每个概念，3 分钟看懂

AI 视频

AI 视频泛指利用人工智能技术生成或辅助制作的视频内容：从文案、画面、配音到合成，AI 可以参与其中任意环节——当前最成熟的形态是"AI 生成画面 + TTS 配音 + 自动合成"的口播类短视频。

AIGC

AIGC 指"人工智能生成内容"：文本、图片、音频、视频等由 AI 模型自动产出的内容，与 PGC（专业生产）、UGC（用户生产）并列成为第三种内容生产方式。

分辨率

分辨率是画面的像素规格：1080p（1920×1080）是短视频交付主流，720p 用于轻量场景，4K 是素材预留。分辨率决定画面的"信息上限"，但不决定清晰度——那还要看码率和源素材。

变声

变声是实时或后期改变声音特征的技术。AI 时代它的实用价值已经下降：想要"不同的声音"，直接换 TTS 音色比"把真声变过去"更自然、更可控、更合规。

AI 换脸

AI 换脸是把一张脸"贴换"到已有视频中人物面部的技术。它与数字人的本质区别：换脸是"替换"已有视频里的脸，数字人是"驱动"一个形象生成新的口型与内容。

图生视频

图生视频（I2V）是以一张图片为起点，让 AI 模型为其生成动态效果的技术——让静态画面"动起来"，常用于让 AI 生图的分镜获得镜头感。

音频降噪

音频降噪是去掉录音里的环境噪声（风扇声、空调声、街道底噪）的过程。AI 配音时代，"录出来的声音"越来越少，降噪的主战场变成了"人声素材的预处理"——比如做声音克隆和数字人前的样本清洗。

口型同步

口型同步（Lip Sync）是让人脸嘴部动作与语音对齐的技术，是数字人"开口说话"可信度的关键；代表模型有 MuseTalk、Wav2Lip 等。

绿幕

绿幕抠像是把人物从纯色背景中分离出来的传统技术。AI 时代它的地位很微妙：AI 背景生成与 AI 抠像正在取代"搭绿幕"这个物理环节，但绿幕素材的价值反而变高了。

码率

码率是每秒视频占用的数据量，直接决定"清晰度与文件体积"的平衡：同样 1080p，码率高的画面干净，码率低的出马赛克。压缩的本质就是"把码率降到最后一个观众无感的位置"。

深度合成

深度合成是利用深度学习生成或编辑音视频内容的技术统称：换脸、仿声、虚拟形象、图像生成都在其列。国内已有专门规章《互联网信息服务深度合成管理规定》对其进行监管。

声音克隆

声音克隆是用少量目标人声样本训练出"像本人说话"的合成音色的技术。它有合法的使用边界：克隆自己的声音（授权明确）是主流应用，克隆他人声音必须获得本人明确授权。

帧率

帧率是每秒显示多少张画面（fps）：30fps 是短视频主流，60fps 更顺滑但文件更大，24fps 是电影感。AI 生视频的帧率决定"动得稳不稳"。

数字人

数字人是用 AI 生成的虚拟人物形象，可以让照片或建模形象"开口说话"，口型与配音对齐，常用于不需要真人出镜的口播、播报与讲解类视频。

文生视频

文生视频（T2V）是输入一段文字描述，由 AI 模型直接生成对应视频画面的技术，是 Sora、可灵、即梦等视频生成模型的核心能力。

语音合成

语音合成（TTS）是把文字转成真人质感配音的技术。现在的神经 TTS 已支持多音色、情感语调与多方言，是不出镜短视频的"声音底座"。

虚拟主播

虚拟主播是用虚拟形象（2D 皮套或 3D 模型）出镜的主播形态：真人幕后驱动（动作捕捉）或 AI 全自动驱动。在短视频生产语境里，它常指"AI 驱动的数字人主播"。

AI Agent

AI Agent（智能体）是能自主规划步骤、调用工具、执行多步任务的 AI 系统——与"问答式 AI"的区别在于它会"自己干活"。短视频生产是 Agent 落地的天然场景：生产链路长、环节明确、可验证。

多模态

多模态指模型同时理解或生成多种信息形态（文字、图像、音频、视频）的能力。它正在把"一个环节一个工具"的 AI 生产链，压缩成"一个模型干几个环节"。

IPAdapter

IPAdapter 是一种图像提示适配技术：把一张参考图的特征（长相、风格、构图）注入生图模型，让新画面"长得像"参考图——它是 AI 生图角色一致性的关键拼图。

