AI 视频术语表
用清楚的话解释生成式视频术语。
涵盖文生视频、图生视频、口播数字人、口型同步、神经语音、AI 配音等常见概念。
术语索引
A
AI 配音（本地化）
把视频自动重新配音为另一种语言，理想情况下还能匹配口型并保留原说话者的声音特征。
什么是 AI 配音？AI 视频生成器
根据提示词、脚本、图片、音频或已有素材制作视频的软件。它既可以生成单个镜头，也可以规划并组装完整的多场景视频。
什么是 AI 视频生成器？AI 主持人
由 AI 生成、在镜头前讲解的虚拟主持人，常用于讲解视频、产品演示、课程和企业内部沟通。
什么是 AI 主持人？
H
会说话的数字人
通常由一张照片生成，由 AI 根据选定声音或脚本驱动嘴唇、下颌与表情动画的数字人物。
什么是会说话的数字人？
K
S
W
文本生成视频
把书面脚本变成完整视频的工作流程——通常自动生成画外音、为面孔或场景制作动画并完成最终合成。
什么是文本生成视频？文本转语音（TTS）
把书面文字转换为语音的技术。如今的神经网络 TTS 已接近真人朗读，大多数会说话的数字人都靠它发声。
什么是文本转语音（TTS）？
Z
照片生成视频
从一张静态照片生成动态视频——最常见的做法是让被摄主体的面孔说话。
什么是照片生成视频？
