**文生影片（Text-to-Video，簡稱 T2V）**是一種生成式 AI 技術：你用文字描述一個場景，模型把它「拍」成一段動態影片——包含運動、光影，在新一代模型上甚至有同步音訊。你負責描述，模型負責拍攝。
工作原理
主流的文生影片模型底層是擴散模型（Diffusion Model），在海量「影片＋字幕」配對資料上訓練而成。生成時，模型從純雜訊出發，在提示詞的引導下逐步「去噪」成一幀幀畫面。由於所有幀在同一個時間脈絡中生成，輸出具備連貫性：物體不會憑空消失，運動自然流暢，鏡頭表現得像真正的攝影機，而不是幻燈片。
擅長的場景
當你手裡只有一個想法、沒有任何素材時，文生影片最能發揮價值：
- 概念探索 —— 在實拍或畫分鏡之前，先把腦中的畫面視覺化。
- 短內容生產 —— 開場鉤子、B-roll 空鏡、產品預告、直式或橫式社群短片。
- 不可能的鏡頭 —— 無人機穿過鑰匙孔、玻璃鑄成的城市、穿太空衣的狐狸。只要你能描述，模型就能嘗試。
好的提示詞包含什麼
強大的 T2V 提示詞讀起來像導演的分鏡筆記，而不是許願。覆蓋四個要素：主體（誰／什麼）、動作（時間維度上發生什麼）、鏡頭（構圖與運鏡）、氛圍（光線、色調、情緒）。完整方法論見《如何寫出真正有效的 AI 影片提示詞》。