影视与摄影 / 知识点
影视制作术语速查
视觉特效与调色
分析画面中目标或特征点的运动轨迹,并把结果用于文字、特效或替换元素的同步;二维、三维和摄像机跟踪用途不同。
跟踪(Tracking)
跟踪是从连续画面中估计目标、特征点或摄像机随时间变化的运动,并把这组运动数据交给文字、特效或替换元素,使新增内容与原镜头保持同步。
边界
跟踪解决的是“元素如何随画面运动”,不等同于抠图、遮罩或完整的三维重建。结果是否可靠取决于目标是否有稳定特征、是否长期可见,以及遮挡、运动模糊、透视变化是否超出算法可判断的范围。
常见类型
| 类型 | 主要跟什么 | 常见用途 |
|---|---|---|
| 二维跟踪 | 画面平面上的点、区域或物体 | 让文字、贴图、模糊区域跟随目标移动 |
| 三维跟踪 | 目标在三维空间中的位姿或特征关系 | 让三维元素贴合真实物体或场景运动 |
| 摄像机跟踪 | 镜头自身的运动与空间关系 | 还原虚拟摄像机,使三维元素与实拍镜头一致 |
最小例子
镜头中一块路牌从画面左侧移动到右侧。二维跟踪可以得到路牌在每一帧中的位置,把一段文字绑定到该轨迹后,文字会随路牌移动;如果还要让三维模型正确响应镜头推近、旋转和透视变化,则通常需要三维或摄像机跟踪。
常见误解
“跟踪成功”不代表合成一定自然。轨迹只解决运动同步,遮挡关系、边缘处理、光照、透视和景深仍可能需要遮罩、转描、调色或三维合成等其他步骤。
通过可编辑区域定义画面中哪些像素参与处理或合成;常用于局部调色、抠图、特效限制和镜头元素替换。
遮罩(Mask)
遮罩是用一个可编辑的区域或灰度范围规定哪些像素参与处理、参与多少,从而把调色、特效或合成限制在画面的指定部分。
边界
遮罩描述的是“处理范围”,本身不负责识别对象的语义。硬边遮罩常用于明确边界,羽化或灰度遮罩可以让影响从完全生效到完全不生效逐渐过渡;如果主体持续运动,遮罩通常还需要关键帧、跟踪或转描来随时间更新。

与相邻概念的区别
| 概念 | 主要回答的问题 |
|---|---|
| 遮罩 | 哪些像素参与处理,以及参与程度 |
| 抠图 | 如何把前景与背景分离 |
| 跟踪 | 目标或特征如何随时间移动 |
遮罩可以作为抠图结果的一种表达形式,也可以与跟踪结合,让处理区域持续跟随运动目标,但三者关注点不同。
最小例子
给人物脸部画一个椭圆遮罩,只提高遮罩内部的曝光,并对边缘做羽化,最终亮度变化主要落在脸部且过渡自然。若人物移动,静态遮罩会留在原位置,需要让遮罩随目标运动。
常见误解
遮罩不是“只有黑白两种状态”。很多合成与调色系统支持灰度权重,灰色区域表示部分生效,因此羽化边缘本质上也是连续变化的遮罩权重。
在基础校正后进一步建立镜头的色彩关系、对比度和视觉风格;强调创作表达,不应与基础曝光和白平衡校正混为一谈。
色彩分级(Color Grading)
色彩分级是在素材达到基本正确、镜头之间能够正常衔接后,通过亮度、对比度、色相、饱和度和局部色彩关系塑造画面视觉风格的创作处理。
边界
色彩分级通常建立在基础校正之后。基础校正优先解决曝光偏差、白平衡错误、明显色偏以及不同机位之间的基础一致性;色彩分级则进一步决定暗部是否偏冷、肤色如何突出、高光如何压缩、整体对比度和饱和度呈现怎样的视觉倾向。
两者在实际软件中可能使用相同的曲线、色轮或蒙版工具,因此边界主要取决于处理目的,而不是使用了哪个按钮。用于恢复正常观感属于校正,用于主动建立叙事或审美风格更接近分级。
与色彩校正的区别
| 概念 | 主要目标 | 典型判断标准 |
|---|---|---|
| 色彩校正 | 让画面达到技术上合理且镜头间一致的起点 | 曝光、白平衡、肤色和镜头匹配是否正常 |
| 色彩分级 | 在正确起点上建立有意图的视觉风格 | 色调关系、对比结构和氛围是否符合创作目标 |
