文字生成影片 是什麼？

Text-to-Video — 文字生成影片 的完整解釋

文字生成影片是一種人工智慧技術，它能根據文字描述自動生成對應的影片，將文字內容轉化為動態視覺呈現。

容易混淆

文字生成影片 vs 文字生成圖像 文字生成圖像只管單張畫面 文字生成影片還要管時間變化 最關鍵的區別：影片多了連續性和動態

文字生成影片 vs 影片編輯 文字生成影片是從描述直接生出影片 影片編輯是改已有影片 最關鍵的區別：一個從零生成，一個在既有素材上修改

文字生成影片 vs 動畫製作 動畫製作常由人逐格或逐鏡頭完成 文字生成影片是讓模型自動合成 最關鍵的區別：人工作業和模型生成的差別

記住這句就好

影片不只要畫得像，還要每一秒都接得上。

實際案例

廣告試片 行銷團隊先輸入 15 秒腳本，快速看見節奏和鏡頭感，再決定要不要正式拍攝

課程示意 老師把「細胞分裂過程」寫成幾句描述，模型先產出動畫草稿，之後再補上標註

算法與應用

| 場景理解 | 先把文字切成鏡頭或事件 | 描述越連貫，結果越穩 | | 時間建模 | 讓前後畫面有因果和動作延續 | 這是比生圖更難的地方 | | 幀生成 | 逐幀或小段生成畫面 | 容易出現閃爍或漂移 | | 後製整合 | 補字卡、配音、轉場 | 很多成品仍需要人工加工 |

情境判斷

Q1（直覺題）：你要先看腳本拍起來的感覺，這時適合用嗎？ → 適合，先用文字生成影片做概念驗證，再決定正式拍攝。

Q2（判斷題）：你要做 30 分鐘完整紀錄片，還能只靠它嗎？ → 通常不行，長影片的連貫性、人物一致性和敘事控制都還不夠穩。

常見問題

文字生成影片為什麼比較難？

因為它同時要生成影像和維持時間連續性，兩種問題疊在一起。

它可以直接拿來做正式成品嗎？

短片和概念片可以，正式成品通常還要剪接、修圖和加字幕。

為什麼人物常常前後長得不一樣？

因為模型在不同幀之間維持身份一致性很難，尤其是長片。