AI 影片白話術語表

8 個用語

景別

拍多近

大遠景extreme wide

人在畫面裡很小，環境才是主角，用來交代故事發生在什麼樣的世界。

全景wide／full shot

人物從頭到腳整個入鏡。

中景medium shot

大約拍到腰部以上。

特寫close-up

臉或身體局部佔滿畫面，常用在情緒鏡頭。

大特寫extreme close-up

只拍眼睛、嘴巴或物件的細節。

長焦壓縮telephoto compression

用 85–200mm 這類長焦鏡頭從遠處拍：背景像被拉近、前後距離感變扁，只有主角清楚、背景容易糊掉，看起來像從街對面偷偷觀察。

前景遮擋foreground occlusion

讓門框、樹葉、書架、玻璃這類模糊的近物擋住畫面一部分（常寫成佔 20–40%），製造「隔著東西看」的距離感與偶然感。

相機瑕疵語noise／highlight clipping／motion blur

在提示詞裡故意寫進雜訊顆粒、亮處過曝、輕微手震模糊這些真實相機才有的缺點，讓 AI 畫面不會乾淨得太假，更像實拍。

17 個用語

運鏡

攝影機怎麼動

推軌dolly

攝影機整台往前推近或往後拉遠；不是變焦，是真的移動位置。

環繞arc

攝影機一邊繞著主體走、一邊持續對準它；走一小段弧線或繞滿一圈都算。

繞行一圈orbit

環繞當中繞滿 360 度的那一種，英文資料常另外叫它 orbit。

升降crane

攝影機垂直升起或降下，大場面常用。

橫搖／直搖pan／tilt

攝影機位置不動，鏡頭左右轉（左搖、右搖）或上下轉（上搖、下搖）。

變焦zoom

攝影機不動，用鏡頭把畫面拉近或拉遠（畫面放大縮小）。

手持handheld

刻意帶一點晃動，營造紀實、身歷其境的感覺。

跟拍tracking

攝影機跟著移動中的主角走，主角在畫面裡的位置大致不變。

甩鏡whip pan

快速轉動攝影機，畫面短暫模糊後重新對準目標；不能拿來遮掉觀眾本來該看清楚的關鍵一擊。

轉焦rack focus

讓清楚的焦點從一樣東西換到另一樣，例如從眼睛換到指尖；攝影機不一定有移動。

動作軸action axis

想像主角與對手之間有一條線；攝影機一直待在線的同一側，畫面上誰在左、誰在右才不會突然對調。

遮擋occlusion

近處的東西擋住後方東西的一部分；例如甲殼遮住刺進內側的劍刃，能幫觀眾看出誰在前、誰在後。

收勢follow-through

揮劍或撞擊之後，身體與武器順著重量和慣性把動作走完，能自然接到下一個動作，而不是停下來擺姿勢。

接續餘量handles

一段素材前後多留的可用動作，方便兩段接起來；不是把短動作放慢來湊秒數。

視差parallax

攝影機移動時，近處和遠處的東西在畫面上移動的幅度不同，看得出攝影機真的在空間裡移動。

低角度low angle

從下往上拍，人物顯得強大、有壓迫感。

慢動作slow motion

把時間放慢，強調關鍵瞬間；變身鏡頭幾乎都會用。

25 個用語

AI 生成

模型怎麼把畫面做出來

文字生影片t2v，text-to-video

只給文字描述，模型自己想像畫面。自由度高，但同一個角色每次生出來長相都會飄。

圖生影片i2v，image-to-video

給一張起始畫面，讓模型把它「動起來」。角色長相被那張圖鎖住，要固定角色時就走這條路。

首幀first frame

影片的第 1 格畫面；圖生影片就是拿它當起點。

尾幀last frame

影片的最後 1 格畫面。

首尾幀控制first／last frame control

同時指定影片的第一格和最後一格，中間的過程由模型自己補——頭尾都受控，最適合「從 A 狀態變成 B 狀態」的變身鏡。不是每個模型都支援，付費前也要先確認這個模式怎麼計價。

參考圖驅動reference-to-video

不給精確的起始畫面，只給角色或風格的參考圖，讓模型自己決定構圖和動作，只求「長得像參考圖」。適合「拿到角色圖就要馬上出片」的情況，代價是不能逐格控制畫面。

關鍵幀keyframe

一個鏡頭裡最重要的定格畫面，先做好給人核准，再拿去生成影片。

提示詞prompt

給模型的指令文字；「運動提示詞」專指描述畫面怎麼動的那一段。

試打／探針probe

正式生成前，先用最便宜的規格（低解析度、只生幾秒）打一小段，專門驗證最大的未知風險：會不會被內容審查擋下、參考圖有沒有被吃進去、對嘴行不行、畫面上的字會不會糊掉。不求好看，花小錢避免整段白做。