同一个调整动作可能同时产生技术和审美效果。例如降低高光既可能用于恢复过亮区域,也可能用于营造柔和、低反差的风格,需要结合目的判断。
最小例子
一组室内镜头因不同机位导致白平衡略有差异,先把它们统一到自然肤色和相近曝光,这是基础校正。随后将阴影轻微推向冷色、降低整体饱和度并保留偏暖肤色,以形成克制的视觉氛围,这部分属于色彩分级。
用于按预定义映射关系转换颜色或显示结果的查找表;既可用于技术转换,也可用于风格预览,不能把所有 LUT 都视为调色风格。
LUT
LUT(Look-Up Table,查找表)是一组预先定义的颜色映射规则,用输入颜色查得对应输出颜色,从而快速完成固定的色彩转换或显示预览。
边界
LUT 本质上描述的是确定的输入到输出映射,本身不会理解画面内容,也不会根据人物、天空或局部曝光自动调整策略。相同 LUT 应用于不同素材时,会按照同一映射规则处理,因此结果是否合适取决于素材所处的色彩空间、曝光状态以及 LUT 原本的设计用途。
影视流程中常见的 LUT 用途并不相同:技术 LUT 可承担某种色彩空间或显示转换;创意 LUT 可以提供预设风格或风格预览。两者都叫 LUT,但不能因为文件形式相同就认为作用相同。
与手工调色的区别
| 概念 | 核心特征 | 是否理解具体镜头 |
|---|---|---|
| LUT | 按预定义映射转换颜色 | 否 |
| 手工调色 | 根据当前镜头调整曝光、色彩关系和局部区域 | 可以针对镜头逐项判断 |
LUT 可以成为调色流程中的一个环节,但通常不能替代镜头匹配、局部修正和针对具体素材的判断。
最小例子
假设一段素材采用较平坦的记录方式拍摄,为监看准备的技术 LUT 可以把这种输入转换成更接近目标显示环境的对比度和颜色表现,使现场人员更容易判断最终观感。这个 LUT 的任务是转换或预览,并不意味着它已经完成了整部影片的创意调色。
如果另一个 LUT 专门为了建立偏冷阴影、偏暖高光等固定视觉倾向,它更接近创意 LUT,但仍只是预定义映射;不同曝光或不同色彩空间的素材直接套用后可能出现截断、偏色或过度饱和。
泛指让画面呈现具有电影叙事气质的综合视觉效果,并非单一技术参数;通常涉及构图、光线、景深、运动和色彩等多个因素。
电影感(Cinematic Look)
电影感是由构图、光线、镜头与景深、运动方式、色彩以及美术设计等因素共同形成的整体视觉观感,不对应某一个固定参数或滤镜。
边界
电影感描述的是综合视觉语言,而不是某种设备规格。24 fps、宽画幅、浅景深、电影 LUT 或黑边都可能参与塑造观感,但单独使用其中任何一项都不能保证画面具有电影感。
判断时还要结合内容目的。同样的高反差照明或浅景深,在剧情片中可能强化叙事,在采访、纪录或产品展示中却可能妨碍信息表达。因此电影感不存在脱离题材、场景和创作意图的统一参数组合。
与相邻概念的区别
| 概念 | 主要关注点 |
|---|---|
| 电影感 | 多种视觉与运动因素形成的整体叙事气质 |
| 调色 | 调整曝光、对比度、色相、饱和度等颜色与明暗关系 |
| 浅景深 | 控制清晰范围,使主体与前后景产生焦点层次 |
| 宽画幅 | 改变画面的宽高比例与横向构图空间 |
调色、浅景深和宽画幅都可以成为电影感的一部分,但它们只是手段,不与电影感等价。
最小例子
一段人物对话采用有目的的明暗层次、稳定且符合视线关系的构图、受控的景深、自然的镜头运动,并通过统一色彩保持场景情绪,即使使用普通摄影设备,也可能形成连贯的电影感。
反过来,仅给普通视频套上电影 LUT、裁成宽银幕比例并添加黑边,如果光线、构图和运动仍然杂乱,通常只改变了外观特征,并没有建立完整的电影视觉语言。
常见误解是把“电影感”理解为某个帧率、镜头、LUT 或后期预设。更准确的判断标准是多个视觉选择是否共同服务于叙事,并保持一致。
