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
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。
短片和概念片可以,正式成品通常還要剪接、修圖和加字幕。
因為模型在不同幀之間維持身份一致性很難,尤其是長片。
相關術語
來源
這個術語目前沒有標註外部來源。
其他格式:Markdown 版本