多媒体与 3D · 入门
文生视频(Text-to-Video)
写一段描述就让电脑生成一段会动的画面片段,不用找场地、不用请人,直接得到能用的动态影像。
TL;DR三十秒版本
- 写一段描述,就让电脑生成一段会动的画面片段。
- 不用找场地请人,改改描述就能重来一遍。
- 它出的通常是短片段,做完整成片还要拼接和配音。
Overview详细说说
文生视频是视频生成里最常见的一种:你给一段文字描述,它输出一段动态画面。描述里可以写场景、动作和镜头感觉,出来的是原本并不存在的一段影像。它也常被简称为 AI 视频,细分下去还有图生视频、视频转视频等不同玩法。
它的意义在于把拍这件事换成了说。视频制作的成本一直偏高,要场地、要设备、要人;想试一个新创意,不用真的搭建场景,改改描述就能重来,试错的代价降了很多。对做内容的人来说,这意味着可以先用它把想法快速做成能看到的样子,再决定值不值得投入更多资源。
描述写得好不好,对结果影响很大。除了画面内容,还能交代镜头怎么动、光线什么样、节奏快还是慢。这活更像是当导演说戏,把脑子里的画面拆成一句一句讲清楚,而不是随便点一下。
目前多数情况下它产出的是短片段,不是一部完整成片。要做出能发布的视频,仍然要设计分镜、拼接片段、配上声音和字幕。它替代的是其中一环,不是整条流程,所以更实际的用法,是把它当成一个高效的分镜和素材工具。
还有两个现实问题要留意:生成时长和分辨率越高,等待时间和花费越大;涉及真人面孔和他人作品的风格时,还要注意版权和合规。用它之前,先想清楚成片要用在哪里。
Myths常见误解
- ✕以为它等于拍片子 ✓它出的是素材片段,分镜、拼接和配音这些活还在后面
- ✕以为描述里只写画面内容就够 ✓镜头怎么动、光线什么样、节奏快慢也要一并交代
- ✕以为时长和清晰度可以随便拉满 ✓时长和分辨率越高,等待的时间和花费越大
In practice你会在哪用到它
- 给产品短片试几个镜头感觉,写几句描述各生成一版
- 把长内容拆成几个短片段生成,再导进剪辑软件接起来
- 先出几秒画面看效果,再决定值不值得投入更多
Summary记住这几点就够了
- 文生视频是用文字描述生成动态画面片段
- 它把拍摄换成描述,试错成本大幅降低
- 它通常只产出短片段,还要靠分镜和拼接才能成片
常见问题
文生视频(Text-to-Video)是什么意思?
写一段描述,就让电脑生成一段会动的画面片段。不用找场地请人,改改描述就能重来一遍。它出的通常是短片段,做完整成片还要拼接和配音。
文生视频(Text-to-Video)一般用在什么地方?
给产品短片试几个镜头感觉,写几句描述各生成一版;把长内容拆成几个短片段生成,再导进剪辑软件接起来;先出几秒画面看效果,再决定值不值得投入更多。
关于文生视频(Text-to-Video),最容易搞错的是什么?
以为它等于拍片子,其实它出的是素材片段,分镜、拼接和配音这些活还在后面;以为描述里只写画面内容就够,其实镜头怎么动、光线什么样、节奏快慢也要一并交代。
文生视频(Text-to-Video)要记住哪几点?
文生视频是用文字描述生成动态画面片段;它把拍摄换成描述,试错成本大幅降低;它通常只产出短片段,还要靠分镜和拼接才能成片。
容易踩的坑 别指望一句话就得到一部完整成片,它出的是素材片段,后面还有分镜和剪辑的活。
全站第 138 / 186 条 · 全部词条
接着读Related reading
字幕(Subtitle)
视频里叠在画面上、跟着说话内容出现的文字,把听到的话变成能一眼扫过的字。听不清、静音刷手机或看外语视频时都靠它。
分镜(Storyboard)
视频开拍前,把脚本拆成一个个镜头、每个镜头配一张画面草稿的规划动作。它定的是每个镜头拍什么、大概几秒,不是成片效果。
3D 建模(Modeling)
在电脑的三维空间里,把一个物体的立体形状一点点搭出来。有了形状,才能接着做表面材质、打光、渲染和动画。
Three.js(网页 3D 库)
一套让网页直接显示三维画面的 JavaScript 工具库。你不用碰浏览器最底层的图形指令,几行代码就能在网页里放出一个能旋转、会打光的立体场景。
Blender(3D 软件)
一款免费开源的 3D 创作软件,建模、上色、打光、渲染、动画都能在同一个程序里完成。个人和小团队不用花大钱,也能走完整套 3D 流程。
剪映(视频剪辑软件)
国内最常见的视频剪辑软件,手机和电脑都能用,海外版叫 CapCut。拖素材、切时间轴、加字幕、套模板,新手几分钟也能剪出一条能发的视频。