交付与发行
描述画面宽度与高度的比例,如 16:9 或 2.39:1;它决定构图空间和交付版式,不能与视频分辨率本身混为一谈。
画幅(Aspect Ratio)
画幅是画面宽度与高度之间的比例关系,通常写成 16:9、4:3 或 2.39:1,它描述画面的形状,而不是像素数量。
边界
画幅只表达宽高的相对比例。同为 16:9 的 1920×1080 和 3840×2160 分辨率不同,但画面形状相同;反之,像素总量接近的两个视频也可能因为宽高比例不同而具有不同画幅。
画幅会直接影响构图空间和交付方式。素材画幅与目标画幅不一致时,通常需要裁切、留黑边或重新构图;单纯拉伸宽度或高度会改变物体比例,因此一般不应作为正常适配方式。
与分辨率的区别
| 概念 | 回答的问题 | 示例 |
|---|---|---|
| 画幅 | 画面有多宽、相对有多高 | 16:9、2.39:1 |
| 分辨率 | 画面由多少横向和纵向像素组成 | 1920×1080、3840×2160 |
分辨率可以推导出画幅,但不能仅凭“4K”“1080p”这类规格名称判断所有具体交付文件的画幅,因为实际编码尺寸仍可能经过裁切或采用其他尺寸。
最小例子
1920×1080 的宽高比为 16:9;3840×2160 也是 16:9。后者像素数量更高,但两者用于构图时拥有相同的基本矩形比例。
如果把一段 16:9 画面交付为更宽的 2.39:1,通常需要从上下裁掉一部分内容,或者在新的画布中保留原画面并处理空余区域。选择哪种方式取决于构图和交付规范。
常见误解是把画幅等同于分辨率,或认为给画面上下加黑边就一定改变了源视频的实际画幅。核对时应分别查看画布像素尺寸、宽高比例以及黑边是否已经被编码进图像。
面向平台、发行方或档案保存提交经过确认的高质量成片版本;通常依据明确技术规范输出,不等于直接上传剪辑工程文件。
母版交付(Master Delivery)
母版交付是按照接收方明确的技术规范,提交已经完成内容确认和质量检查的高质量最终成片,用于平台接收、发行或档案保存,而不是提交剪辑工程本身。
边界
判断一份文件是不是母版,关键不只看“画质高不高”,而要看它是否是经过确认、符合本次交付规范并可作为后续发行依据的成片。具体分辨率、帧率、编码、色彩、音频声道、字幕形式和文件命名等要求,应以平台或发行方提供的规范为准。
剪辑工程文件、原始素材、代理文件和临时渲染通常属于制作资产,不会因为一起提交就自动成为母版。用于内部审核的低码率预览文件也可能内容完全相同,但其用途和技术规格通常不同于正式母版。
与相邻概念的区别
| 概念 | 核心用途 | 是否通常作为正式成片依据 |
|---|---|---|
| 母版交付 | 按接收方规范提交确认后的高质量成片 | 是 |
| 审片文件 | 供客户、导演或团队确认内容 | 不一定 |
| 剪辑工程 | 保存时间线、素材引用和编辑状态 | 否 |
| 发行衍生版本 | 从已确认成片制作特定平台或地区版本 | 视具体流程而定 |
“母版”描述的是交付角色,不代表存在一套对所有项目通用的编码参数。同一个项目还可能因为平台、地区、语言或归档要求而产生多份不同规格的正式交付文件。
最小例子
一部影片完成剪辑、调色、混音和最终审核后,制作方按照发行方提供的技术清单输出成片,并检查时长、画面、音频与要求一致后提交,这属于母版交付。
如果只把剪辑软件的工程文件和关联素材发送给发行方,即使其中包含最高质量素材,也不能因此称为已经完成母版交付。
把字幕直接写入视频画面,使其成为影像像素的一部分;适合无法独立加载字幕文件的交付场景,但后续无法单独关闭。
字幕烧录(Burn-In)
字幕烧录是把字幕文字在输出时直接渲染进视频画面,使字幕成为影像像素的一部分,因此播放端不需要额外字幕文件,也不能单独关闭这层字幕。
边界
