AITerms 登入
機器學習深度學習自然語言處理

文字生成影片(Text-to-Video)是什麼?

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。

完整定義

文字生成影片是一種多模態人工智慧技術,用於根據文字描述自動生成對應的影片。它能夠將抽象的文字概念轉化為動態的視覺呈現,常見應用包括內容創作、教育娛樂、廣告製作等。

白話說明

你有沒有想過,活動腳本還沒拍,就先看見短片長什麼樣?

你可以把文字生成影片想成「把一句描述變成會動的畫面」

它不只要畫對每一幀,還要讓時間前後接得上

很適合做廣告試片、分鏡提案和教學示意,但長片和細節一致性仍很難

記住這句

影片不只要畫得像,還要每一秒都接得上。

比喻:Text-to-Video 就像一個魔術導演 -- 你只要寫下「一隻穿著西裝的貓在城市裡跳舞」,它就能立刻為你拍出這段影片。

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

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

演算法與應用

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

相關術語

本頁內容有提到,或屬於同一組主題的術語

來源

這個術語目前沒有標註外部來源。

其他格式:Markdown 版本