自适应画幅Adaptive ratio
自适应画幅是一种画幅选项:输出画面跟随参考素材,而不是固定形状。当参考素材比例特殊时,可避免被迫裁切。代价是你无法完全掌控最终画面尺寸,所以交付格式严格时请选固定比例。
站内延伸: /model/seedance-2-5
AI 图像与视频提示语术语表
为 AI 图像与视频模型写提示语时常见的 60 个术语的直白释义,从画幅比例、种子到运镜和 LoRA。每条都链接到相关术语,以及可以看到实际效果的 Genvizu 页面。
A
画幅比例Aspect ratio
画幅比例是图像或视频宽与高的比值,写成 16:9、9:16 这样的两个数字。它在生成任何细节之前就决定了构图:宽画幅适合风景与电影,竖画幅适合手机屏幕和海报。每个模型支持的比例清单不同,所以可选项因模型而异。
站内延伸: /model/gpt-image-2.5 · /category/video
音频驱动视频Audio-to-video
音频驱动视频是一种生成模式:由语音或音乐等声音轨道引导画面生成,使动作或口型跟随音频。部分模型除文字和图片外还接受参考音频片段。是否支持、片段上限以及画面跟随声音的紧密程度,因模型而异。
站内延伸: /model/seedance-2-5 · /category/video
C
运镜Camera movement
运镜指视频镜头中虚拟摄像机的运动方式,提示语里用摇(pan)、俯仰(tilt)、推拉(dolly)、变焦(zoom)、环绕(orbit)等词描述。摇是左右转动镜头,俯仰是上下转动,推拉是镜头前后移动,变焦是改变焦距,环绕是绕主体转圈。每个镜头只写一种运镜,结果最可预期。
站内延伸: /blog/ai-video-camera-movement-prompts · /ai-video-prompt-generator
提示语引导强度(CFG)CFG / guidance scale
CFG 即无分类器引导,是扩散模型中的一项设置,控制输出多大程度上被推向提示语。数值低,模型自由度大,画面常更柔和、更多变;数值高,更字面地遵循措辞,但可能显得过度处理。许多托管模型会固定该值,不对外开放。
站内延伸: /ai-prompt-generator
混沌度(chaos)Chaos
混沌度是 Midjourney 的一个参数,控制同一批结果之间彼此差异的大小。数值低时四张图是对提示语的相近解读,数值高则构图和风格更出人意料。它适合探索初期,一旦目标明确就不太有用。
相关术语: 风格化强度(stylize) · 提示语权重 · 平铺(tile)
角色一致性Character consistency
角色一致性指在多张生成图或多个镜头中,让同一个人物、生物或吉祥物保持可辨认。常见做法有提供参考图、重复精确的角色描述、固定风格词。它对分镜、漫画和品牌吉祥物最重要,因为脸或服装的细微漂移就会打断连贯性。
站内延伸: /blog/ai-character-consistency-prompts · /model/nano-banana-2.1
检查点(checkpoint)Checkpoint
调色Color grading
调色是对图像或视频的色彩、对比度和影调进行有意识的调整,用来定下情绪并保持统一观感。在提示语里表现为青橙色、褪色胶片、高对比黑白等说法。它不同于布光:布光决定镜头拍到什么,调色决定素材如何成片。
站内延伸: /tools/film-emulator · /blog/monocolor-editorial-print-skill
商用与授权Commercial use / license
商用指把生成的图像或视频用于广告、产品或客户项目等付费或商业场景。是否允许取决于模型提供方的条款和平台自己的规则,且可能因模型而异。Genvizu 把部分模型(包括其 Midjourney 模型)标为商用受限,所以请阅读你所选模型的条款说明。
构图Composition
构图是元素在画面中的排布方式,包括位置、平衡、引导线和留白。在提示语中用居中、对称、三分法、鸟瞰、特写裁切等词来控制。写清构图往往是让画面看起来有设计、而非碰巧的最快办法。
内容审核Content moderation
内容审核是服务对提示语和输出施加的一整套自动与人工检查,用来拦截不允许的内容。即使你的意图无害,提示语也可能被拒,因为过滤器依据措辞与语境判断。生成被拒时,通常先试着把请求改写得更平实。