大模型

大模型（LLM）是超大规模语言模型的简称，能理解与生成自然语言，在短视频生产里负责文案扩写、脚本拆分、改写润色这些"文字工序"。

LoRA

LoRA 是大模型的高效微调技术：不用重新训练整个模型，只训练一个几十 MB 的小插件，就能让模型学会特定画风或角色——生图圈用它来固定风格和"养"专属角色。

提示词

提示词是你发给 AI 模型的指令文本。指令越具体（主体、环境、光线、视角、风格），模型产出越接近预期；写提示词的方法论被称为提示词工程。

随机种子

随机种子（Seed）是生图模型的初始随机值。固定种子 + 相同提示词可以复现同一张图，这是让 AI 生图"角色长得一样"的基础手段之一。

Sora

Sora 是 OpenAI 发布的视频生成模型，能根据文字描述生成长时间、高一致性的视频，代表了文生视频的头部水准；同类产品还有可灵、即梦、Veo 等。

显存

显存是显卡上专门存放运算数据的内存，是跑 AI 模型的硬门槛——模型能不能跑、跑多快，先看显存够不够，其次才看芯片算力。

MCN

MCN 是多频道网络的机构形态：签约创作者、提供运营/商务/生产支持、与平台对接资源、按比例分成。AI 生产工具正在改变 MCN 的成本结构——也改变个人创作者与机构的议价关系。

AIGC 检测

AIGC 检测是判断内容是否由 AI 生成的技术：文本看困惑度与句式特征，图像看生成模型留下的频域与纹理指纹，视频还可结合元数据里的隐式标识。平台用它核验"未声明的 AI 内容"。

视频版权

视频版权涵盖画面、音乐、字体、剧本等多个权利维度。短视频创作者最容易忽略的三项：BGM 的商用授权、字体的商用授权、素材库里"平台内使用"与"全渠道商用"的区别。

标题党

标题党是标题与内容严重不符的标题写法：夸大、悬疑陷阱、断章取义。它短期有效长期致命——平台的"标题党识别"与观众的"信任破产"双重惩罚。好的标题是"高吸引 + 可兑现"的平衡。

CPM

CPM 是千次曝光成本：投放花费 ÷ 曝光次数 × 1000。它是投流效率的基础标尺——同样是 1 万元预算，CPM 高低决定了你的内容被多少人看到。

带货视频

带货视频是以促成购买为目的的短视频形态：产品讲解、场景种草、测评推荐都属于此类。它的核心指标是 GPM（千次观看成交额），内容结构围绕"痛点-卖点-促单"组织。

短剧

短剧是每集 1~3 分钟、按剧情连续追更的竖屏内容形态，靠强钩子和反转驱动付费或完播。AI 生成技术正在把短剧的制作成本压低一个数量级，"AI 短剧"是当前增长最快的赛道之一。

二创

二创（二次创作）是基于已有作品再加工的内容：影视解说、素材混剪、鬼畜、翻唱。它是平台生态的重要组成，也是版权纠纷的重灾区——合法二创有一条清晰的界线。

分镜

分镜是把"要讲的内容"拆解成"一个一个镜头"的过程：每个镜头写清画面、台词、时长。它是文案与成片之间的施工图，也是 AI 切片生产的组织单元。

视频封面

封面是视频在信息流和主页里的"门面图"：在搜索与主页场景里，封面决定点击；在推荐流场景里，封面影响的是"点进主页后的人"对账号的判断。

GPM

GPM 是千次观看成交额（GMV/播放量×1000），衡量视频"带货效率"的核心指标——同样是 10 万播放，GPM 高的视频给店铺带来的订单多得多，也会被平台判定为更优质的带货内容。

画幅

画幅是视频画面的宽高比例：竖屏 9:16（短视频主流）、横屏 16:9（长视频/B站）、方形 1:1（信息流兼容）。画幅选择决定画面的构图方式，也是多平台分发的第一道适配题。

互动率

互动率是互动行为（点赞/评论/转发/收藏）与播放量的比值，衡量内容"引发反应"的能力。它是流量池中级的放大燃料——完播决定能不能被推，互动决定推多远。

混剪

混剪是把多段素材按节奏重新剪辑组合成一条新视频的手法，常用于带货（产品素材 + 口播）、影视解说与热点内容；素材版权是混剪最大的合规风险点。

短视频脚本

短视频脚本是成片前写定的"完整施工文档"：台词、画面描述、时长、节奏标记。结构化脚本（钩子-展开-收尾）是批量生产的标准件，也是 AI 分镜的输入。

卡点

卡点是让画面切换与音乐节拍对齐的剪辑手法：每个节拍落一个画面变化。它是音乐类、快闪类短视频的核心节奏技术，也是"看起来很爽"的底层来源。

口播

口播是对着镜头或画外音直接"说话"的视频形态——知识讲解、带货推荐、观点输出都属此类。它制作门槛最低、信息密度最高，也是 AI 化生产最成熟的视频形态。

冷启动

冷启动是新账号发布内容后，平台在没有历史数据的情况下，用小流量池测试内容表现的阶段。冷启动期的目标不是涨粉，是让平台快速给账号打上准确的内容标签。

流量池

流量池是平台分层分发内容的机制模型：内容先进入小流量池测试，数据达标后逐级推入更大的池子。理解流量池的晋级逻辑，就理解了"为什么有的内容突然爆、有的内容永远几百播放"。

