文
文生视频(Text-to-Video)
一句话理解
打字出片——把文字描述变成一段有镜头感的视频,被认为是内容生成的下一座金山。
定义
文生视频(Text-to-Video)指根据文字描述生成视频片段的技术,代表产品有 Sora、可灵、即梦、Runway 等。它要同时保证画面质量、时间连贯性和物理合理性,是生成技术里难度最高的方向之一。
你会在哪遇到它
短视频平台的 AI 素材;广告概念片先出 AI 版看效果;工具站上的“AI 生成视频”功能;影视行业的预演(previz)环节。
背后的原理
主流做法是把扩散模型从图像扩展到时间维度:把视频看成“一叠连续的帧”,生成时保证帧与帧之间连贯。有的产品还引入 3D 表征,让镜头运动符合空间逻辑。一段几秒的视频是几十上百帧的联合生成,算力消耗巨大。
和相近概念的区别
1 与文生图:图是单帧,视频要跨帧连贯——角色不能变脸、物体不能凭空消失。 2 与图生视频:给静态图加动态(老照片动起来),是它的兄弟任务。 3 与剪辑工具:剪辑是加工已有素材,文生视频是无中生有。
常见误区
1 以为已经能拍电影——长时长、人物一致、口型对准仍是难题,目前多为几秒到十几秒的片段。 2 生成即成品——光效、手部、画面文字仍是穿帮高发区,需要多抽卡。 3 没有版权问题——生成人物的肖像权、风格模仿争议都在监管跟进中。
所属分类应用与产品
更新时间2026-11-19 20:52
浏览量2
点赞0
每个 IP 仅可点赞一次 · 点赞后不可取消

暂无评论,来发表第一条评论吧!