相关术语: 提示语注入(图像场景的滥用) · 商用与授权 · 水印
站内延伸: /docs/user-guide
D
景深Depth of field
景深是场景中看起来清晰的距离范围。浅景深让主体清晰、背景虚化,常称为焦外虚化(bokeh);深景深则让远近都清晰。提示语里常用 f/1.8、浅焦、移轴等说法来引导。
站内延伸: /category/portrait
扩散模型Diffusion model
扩散模型是一类生成模型,通过在文字提示的引导下,逐步从随机噪声中去噪来生成图像或视频。当今多数图像与视频生成器都建立在这一思路上。去噪步数和引导强度会影响速度以及结果对提示语的贴合程度。
相关术语: 潜空间 · 采样步数 · 提示语引导强度(CFG)
站内延伸: /explore
时长Duration
时长是生成视频片段的长度,通常以整秒设置。各模型范围不同:在 Genvizu 上,从 Grok Imagine Video 1.5 的 1 秒到 Seedance 2.5 的 30 秒不等,Veo 3.1 则是固定 8 秒。片子越长越难保持一致,所以很多项目会把几个短镜头拼起来。
站内延伸: /model/seedance-2-5 · /model/veo-3.1
F
胶片模拟Film emulation
胶片模拟是让数码素材或图像看起来像某种模拟胶片,带有该胶片特有的色彩响应、对比度和颗粒。可以通过调色预设,或在提示语中点名某种胶片质感来实现。它介于调色与风格参考之间,借用的是一种可辨认的摄影成片效果。
站内延伸: /tools/film-emulator
首尾帧First / last frame
首尾帧控制是给视频模型一张起始图和一张结束图,让它生成连接二者的运动。常用于转场、产品揭示和循环。支持程度不一:有的模型原生接受两帧,有的则需要把两张静帧排在参考图最前,并在提示语里点名。
站内延伸: /model/gemini-omni-flash-1-1 · /blog/canvas-video-transitions-ai-seamlessly-connects-clips
帧率Frame rate
帧率是视频每秒显示的单帧数量,单位 fps。常见数值有:24(电影感)、30(通用网络视频)、60(流畅运动)。多数托管生成器会替你固定帧率,所以你选择的是以秒计的时长,而不是帧数。
站内延伸: /category/video
I
图生图Image-to-image
图生图是一种生成模式,以一张给定图片加提示语为起点,生成保留原图部分结构或内容、同时改变风格、细节或场景的新图。用于换风格、做变体和修改。原图保留多少,取决于模型及其设置。
图像反推提示语Image-to-prompt
图像反推提示语(也叫提示语反推)把现有图片转成可编辑、可复用的描述文字。它帮你了解什么语言能描述某种观感,并重建相似的图像。它返回的文字只是起点,因为描述的是画面所见,而不是原始设置。
站内延伸: /image-to-prompt
图生视频Image-to-video
图生视频是一种生成模式:把一张静态图作为视频片段的起点,由提示语描述随后的运动。相比文生视频,它能更好地控制首帧外观。结果好坏取决于提示语对镜头与主体运动描述得是否清楚。
站内延伸: /blog/seedance-2-0-image-to-video-prompt · /category/video
局部重绘Inpainting
局部重绘是编辑现有图像中选定的区域(通常用蒙版标出),其余部分保持不变。你描述蒙版区域应该出现什么,比如换个物体或修补背景。有些模型仅凭文字指令、不用画蒙版,也能做类似的局部修改。
K
关键帧Keyframe
关键帧是定义运动中重要节点的一帧,比如起点、终点或中间某个姿态。在 AI 视频里,关键帧是你提供或生成的静帧,用来锚定一段序列,模型在它们之间补出运动。先规划关键帧,多镜头作品更容易保持一致。
L
潜空间Latent space
潜空间是许多生成模型所用的压缩内部表示,模型在其中工作,而不是直接处理原始像素。图像被编码进这个更小的空间,在其中被修改,再解码回图片。它让生成更快,也是相近的提示语在风格上会彼此靠近的原因。
相关术语: 扩散模型 · 检查点(checkpoint) · 随机种子
站内延伸: /explore
光线术语Lighting terms