重抽roll／reroll

同一段影片重新生成一次（通常是結果不滿意時）。每一抽都要花錢，所以我會事先訂好每段的重抽上限（例如最多 2 次），超過要另外拍板。

隨機種子seed

交給模型的起始隨機數字；用同一個數字有助於比較，但不保證換一家服務或換個時間還會生出一樣的影片。

A／B 比較

其他條件盡量不動，只改一個主要條件，把結果並排比較；例如只給角色照，和同時給角色照加舞蹈影片。

多模型評比bake-off

同一個題目讓幾個模型各做一次，並排比較，挑出表現最好的。

影片用量單位token

部分服務商計算影片生成費用的單位，通常隨畫面大小、格數與參考影片長度增加；和 NFT 的編號無關。

生成紀錄manifest

每次生成的「身分證」：用了哪個模型、什麼提示詞、花了多少錢，以及用來確認檔案沒被換掉的檔案指紋。

內容審查content filter

模型服務商的自動審查；太嚴時會連正常題材都擋掉，例如曾遇過真人風格的起始畫面整張被拒收。

身分漂移identity drift

同一個角色在不同鏡頭裡長相走樣。要靠參考圖和固定的角色描述把它壓住。

風格定調圖style key

一張專門鎖住「畫面質感」（媒材、色調、光影）的圖；同一支片的每段提示詞開頭都逐字沿用同一段風格描述，並把這張圖當風格參考交給模型。

風格化參考圖styled sheet

先把官方角色圖改畫成目標風格（卡通或擬真）的人物參考圖。模型會保留「它看到的樣子」，拿 3D 原圖卻要它生真人一定會飄——所以先改畫再交給模型。

寫實photorealistic

像實拍真人電影的風格。多數模型排行榜測的就是這種。

風格化 3D 角色stylized 3D character

像動畫電影、遊戲 CG 或虛擬主播那樣一看就不是真人的美術風格；CloneX 就屬於這類。

第一視角POV，point of view

攝影機就是角色的眼睛：觀眾看到的就是角色看到的，例如低頭看自己的雙手。

預視pre-vis，previsualization

影片還沒拍、還沒生成之前，先用分鏡和關鍵幀「看」一遍成片大概長什麼樣子。

底噪room tone

空房間本身的聲音，例如冷氣、風扇、電流嗡嗡聲；換場景時換底噪，觀眾不用看字就知道換地方了。

聲音提示表cue sheet

逐秒列出「什麼時候該出現什麼聲音或台詞」的清單，剪接和混音照表執行。

31 個用語

影視／製作流程

從故事到成片

分鏡storyboard

把影片拆成一格格的連環畫草稿：每一鏡畫什麼、拍多長。

鏡頭表shot list

分鏡的表格版：列出每一鏡要怎麼取得（AI 生成、實拍或現成素材）。

節拍表beat sheet

故事的骨架清單：先發生什麼、再發生什麼，不管畫面細節。

故事主幹story spine

用主角的目標、阻礙、選擇與代價串起整支片的因果；少了其中一項，鏡頭再漂亮也容易只剩展示。

開頭抓點hook

開場很快丟給觀眾一個異常、衝突或承諾；可以先比較幾個開頭方案再選一個，並檢查前 3 秒、前 15 秒有沒有真的抓住人。

冷開場cold open

不鋪陳，第一秒就直接丟出最震撼的畫面。

動態分鏡animatic

把分鏡圖照時間串起來的「會動的草稿片」，用來確認節奏。

暫用聲音scratch audio

正式配樂與配音之前先放進去的台詞、節拍、音效或音樂草稿；在花錢生成之前先確認時間點對不對。

節奏定稿timing lock

每一鏡幾秒全部鎖定，之後只換畫面、不改時間。

英雄鏡頭hero shot

全片最貴、最好看、會拿去當封面的那幾顆鏡頭。

支撐鏡supporting shot

不是爆點的敘事鏡頭：交代日常、起因與收尾，讓英雄鏡頭有前因後果。用便宜的模型做、秒數短，要重抽時排在英雄鏡頭之後。

片尾收束tag

片尾的標題卡，加上最後一個讓人記住的畫面。

粗剪rough cut

第一版剪接：順序對了，但細節還沒修。

自然視效natural VFX

特效存在，但服從光線、材質、物理、表演和故事，不讓觀眾第一眼先看到「模型在炫技」。

變速慢放speed ramp／retime

剪輯時把已經生成的素材放慢拉長（例如 5 秒拉成 8 秒），不用重新生成、不花生成費。慢動作是變身鏡的標配，但原素材的格數不夠時會看起來卡卡的。

補幀frame interpolation

用軟體在兩格畫面之間算出中間格，讓慢放後的動作更順；屬於後製處理、不花生成費，但動作很快的地方可能出現殘影。

