99 个术语

AI 与影视术语库

描述一个镜头需要的词，和生成这个镜头需要的词，都在这里。每条术语都配一段在 ZOOOP 上真实生成的示例，以及背后完整的提示词。

A

ADR（对白补录）
剪辑与声音
ADR 是 automated dialogue replacement 的缩写，指拍摄结束后在录音棚里重录对白、再对回画面的工序。现场声没法救、剪辑中改了台词，或者导演想要另一种念法时，就得走 ADR。
automated dialogue replacement · 对白补录 · 后期配音 · looping
AI 幻觉
模型与参数
AI 幻觉指模型自信地给出、但其实是错的或凭空编造的输出。在文本里它表现为编造事实；在图像和视频里，它表现为六根手指的手、招牌上无法辨认的文字、不成立的物理，以及放大工具补出来的、源图里根本不存在的细节。
ai hallucination · hallucination · 幻觉 · 模型幻觉

C

G

GAN
模型与参数
GAN（生成对抗网络）是一对互相对打训练出来的神经网络，生成器产出候选图像，判别器判断它像不像真的。这场竞赛让单次前向推理就能出高质量结果，所以即便开放式生成已经被扩散模型接管，放大和人脸修复这类任务至今仍以 GAN 为主。
gan · gans · 生成对抗网络 · esrgan · stylegan

J

J-cut（声音先入）
剪辑与声音
J-cut 指下一个镜头的声音在画面切换之前就先进来，于是你还在看着上一个镜头，却已经听见了新的场景。它是让转场显得「被带过去」而不是「被硬切」的标准做法，也是绝大多数对话戏不会声画同点切的原因。
J-cut · j cut · 声音先入 · 声画分切

L

T

Transformer 模型
模型与参数
Transformer 模型是一种把输入切成 token、再用注意力机制决定「谁影响谁」的神经网络。大语言模型跑在它上面，自从主流图像与视频模型换成扩散 Transformer（DiT）之后，你在用的生成模型基本也跑在它上面。
attention mechanism · 注意力机制 · 自注意力 · DiT · 扩散 Transformer

U

UNet
模型与参数
UNet 是扩散模型里负责「这一步该去掉多少噪声」的网络：一条卷积下采样路径、一条上采样路径，同分辨率之间用跳连接对接。它是 2022 到 2024 年图像生成的标准主干，LoRA 和 ControlNet 之所以长成今天这个样子，也是被它的结构决定的。
unet · u-net · unet architecture · 去噪主干 · 卷积主干

V

VAE（变分自编码器）
模型与参数
VAE（变分自编码器）是扩散模型两端的压缩器：编码器把像素压成一张很小的潜空间网格，模型只在这张网格上做去噪；解码器再把结果还原成图像或视频帧。你放大到 100% 才看见的那些细节瑕疵，多数是这一步造成的，而不是生成主干的问题。
vae · vae stable diffusion · variational autoencoder · 变分自编码器 · 潜空间编码器

#