光线术语是描述场景如何布光的词,会强烈影响生成图的情绪。轮廓光(rim light)从背后勾勒主体边缘,柔光箱(softbox)提供大面积柔和光,黄金时刻(golden hour)指日出后或日落前不久的暖色低角度光。点明光源与方向,比只写「光线好」有效得多。
站内延伸: /tools/relight · /category/portrait
口型同步Lip sync
口型同步是让角色的嘴部动作与说话音频匹配,使语音在屏幕上看起来自然。在 AI 视频里,它可以由接受音频输入的模型产生,也可以在成片上做单独的后处理。准确度因模型、语言和脸部可见程度而异。
站内延伸: /category/video
LoRA 微调LoRA
LoRA 即低秩适配,是一个小型附加文件,可在不重训整个模型的情况下,把基础图像模型调向某种风格、角色或主体。LoRA 常见于开源工作流,可与检查点组合使用。托管平台通常提供成品模型,而不是可加载的 LoRA。
相关术语: 检查点(checkpoint) · 扩散模型 · 风格参考
站内延伸: /explore
M
样机(mockup)Mockup
样机是展示设计应用于某个物体或场景的逼真图像,例如包装上的 Logo、墙上的海报或手机里的 App。生成的样机用于在正式制作前展示概念。对物体、材质和环境的清晰描述,比夸质量的形容词更重要。
站内延伸: /category/brand-logo · /blog/ai-packaging-design-prompts
运动强度Motion strength
运动强度是控制生成视频中运动幅度的设置或提示语线索。强度低时画面几乎静止、只有轻微漂移;强度高则允许大幅主体和镜头运动,但有变形风险。没有滑块时,提示语里的缓慢、细微、快速等词起同样作用。
站内延伸: /category/video
多图参考Multi-image reference
多图参考是同时提供多张图片来引导一次生成,例如一张脸、一件产品和一个背景。上限因模型而异:在 Genvizu 上,GPT Image 2.5 最多 16 张,Nano Banana 2.1 最多 10 张,Seedream 5.0 Pro 最多 5 张。在提示语里为每张图标注用途,有助于模型正确使用。
N
负向提示语Negative prompt
负向提示语是第二个文本框,列出模型应避免的内容,如模糊、多余手指、水印。它常见于开源扩散工具。许多托管模型没有单独的输入框,常见的替代做法是正面描述想要的结果,并把限制条件写进主提示语。
相关术语: 提示语 · 提示语引导强度(CFG) · 水印
站内延伸: /ai-prompt-generator
O
扩图Outpainting
扩图是在原图边界之外生成延续画面的新内容。用于改变画幅比例、为文字留出空间或展示更多场景。当原图边缘有清晰语境(如地平线或可延续的图案)时,效果最好。
站内延伸: /model/gpt-image-2.5
P
产品图Product shot
产品图是为销售或广告清晰呈现产品的图像,通常是干净背景或生活场景。提示语要写明物体、材质、角度、光线和承托表面。电商平台常要求纯色背景,而生活场景图则展示产品使用的情境。
相关术语: 样机(mockup) · 光线术语 · 360° 转面图
站内延伸: /category/ads-product · /blog/ai-product-scene-tutorial
提示语Prompt
提示语画廊Prompt gallery
提示语画廊是一个可浏览的作品集合,作品与产生它们的提示语和参数一同发布。你可以研究什么措辞带来什么结果,再把某个创意当起点复用。在 Genvizu 上可按模型、分类或标签筛选作品,并直接载入生成器。
相关术语: 提示语 · 技能包(Skills) · 工作流与画布
站内延伸: /explore · /category/illustration-3d
提示语注入(图像场景的滥用)Prompt injection (image misuse)
提示语注入是试图在输入中夹带指令,让系统做出所有者不希望的行为。对图像工具而言,相关的滥用是为绕过内容过滤而设计的措辞,或藏在参考图中的文字。服务通过审核检查来防御,所以这类尝试通常会被拒绝。
站内延伸: /docs/user-guide
提示语长度与分词Prompt length / tokenizer