一鏡到底one-take

中途不剪接、一次生成整段（例如 30 秒內連換三個場景）。最能測出模型「換場景時人物會不會走樣」，但只要一處失敗就得整段重來，最花錢。

轉場transition

兩個場景之間的銜接方式，例如直接切、光牆掃過、慢慢疊過去；一鏡到底的轉場由模型自己畫，分段生成的轉場則靠剪接。

溶接／交叉淡化crossfade

前一段慢慢淡出、後一段同時淡入。如果聲音靠重疊縮短了時間，畫面也要照同一份時間表，不然聲音和畫面會對不上。

拉片shot breakdown

把一支成片倒推回逐鏡頭表：每鏡幾秒、拍多近、攝影機怎麼動、畫面是什麼；用來研究別人的節奏，或檢查自己剪的片有沒有照鏡頭表走。

切點cut point

兩個鏡頭交接的那一格。切點就是新鏡頭第一格出現的時間，相鄰兩個切點相減就是鏡頭長度。

場景偵測scene detection

讓軟體比較相鄰兩格畫面差多少，差超過門檻就當成換了一個鏡頭；門檻越低切得越碎，慢慢疊過去的轉場和暗畫面接暗畫面最容易漏掉。

聯繫表contact sheet

把很多張畫面縮小拼成一張大圖，一眼看完二十幾個鏡頭，不用一張張翻。

母題motif

在一支片裡反覆出現、讓觀眾一眼認出的畫面或元素（例如同一個版面的新聞播報畫面換主播、換語言）；在快速剪接中給觀眾一個錨點，把分散的段落串起來。

直式插片pillarbox

在 16:9 橫的畫面裡放進 9:16 直的畫面，左右補黑邊；常用來表示「這是手機拍的目擊畫面」，也能改變節奏。

目擊片段found footage

假裝是路人手機或監視器拍到的畫面：會晃、是直的、看得到錄影介面；靠換視角增加真實感。

分貝dB

表示音量變化的單位；例如把某一句台詞加 4 分貝，只會讓那一句變大聲，不代表整支影片一起變大聲。

整體響度LUFS

衡量一整段聲音平均聽起來有多大聲的數值，用來比較整支片的音量。

未壓縮音訊PCM

保留完整聲音細節、沒有壓縮過的格式，方便混音與比對；最後交付影片時才再壓縮。

對嘴lip-sync

角色的嘴型和台詞聲音對得上。這是 AI 生成的高風險項目：先用一人一句短台詞、穩定的中景來測試。

分軌stem

把聲音拆成對白、環境音、音效、音樂各自獨立的一條，後製才能分別調大小；模型直接生出來的聲音是混好的一條，拆不開。

11 個用語

規格

畫面、檔案與角色設定

16:9

一般寬螢幕的畫面比例，YouTube 的標準比例。

2.39:1Scope

電影院的超寬比例，畫面上下更扁，更有「電影感」。

1080p

畫面解析度 1920×1080，也就是常說的 Full HD。

H.264

最通用的影片壓縮格式，幾乎在哪裡都能播。

每秒格數fps

每秒有幾格畫面；24 格是電影感的常見設定。

人聲閃避ducking

有人說話時背景音樂自動變小聲，講完再回來。

透明底alpha

圖片除了顏色，還多一層「透明度」資訊；去背後放到任何背景上都不會有色框。

棋盤格假透明

圖裡畫了灰白格子「看起來像」透明，其實是實心的顏色——真正的透明要有透明底資訊。

球關節doll joint

人偶手腳上的球形轉軸。生成模型很愛在膝蓋、手肘亂加這種關節；角色原本的設定沒有時，看片時一定要檢查。

三視圖turnaround

同一個角色正面、側面、背面的站姿圖並排，是做動畫或 3D 之前的標準人物設定格式。

人物設定圖character sheet

一張圖集齊臉部特寫、三視圖和配件細節，給之後的生成當「長相說明書」。

6 個用語

QA 判定

看片時怎麼打勾打叉

原子檢查項atomic claim

把一顆鏡頭「該做到的事」拆成一句只講一件事的短句（例如「環形光帶正好兩道」），能對著畫面直接打勾打叉；一句裡混了兩件事就拆成兩條。

成立／不成立／判定不了

單一檢查項的三種結論。「判定不了」只留給真的看不清楚的情況；「看得清楚、但結果中途變了」要判不成立。

證據不足

該看的東西沒入鏡、關鍵角度或時刻沒拍到——畫面很乾淨，但缺料。

證據不可靠

畫面糊掉、被擋住，或 AI 瑕疵剛好蓋在要看的位置——有畫面，但不能信。

倒放瑕疵

AI 影片的常見毛病：事件像倒帶，例如先撞爛才彈開、碎片自己組回原樣。時間順序錯了，每一格單看再漂亮也判不成立。但如果分鏡已經寫明這一鏡是刻意倒放（例如子彈飛回槍口），就不算瑕疵；沒寫明的一律判不成立。