只有字幕已经进入最终视频图像本身,才属于烧录。单独交付 SRT 等字幕文件,或者把字幕作为播放器能够选择开关的独立字幕轨,都不属于 Burn-In。
烧录后的字幕会跟随视频一起缩放、转码和再压缩。如果文字、时间点、语言或样式需要修改,通常必须重新生成包含正确字幕的画面版本,而不能像独立字幕轨那样只替换字幕文件。
与可切换字幕的区别
| 形式 | 字幕存放位置 | 播放时能否关闭 | 修改字幕是否必须重新生成画面 |
|---|---|---|---|
| 字幕烧录 | 视频画面像素中 | 否 | 通常是 |
| 外挂字幕 | 独立字幕文件 | 通常可以 | 否 |
| 独立字幕轨 | 媒体容器中的独立轨道 | 通常可以 | 通常不需要重做视频画面 |
烧录适合要求字幕始终可见,或目标播放环境不能可靠加载独立字幕的场景;是否必须烧录仍应依据具体交付规范,而不是默认所有成片都这样处理。
最小例子
导出视频时启用字幕渲染,生成的新视频在任何普通播放器中打开后都能直接看到字幕,即使没有附带字幕文件,这就是字幕烧录。
如果同一视频旁边放有一个独立字幕文件,删除该字幕文件后画面中的字幕也随之消失,那么它不是烧录字幕。
观众播放视频时始终显示在画面中的字幕形式;与可独立启用或关闭的隐藏式字幕相比,发行控制方式更加固定。
开放式字幕(Open Subtitles)
开放式字幕是已经与可见画面合成、播放时始终显示且观众无法通过播放器单独关闭的字幕形式。
边界
判断开放式字幕的关键不是“默认是否显示”,而是字幕是否已经成为最终画面的一部分。文字在导出、转码或母版制作阶段被渲染进视频像素后,播放器通常不再拥有独立字幕轨可供隐藏、换语言或替换样式。
如果字幕虽然默认开启,但仍来自独立的字幕轨、外挂字幕文件或播放器实时叠加层,并且能够关闭,就不属于开放式字幕。不同语言需要分别烧录时,通常也会形成不同的视频版本。
与隐藏式字幕的区别
| 字幕形式 | 字幕是否进入画面 | 观众能否关闭 | 典型发行特点 |
|---|---|---|---|
| 开放式字幕 | 是 | 否 | 显示效果固定,播放端不依赖字幕功能 |
| 隐藏式字幕 | 否,作为独立字幕数据存在 | 通常可以 | 可切换语言、开关或由播放器调整显示方式 |
开放式字幕适合必须保证文字始终可见的交付版本;隐藏式字幕则把字幕内容与视频画面分离,保留更多播放端控制能力。
最小例子
一条中文对白在成片导出前已经渲染到每一帧对应的画面区域。把文件交给普通播放器后,即使关闭播放器的字幕功能,这行文字仍然存在,因此它是开放式字幕。
相反,如果交付的是一个视频文件加独立字幕轨,播放器能够关闭该轨,即使它启动时默认显示,也仍不是开放式字幕。
常见误解
“默认开启”不等于“开放式”。真正需要检查的是字幕能否脱离视频画面单独存在和控制。开放式字幕一旦烧录进画面,后续要修改错字、语言或位置,通常需要重新制作并输出相应视频版本。
描述单位时间记录或播放的画面帧数,如 24、25、30、50、60 fps;影响运动表现、时间换算和不同素材混剪时的处理方式。
帧率(Frame Rate)
帧率是视频在单位时间内记录、处理或播放的画面帧数量,通常以 fps(frames per second,每秒帧数)表示。
边界
帧率描述的是时间轴上每秒包含多少帧,不等同于单帧曝光时间,也不等同于显示设备的刷新率。24 fps 表示时间基准约为每秒 24 帧,但每一帧曝光多久由快门设置决定;显示器以多高频率刷新则属于另一项参数。
实际制作还要区分整数帧率与分数帧率。例如 24 fps 与约 23.976 fps、30 fps 与约 29.97 fps 在名称上接近,但其时间基准并不完全相同。长时节目、音画同步或时间码流程中不能仅按显示出的整数名称认为它们等价。
与相邻概念的区别