提示语长度是模型接受的文本量,以字符或词元(token)计,分词器会把文本切成模型读取的小单元。上限差别很大:在 Genvizu 上,Midjourney 8.2 为 1,024 字符,Seedream 5.0 Pro 为 3,000,GPT Image 2.5 为 20,000。过长的提示语会稀释重点,所以把最重要的细节放在前面。
提示语权重Prompt weight
提示语权重是让提示语里某些词比其它词更重要的办法。Midjourney 在短语后加双冒号和数字,其它工具则用括号或数值权重。是否支持取决于模型,使用前请查看对应模型的语法说明。
相关术语: 风格化强度(stylize) · 混沌度(chaos) · 提示语
站内延伸: /midjourney-prompt-helper · /blog/midjourney-8-2-prompt-guide
R
参考图Reference image
参考图是你提供来引导生成的图片,用于约束主体、风格、构图或色板。相比纯文字,它减少了猜测。各模型接受的参考图数量和遵循程度不同,有些模型(如 Genvizu 上的 Grok Image 2)不接受参考图。
站内延伸: /model/gpt-image-2.5 · /image-to-prompt
分辨率Resolution
分辨率是输出的像素尺寸,常以档位命名:图像是 1K、2K、4K,视频是 480p、720p、1080p。档位越高细节越多,但耗时更长。可用档位取决于模型:在 Genvizu 上,GPT Image 2.5 提供 1K、2K、4K,Seedance 2.5 提供 480p 和 720p。
三分法Rule of thirds
三分法是一条构图准则,把画面分成三乘三的网格,把重要主体放在线上或交点处,通常比全部居中更均衡。在提示语里,主体位于左三分之一这样的说法,会在另一侧留出放文字或留白的空间。
S
采样器Sampler
采样器是在扩散模型中执行去噪步骤的算法,决定每一阶段如何去除噪声。不同采样器在速度、锐度和多样性之间权衡,名字如 Euler、DPM 等。多数托管服务替你选好采样器,所以它主要是开源工具里要考虑的事。
相关术语: 采样步数 · 提示语引导强度(CFG) · 随机种子
站内延伸: /explore
随机种子Seed
随机种子是初始化生成起点随机噪声的数字。在种子、提示语和设置都相同的情况下,开放该参数的模型几乎能复现同一张图,从而可以做受控对比。许多托管模型不开放种子,因此并不总能精确重现。
相关术语: 采样步数 · 提示语引导强度(CFG) · 扩散模型
站内延伸: /ai-prompt-generator
系列一致性Series consistency
系列一致性是在许多生成作品(如一组封面或一套贴纸)中保持统一的观感、色板和角色设计。主要方法是复用同一个模型、风格词和参考图。批量工作流和打包的 Skills 会有帮助,因为它们把这些输入一次性固定下来。
相关术语: 角色一致性 · 风格参考 · 技能包(Skills)
站内延伸: /tools/cover-maker · /blog/monocolor-editorial-print-skill
景别Shot size
景别描述主体在画面中占多大比例,从展示细节的大特写到呈现整个场景的远景。常见景别有特写、中景、全景。在提示语里点明景别是控制取景的简单办法,尤其是视频,每个镜头都需要自己的距离。
技能包(Skills)Skills
Skills 是打包好的、带参数的提示语配方,把一份简短需求变成面向合适模型的结构化提示语。Genvizu 的 Skills 覆盖产品图套图、封面设计、贴纸包等任务。它们让你不必从零写长提示语,并让一批输出保持一致。
采样步数Steps
采样步数是扩散模型生成图像时执行的去噪迭代次数。步数多可以增加精细度,但收益递减且等待更久;步数太少则结果粗糙。一些快速模型专门调校为极少步数即可工作,托管服务通常自动设置。
相关术语: 采样器 · 提示语引导强度(CFG) · 扩散模型
站内延伸: /model/z-image
分镜Storyboard
分镜是在制作之前规划视频或故事的一连串画格或镜头,展示取景、动作和顺序。使用 AI 工具时,每个画格可以先生成为图像,再转成视频片段。先规划剪辑点很重要,因为多数视频模型一次只生成一个连续镜头。
站内延伸: /blog/video-to-storyboard-sheet-genvizu-infinite-canvas · /blog/ai-video-storyboarding-timeline-15s-shorts