觀眾視角左右viewer's left／right

檢查「左、右」一律以「你看螢幕」的左右為準，不是角色自己的左右手。

2 個用語

製作驗收

誰來判、照什麼判

硬條件hard constraint

一顆鏡頭「沒做到就算失敗」的少數幾條規格，例如「角色全程在畫面內」「第 3 秒前完成轉身」；每條只判通過、不通過或需要人再看，和「希望更好」的偏好分開寫。

獨立驗收independent review

檢查成片的人只拿規格、素材和成片來判，不看生成那一方自己寫的「我覺得成功了」，避免被自評牽著走。

13 個用語

剪輯與交付

剪完之後到交出去

畫面定版picture lock

剪輯順序和每個切點都不再更動的版本；之後才集中做精細字幕、混音和各種版本輸出。比「節奏定稿」更晚、也更嚴格。

燒錄字幕 vs 字幕檔SRT

燒錄字幕直接長在畫面裡、關不掉；字幕檔是另外附的文字檔（編號、出現與消失時間、文字），由平台或播放器顯示，可以開關、可以翻譯，但不保留字體和動畫。

無字版clean version

同一支片不含燒錄字幕和文字卡的版本，方便日後改字、換語言，或讓平台自動上字幕。

安全區safe zone

直式影片裡不會被平台標題、帳號名稱、按鈕擋住的範圍；每個平台不同、介面也會改，沒有通用的固定數字，要用當下平台的預覽確認。

正反打shot／reverse shot

兩個人對話時，輪流拍各自那一方再剪在一起；比讓模型在同一鏡生出兩個人互動更穩，也比較不會換臉。

道具狀態表

前製時把「誰坐哪一邊、杯子在哪、紙條摺著還是打開」依鏡號列成表，生成與剪輯時逐鏡對照，避免道具忽左忽右。

片尾卡end card

影片最後幾秒的品牌、名稱或行動呼籲畫面；交付前要確認沒有範本浮水印或不該露出的資料。

九格分鏡圖3×3 grid

一張圖排九個鏡頭的分鏡，只是審查用的工具，不能整張丟給影片模型；每一格都要各自重做成關鍵幀（整張等分後每格只剩原本的九分之一大小）。

鏡頭光暈lens flare

強光直射鏡頭時出現的光斑或光條；不能拿來掩蓋合成時影子方向錯誤的問題。

致命否決項

錯了就直接不能交的問題：未經授權使用真人的長相或聲音、商品規格錯、價格或日期等關鍵事實錯、私人資料外露、交付規格根本不符。其他項目分數再高也補不回來。

口型固定偏移／漸進漂移

固定偏移是整段聲音和嘴型都差同樣一段時間，調整時間軸就好；漸進漂移是前面對、後面越來越不對，多半是變速或轉檔造成。兩種都不必先花錢重新生成。

可用區段usable ranges

在生成紀錄裡標出「這段生成的影片，哪幾秒真的剪進成片」；沒標代表還沒看過，不等於 0 秒可用。這是計算「每一秒能用的畫面實際花多少錢」的依據。

結構化回饋

給修改意見時，寫清楚時間點、嚴重程度（擋住交付／應該修／個人口味）、希望變成什麼樣子，以及會不會動到已經核准的部分；讓「再有質感一點」變成能直接照做的修改。

4 個用語

可選影片增強

放大畫質與補細節

放大／超解析度upscale／upscaling

把影片的像素放大，例如把 720p 拉成 1080p 以符合交件規格；可以用免費的轉檔工具直接拉大，也可以用付費的放大模型。模型會「推測」補出細節，不保證補回真實內容，更修不好畫錯的手指或走樣的角色。

時序一致性temporal consistency

連續播放時，眼睛、線條、紋理和物件能穩穩延續，而不是每一格定格各自好看。

閃爍flicker

相鄰畫面的線條、紋理或亮暗不必要地跳動；判斷時要和原片、正常的動作以及剪接點對照。

幻覺細節

模型補出來的內容看起來很精細，卻沒辦法證明原本真的有。