| 概念 | 回答的问题 | 典型单位 |
|---|---|---|
| 帧率 | 视频每秒记录或播放多少帧 | fps |
| 快门时间 | 单帧感光持续多久 | 秒或角度 |
| 刷新率 | 显示设备每秒刷新多少次 | Hz |
提高帧率会增加单位时间内的时间采样点,但运动是否显得清晰还同时受快门、运动速度、显示方式等因素影响,因此“帧率越高,任何画面都一定越清晰”并不成立。
最小例子
一段恒定 24 fps 的素材持续 10 秒,时间轴上对应约 240 个连续帧位置;恒定 60 fps 的 10 秒素材则对应约 600 个帧位置。后者在相同持续时间内提供更多运动采样点,但也意味着拍摄、处理和交付链路需要正确处理对应帧率。
当 24 fps 素材进入 60 fps 时间线时,系统不能凭空获得原本不存在的真实拍摄瞬间;软件只能通过重复帧、插帧或其他转换方式适配时间线。
常见误解
不要把 24、23.976、30、29.97 等近似名称直接视为完全相同的时间基准,也不要把“项目帧率”和“所有源素材帧率”混为一谈。混剪或交付前应同时核对素材、时间线与最终输出的实际帧率。
以小时、分钟、秒和帧标识媒体时间位置的编号体系;常用于拍摄记录、剪辑定位、同步和后期制作沟通。
时间码(Timecode)
时间码是用小时、分钟、秒和帧组成的编号来标识媒体时间位置的体系,使拍摄、剪辑、声音和后期人员可以引用同一个精确位置。
边界
典型时间码写作 HH:MM:SS:FF,最后一段是帧编号,因此必须结合对应帧率解释。同一个 00:00:10:12 在不同帧率素材中代表的帧级位置并不相同。
时间码主要承担定位和同步标识,不等同于文件创建时间、拍摄日期,也不保证两个独立设备天然同步。多机位或独立录音场景仍需确认各设备采用兼容的帧率、时间码模式和同步方式。
对于 29.97 fps、59.94 fps 等特定帧率,还可能遇到 Drop-Frame Timecode。Drop-Frame 并不会删除实际视频帧,而是按规则跳过部分时间码编号,以减小时间码读数与现实经过时间之间的累计偏差。
与相邻概念的区别
| 概念 | 主要回答的问题 |
|---|---|
| 时间码 | 媒体中的这个位置如何被统一编号和引用 |
| 播放时长 | 从开始到当前位置实际经过了多长时间 |
| 帧号 | 从某个起点累计到了第几帧 |
| 文件时间戳 | 文件何时创建、修改或由系统记录 |
时间码可以从 00:00:00:00 开始,也可以使用拍摄现场约定的其他起始值,因此不能仅凭数值推断素材已经播放了多久。
最小例子
在 25 fps 素材中,时间码 01:00:00:12 表示编号到 1 小时、0 分、0 秒后的第 12 帧位置。如果剪辑师要求检查 01:00:00:12,声音或调色人员可以直接跳到该时间码核对同一画面。
AI 内容生产
使用低码率或低分辨率媒体完成主要剪辑工作,再回连高质量原始素材完成最终输出;适合高分辨率、多机位或低性能设备场景。
代理剪辑(Proxy Editing)
代理剪辑是用更轻量的代理媒体代替高质量原始素材进行剪辑,并在最终调色、精修或输出前重新关联原始媒体的工作方式。
边界
代理文件只是原始素材的编辑替身,通常降低分辨率、码率或采用更易解码的编码格式,以减轻存储吞吐和解码压力。剪辑软件需要保留代理文件与原始素材之间可靠的对应关系,才能在后期切回高质量媒体。
代理剪辑成立的关键不是“做了一份小文件”,而是剪辑决定能够无损地映射回原始素材。文件名、素材 ID、时间码、帧率和音频布局等信息如果在生成或整理代理时发生不兼容变化,后续回连可能失败或错位。

与相邻概念的区别
| 概念 | 核心区别 |
|---|---|
| 代理剪辑 | 轻量媒体用于编辑,最终通常重新关联原始素材 |
| 转码 | 把媒体转换为另一种编码、封装或规格,不必存在回连步骤 |