风格参考Style reference
风格参考是为把某种观感(色彩、质感、笔触)带入新生成而提供的图片或代码,不照搬其中的主体。它不同于内容参考(后者承载画面所示内容)。适合让一个系列在不同主体上保持视觉统一。
相关术语: 参考图 · 角色一致性 · 风格化强度(stylize)
风格化强度(stylize)Stylize
风格化强度是 Midjourney 的一个参数,设定模型在多大程度上施加自己的审美偏好、而非字面遵循你的提示语。数值低更贴近措辞,数值高则画面更艺术化、更精致,有时也更不字面。当输出显得太平或太浮夸时,值得调整。
相关术语: 混沌度(chaos) · 提示语权重 · 风格参考
T
图中文字渲染Text rendering in images
图中文字渲染指模型在图像里画出可读、拼写正确的文字的能力,如招牌、海报、标签。这是许多生成器的已知弱点,也是另一些模型主打的强项。想要好结果,把确切文字放进引号,保持简短,并说明出现的位置。
文生图Text-to-image
文生图是一种仅凭文字提示语、没有起始图片就创建新图像的生成模式,也是使用图像模型最常见的方式。对主体、风格、光线和构图的具体措辞,比简短或抽象的短语更能带来可预期的结果。
站内延伸: /ai-prompt-generator
文生视频Text-to-video
文生视频是仅凭文字提示语创建视频片段的生成模式。好的提示语会描述主体、动作、场景和一种运镜。片长、分辨率以及是否生成声音取决于模型,规划镜头前请先看模型页。
站内延伸: /blog/seedance-2-0-text-to-video-prompt · /ai-video-prompt-generator
平铺(tile)Tile
平铺是 Midjourney 的一个参数,让生成的图像在并排摆放时无缝重复。用于图案、纹理和壁纸。不用它时边缘很少能对上,重复起来会有拼接痕迹。使用前先把副本并排摆放检查一下结果。
相关术语: 混沌度(chaos) · 风格化强度(stylize) · 样机(mockup)
站内延伸: /model/midjourney-8-2
排版类提示语Typography prompt
排版类提示语是为生成设计过的文字(如海报标题或 Logo 字标)而写的提示语。它指明确切文字、字体风格、层级、颜色和文字位置。选用文字渲染强的模型,并配上简短精确的字符串,结果最干净。
相关术语: 图中文字渲染 · 样机(mockup) · 构图
站内延伸: /blog/ai-typography-poster-prompt-guide · /category/brand-logo
U
放大Upscaling
放大是在图像或视频生成之后提高其分辨率,补充细节让它在更大尺寸下依然站得住。它由单独的模型完成,而不是重新生成。Genvizu 提供基于 Topaz 引擎的视频放大。放大无法修复糟糕的构图,只能让已有的内容更清晰。
V
视频转视频Video-to-video
视频转视频是一种生成模式:输入已有片段和提示语,生成保留其运动或结构、同时改变风格或内容的新片段。部分模型除文字和图片外还接受参考视频。参考片段的数量和总时长上限因模型而异。
W
水印Watermark
水印是添加到图像或视频上的可见或不可见标记,用来表明其来源或它由 AI 生成。有的提供方嵌入 SynthID 这样的隐形水印,有的会加可见标识。为误导他人而去除或隐藏这类标记,可能违反平台条款,请核对你的用途所适用的规则。
站内延伸: /docs/model-pricing
工作流与画布Workflow / canvas
工作流或画布是节点式的工作空间,把提示语、参考图和生成结果连成一张图,让多步骤的创意一直可见,而不是淹没在聊天记录里。Genvizu 的画布模式把提示语节点、参考图、生成和智能体步骤连在一起,结果可作为下一步的输入。
相关术语: 技能包(Skills) · 分镜 · 提示语画廊
站内延伸: /canvas · /blog/genvizu-infinite-canvas-complex-workflows
#
360° 转面图360° turnaround
360° 转面图从各个侧面展示主体,可以是一组视图,也可以是旋转的片段,方便从每个角度审视其形态。用于角色、产品和设计评审。生成一致的多视角很难,所以固定背景和稳定光线会有帮助。