漫剧与短剧的区别

短剧是剧情类竖屏短内容的统称（真人实拍或 AI 生成皆可）；漫剧特指动漫/插画风格的剧情短内容。两者的制作路线不同：真人短剧靠拍摄，漫剧靠 AI 生成画面——成本结构差一个数量级。

蒙太奇

蒙太奇是通过镜头组接产生"1+1>2"含义的剪辑手法：两个独立镜头剪在一起，产生了单独都不存在的意义。它是剪辑的语言学——短视频里的"反转""对比""呼应"都是蒙太奇的子集。

去重

去重有两层含义：平台侧的"搬运检测"（识别重复/抄袭内容）与创作者侧的"内容差异化"（让批量生产的内容不被判重）。做矩阵的团队关心的是第二层，但必须先懂第一层。

三连

三连是 B 站的互动术语：点赞、投币、收藏一次完成。它是 B 站内容最重要的互动指标——三连率高的视频会被推荐给更多同类爱好者。

商用音乐

商用音乐指可用于商业场景（含变现内容）的音乐及其授权方式：平台曲库内使用、单曲授权、订阅曲库、AI 生成音乐四条路。BGM 侵权是短视频最普遍的版权问题。

私域流量

私域流量是"你可以反复、免费、直接触达的用户"：微信群、公众号、个人号好友。与公域（平台推荐流量）的本质区别是所有权——公域是平台的，私域才是自己的。

SRT 字幕

SRT 是最通用的字幕文件格式：纯文本记录每条字幕的序号、起止时间和内容。视频平台的字幕上传、剪辑软件的字幕导入、播放器的外挂字幕几乎都支持它。

投流

投流是付费购买平台流量分发（DOU+、千川等）的行为。它与自然流量的关系不是替代而是杠杆：自然数据好的内容投流放大收益，自然数据差的内容投流是给平台交学费。

图文成片

图文成片是"粘贴文字自动生成视频"的功能统称：AI 把文章/文案按语义切段，配上素材画面与配音，快速产出视频。它是很多人接触 AI 视频的第一站，也是技术路线之争的起点。

完播率

完播率是完整看完视频的用户占比，是内容平台推荐算法最看重的指标之一——前 3 秒留不住人，后面的内容做得再好也没有曝光。

完播率曲线

完播率曲线是观众"在哪里离开"的可视化数据：横轴是视频进度，纵轴是还剩多少人在看。曲线陡降的位置就是观众划走的位置——它直接告诉你内容哪一段出了问题。

完播率的权重

"完播率的权重"讨论的是：在推荐算法的多项指标里，完播率到底占多大分量、在哪一级流量池里最关键。结论：它是小流量池的第一道门票，权重随池子层级递减。

限流

限流是平台对内容或账号限制推荐流量的处置：内容级（单条不给量）与账号级（全账号降权）不同。多数"感觉被限流"其实是内容竞争力不足——先诊断，再处置。

硬字幕与软字幕

硬字幕烧录在画面里（不可关闭），软字幕是独立的字幕轨（播放器可选）。短视频发布默认硬字幕——观众没有"开字幕"的习惯，字幕必须默认在场。

音色

音色是声音的"音质指纹"——同样一句话，不同音色说出来气质完全不同。AI 配音的音色选择决定了账号的"听觉人设"，是比背景音乐更持久的品牌记忆点。

知识付费

知识付费是把专业知识产品化销售的模式：课程、专栏、咨询、社群。它是口播内容最自然的变现延伸——内容建立专业信任，产品兑现信任价值。

中视频

中视频指 1~30 分钟的横屏视频形态（西瓜视频发起的概念），介于短视频与长视频之间：比短视频信息密度高、比长视频制作轻。它对 AI 生产流水线是"高价值输出场景"。

转场

转场是两个镜头之间的过渡处理：硬切、叠化、黑场、遮挡转场……它决定"换镜头"这件事观众是感觉到流畅还是感觉到跳戏。短视频里，转场正从"技巧"退化为"默认"。

自然流量

自然流量是不付费获得的平台推荐流量：由内容数据决定分发。它的价值不在"免费"，在于它是内容质量与账号健康度的真实投票——付费流量可以买，自然流量的信任买不来。