| 降分辨率成片 | 低分辨率文件本身就是最终交付物,而不是临时编辑替身 |
代理媒体可以通过转码生成,但“转码”描述的是媒体转换动作,“代理剪辑”描述的是编辑阶段使用替身并保持回连能力的工作方式。
最小例子
一个 4K 多机位项目可以为每条原始素材生成 1080p 或更低规格的代理文件,在笔记本上完成剪切、排序和节奏调整。锁定剪辑后,将时间线切回对应的 4K 原始素材,再进行需要原始画质的调色和最终输出。
面向视频生成模型描述单个镜头的主体、动作、构图、摄影机运动与环境条件的文本;重点是可执行的镜头信息而非抽象故事梗概。
镜头提示词(Shot Prompt)
镜头提示词是面向视频生成模型、以单个镜头为单位描述主体、动作、构图、摄影机运动和环境条件的文本,其目标是把创作意图转换成模型能够据此生成画面的具体视觉约束。
边界
镜头提示词通常回答“这个镜头里能看见什么,以及摄影机如何观察它”,而不是完整描述人物背景、剧情因果或整段影片结构。它可以包含人物或物体、动作方向、景别、视角、镜头运动、光线、时间和环境等信息,但哪些字段真正产生强约束取决于具体模型及其输入机制。
如果一个描述需要跨多个镜头才能成立,例如“角色进入房间、发现线索,随后切到街道追逐”,它更接近分镜或镜头序列设计,不宜全部塞进一个 Shot Prompt。
与相邻概念的区别
| 概念 | 主要回答的问题 |
|---|---|
| 镜头提示词 | 单个镜头具体要生成什么画面,摄影机如何表现 |
| 故事梗概 | 故事发生了什么,人物和事件如何发展 |
| 分镜描述 | 多个镜头如何拆分、排序和衔接 |
| 风格提示 | 画面的视觉质感、色彩或美术方向是什么 |
镜头提示词可以包含风格信息,但“电影感”“梦幻”“史诗”等抽象词本身通常不足以替代主体、动作和构图等可执行描述。
最小例子
“雨夜街道,一名穿黄色雨衣的人从画面左侧快步走向右侧,中景,摄影机缓慢横移跟随,湿润路面反射路灯。”这段文字限定了主体、动作方向、景别、镜头运动和环境,因此可以作为一个完整的单镜头提示。
如果只写“一个孤独的人在雨夜寻找希望”,它表达了叙事情绪,却没有明确镜头里人物如何运动、如何构图或摄影机怎样移动,更接近创意概念而非镜头执行描述。
常见误解是把提示词写得越长就认为控制越精确。真正重要的是描述是否围绕同一个镜头保持一致,并把关键视觉关系说清楚;互相冲突或跨多个镜头的要求反而可能削弱可控性。
作为生成或转换过程视觉依据的图像帧,用于约束人物外观、场景、构图或风格;实际约束强度取决于所用模型与参数机制。
参考帧(Reference Frame)
参考帧是在视频生成或图像到视频等过程中提供给模型的视觉依据,用来约束人物外观、场景、构图、色彩或整体风格;它提供的是视觉参照,而不是保证后续每一帧都与原图完全一致。
边界
参考帧能够影响哪些特征、影响多强,取决于具体模型、工作流以及相关参数。有的系统主要利用它确定初始画面,有的会把其中的人物或场景特征作为持续参考,因此不能把“使用参考帧”等同于“锁定全部视觉属性”。
参考帧也不天然包含时间信息。单张图片可以说明角色长什么样、站在哪里,却通常不能独立表达动作持续多久、摄影机怎样运动或镜头最后停在哪里,这些信息仍需通过提示词、额外帧或其他控制机制补充。
与相邻概念的区别
| 概念 | 主要作用 |
|---|---|
| 参考帧 | 为生成过程提供人物、场景、构图或风格的视觉依据 |
| 首帧 | 明确作为生成序列起点的第一张画面 |
| 关键帧 | 在时间轴上定义某个关键时刻的状态,常用于动画或镜头控制 |
| 风格参考图 | 主要传递色彩、材质、光影或美术风格,不一定要求保持原图构图 |
同一张图片可以同时承担多种角色。例如它既可以是人物外观参考,也可能被某个工作流直接作为首帧使用;具体含义应以生成工具对该输入槽位的定义为准。
