是通用许可。
Transformative use(转化性使用) 为原作增添新意义或新用途、而非替代原作的使用。灵感与复制界线的核心。
Public domain(公有领域) 因年代、放弃或法律而摆脱版权限制的作品。”在互联网上”和”公有领域”是毫无关系的两个概念。
Royalty-free(免版税) 按次不付费即可使用的授权——不是”没有权利”。免版税仍有条款,且条款约束你的客户项目。

常见混用词辨析

词对 区别
Prompt vs script script(脚本)描述故事里发生什么,prompt(提示词)描述模型渲染的某个镜头长什么样。脚本给人和场景;提示词给一次生成。
Reference vs seed reference(参考)携带要模仿或研究的内容与结构;seed(种子)只携带随机状态。一个关乎*内容*,一个关乎*可复现性*。
Upscale vs enhance upscale(超分)增加像素数(清晰度可能随之提升);enhance(增强)改善观感质量——细节、色彩、瑕疵。把坏渲染放大到 4K,只是更大的坏渲染。
Dialect vs style style(风格)是视频长什么样(你的美学);dialect(方言)是模型想被怎样指挥(你的措辞)。风格住在内容里,方言住在词汇里。
Consent vs credit consent(同意)是权利人的许可;credit(署名)是注明出处。只署名没同意,仍是未授权使用。
Copyright vs license copyright(版权)是作品的所有权;license(授权)是在条件下使用它的许可。你可以零自有版权、靠一摞有效授权做出商业视频。

常见问题

AI 视频提示词的七要素是什么? 主体、运动、运镜、构图、灯光、风格、节奏。这是从参考视频提取结构、并写出”尽可能少留给模型做决定”的提示词的标准拆解框架。

什么是 AI 视频的模型方言? 某个模型家族最吃的措辞习惯——动作先行、感官型、精简帧型等等。七要素结构可以在模型之间迁移;方言词汇必须按模型重写,这就是同一提示词跨平台渲染结果不同的原因。

prompt 和 script 有什么区别? script(脚本)告诉人类剧组故事和场景;prompt(提示词)告诉模型某个镜头长什么样。长脚本很正常;长而无差别的提示词通常就是问题本身。

提示词和参考视频是一回事吗? 不是。参考视频是输入材料——用来研究、提取或引导生成的东西。提示词是你写出(或从参考推导出)的、用于驱动模型的输出向文本。

版权方面哪些术语最重要? 肖像(likeness)、授权(license)、免版税(royalty-free)、转化性使用(transformative use)。它们决定你的输入是否干净、真人能否出镜、以及你能向客户承诺什么商业使用。

Reverse-engineer the videos you love: SocialToPrompt.

分享文章

相关文章

推荐阅读

开始你的下一步

探索更多可能,发现适合你的解决方案。