最小例子
把一张“短发女性、红色夹克、站在蓝色霓虹灯前”的图片作为参考帧,再要求生成她转头看向镜头的视频,模型可以借助该图理解人物外观和场景基调,而动作方向则由文字或其他控制条件提供。
如果后续画面中的服装细节、面部特征或构图发生变化,并不能仅据此判断参考帧没有生效,因为参考强度和时间一致性仍受模型能力及参数设置影响。
常见误解是把参考帧理解成逐像素模板。它通常提供的是生成约束或条件,而非对后续画面的逐帧复制;需要更强一致性时,应确认所用工具是否还提供角色参考、首尾帧、姿态或其他专门控制机制。
指同一角色在不同镜头中保持可识别且相对稳定的外观特征;常涉及脸部、服装、发型、体态及年龄等视觉信息连续性。
角色一致性(Character Consistency)
在同一作品或连续镜头中,同一角色的关键视觉身份特征保持足够稳定,使观众能够持续把不同画面中的人物识别为同一角色。
边界
角色一致性不要求角色在所有画面中完全相同。表情、姿势、光照、镜头焦段、服装污损以及剧情推动的换装或年龄变化都可以改变;关键是这些变化有明确原因,同时脸型、五官比例、发型轮廓、体态等身份锚点不会无故漂移。
在 AI 图像或视频生成中,一致性通常需要跨镜头检查,而不能只判断单帧是否“好看”。例如某一帧人物本身自然,但下一镜头突然改变眼距、发色或年龄感,仍属于角色一致性问题。
与相邻概念的区别
| 概念 | 主要检查对象 | 典型问题 |
|---|---|---|
| 角色一致性 | 同一角色的身份特征 | 脸型、发型、体态或年龄无故变化 |
| 镜头连续性 | 相邻镜头的动作、位置和场景状态 | 人物位置跳变、道具突然消失 |
| 风格一致性 | 整体视觉表现方式 | 同一段落突然从写实变成卡通质感 |
三者可以同时出现,但判断依据不同:角色一致性回答“还是不是同一个人”,镜头连续性回答“前后动作和空间是否接得上”,风格一致性回答“视觉语言是否保持统一”。
最小例子
同一角色在三个连续镜头中可以分别是正面、侧面和奔跑姿势,只要脸部结构、发型轮廓、服装核心元素和体态仍能相互对应,就可以保持角色一致性;如果第三个镜头突然出现不同发色、明显不同年龄或另一套无剧情依据的面部结构,则一致性被破坏。

常见误解
角色一致性不是“衣服一样就算同一个角色”。服装只是识别线索之一;如果面部结构、年龄感或体态明显漂移,即使服装完全相同也可能破坏身份连续性。反过来,有剧情依据的换装并不自动意味着角色不一致。
保证相邻镜头之间的人物位置、动作方向、道具状态、光线和空间关系基本连贯;AI 生成视频和传统剪辑都需要主动检查。
镜头连续性(Shot Continuity)
相邻或相关镜头中的人物位置、动作方向、道具状态、光线和空间关系保持可理解的衔接,使观众能够把它们读作同一事件或合理连续的时空。
边界
连续性不等于两个镜头必须完全相同。景别、机位、焦段和构图可以变化,人物也可以移动或拿起道具;只要变化能由前一镜头的动作、时间推进或叙事信息解释,通常仍然成立。
判断时要关注前一镜头留下的状态与后一镜头出现的状态是否能够接续。例如人物上一镜头正向画面右侧行走,下一镜头如果没有新的空间说明却突然反向移动,观众可能误判人物改变了方向;杯子、门窗、服装细节或主要光源无故跳变也会形成连续性错误。
与相邻概念的区别
| 概念 | 主要关注点 | 典型判断 |
|---|---|---|
| 镜头连续性 | 镜头之间的动作、空间和状态衔接 | 前后画面能否组成合理连续事件 |
| 角色一致性 | 同一人物的身份特征 | 不同镜头里是否仍可识别为同一角色 |
| 单镜头构图 | 一个镜头内部的视觉组织 | 主体位置、留白和视觉重心是否合适 |
一个镜头单独看可以构图良好、人物也完全正确,但与前一个镜头连接后仍可能出现方向、道具或空间状态跳变,因此连续性必须跨镜头检查。
最小例子
镜头 A 中人物从桌边起身,右手拿起杯子并向画面右侧走;镜头 B 切到更近的机位时,人物仍向相同空间方向移动,杯子仍在右手,桌椅和主光方向能够对应,这组镜头具有清晰的连续关系。如果杯子突然出现在左手或消失、人物没有转身却改向另一侧,观众就会感到跳变。

常见误解
镜头连续性不是要求剪辑隐藏所有变化,也不是禁止跳切或故意打破方向关系。创作者可以有意识地制造不连续效果;只有当作品本来希望表达连续动作或统一空间,而画面状态却在没有叙事依据的情况下改变时,才属于需要修正的连续性问题。
用于定义动画参数在特定时间点状态的控制点,软件据此计算中间变化;可控制位置、缩放、旋转、透明度和效果参数等。
关键帧(Keyframe)
关键帧是在时间轴的特定时间点记录某个可动画参数状态的控制点,用来告诉软件“此时参数应是什么值”;两个或多个关键帧之间的变化通常由软件按插值和缓动规则计算。
边界
关键帧描述的是参数在时间上的已定义状态,并不等于视频中的普通画面帧,也不意味着创作者必须逐帧设置参数。位置、缩放、旋转、透明度、音量以及部分效果参数都可以拥有各自独立的关键帧。
关键帧之间是否连续变化取决于具体参数和插值方式。线性、缓入缓出等插值会生成过渡;保持或阶跃类设置则可能让数值在下一个关键帧处直接改变。因此,“存在两个关键帧”不必然意味着中间一定平滑变化。
与普通帧和关键画面的区别
| 概念 | 主要含义 |
|---|---|
| 关键帧 | 在时间点记录可动画参数的状态,用于控制变化 |
| 普通帧 | 视频时间序列中的一个画面,不一定包含参数控制点 |
| 关键画面 | 创作语境中强调重要构图或动作姿态,不一定对应软件里的参数关键帧 |
同一视频帧上可以同时存在多个参数的关键帧,也可以完全没有任何关键帧。
最小例子
在第 0 秒把图层位置设为画面左侧并创建关键帧,在第 2 秒把位置改到画面右侧并创建第二个关键帧。采用连续插值时,软件会计算这两点之间的位置,使图层在两秒内从左向右移动。
常见误解是把关键帧理解成“必须手工制作的每一帧”。实际需要人工明确的是关键状态及其时间点,中间值是否以及如何生成由参数类型和插值设置决定。
用于补充主叙事、覆盖剪辑点或丰富视觉信息的辅助画面;与承载主要叙事信息的 A Roll 相配合,可减少连续对白画面的单调感。
B Roll
B Roll 是相对于主要叙事素材而言的辅助画面,用来补充正在讲述的信息、建立环境、展示细节,或在剪辑时覆盖主素材中的切点和不连续处。
边界
B Roll 描述的是素材在当前成片中的叙事功能,而不是固定的拍摄形式。特写、环境空镜、人物动作、产品细节、档案素材甚至屏幕录制,都可能作为 B Roll;同一段素材换到另一种叙事结构中,也可能承担主要内容。
B Roll 也不等于“没有同期声的画面”。它可以带有环境声或同期声,只是在常见剪辑中,画面经常覆盖在采访、旁白或其他主音轨之上。
与 A Roll 的区别
| 概念 | 主要职责 | 常见例子 |
|---|---|---|
| A Roll | 承载主要叙事或核心信息 | 采访主体、主持人讲述、主要剧情动作 |
| B Roll | 补充、说明或覆盖主叙事画面 | 环境、手部操作、物件细节、相关过程镜头 |
两者不是按画质、机位或重要程度区分,而是按当前剪辑中的叙事职责区分。
最小例子
一段采访中,受访者说“我们每天先检查摄影机电池”。受访者正面讲话的素材可作为 A Roll;随后画面切到工作人员检查电池、装入摄影机的镜头,同时保留采访声音,这些覆盖画面就是典型 B Roll。
常见误解是认为 B Roll 只是为了“让画面不无聊”。它确实能增加视觉变化,但更重要的用途是提供上下文、证明或解释主叙事信息,并帮助隐藏跳切等编辑痕迹。