05 / GLOSSARY

AIGC 术语表

29 TERMS

用一段话说清每个概念。按基础、图像、音视频与工程实践四组整理，术语名保留通行英文写法，便于对照检索与沟通。

基础概念10

提示词Prompt: 给生成模型的一段指令或描述，直接决定输出内容的方向与质量。写清主题、风格与约束，通常比堆长度更有效。
词元Token: 模型处理文本的最小单位，约等于一个汉字或半个英文单词。计费、上下文长度与速率限制都按词元计算。
上下文窗口Context Window: 模型一次能处理的词元上限，决定它「看得到」多少材料。超出窗口的内容需要分段、摘要或检索来补足。
推理Inference: 用训练好的模型生成一次结果的过程。日常说的「跑一次生成」就是一次推理，使用成本与延迟主要发生在这里。
微调Fine-tuning: 在预训练模型上用自有数据继续训练，让输出贴合特定风格或任务。LoRA 是目前最常用的轻量微调方式。
检索增强生成RAG: 先从外部知识库检索相关资料，再让模型基于资料作答。用于抑制幻觉、把模型接通私有知识库。
智能体Agent: 能规划步骤、调用工具并自主完成多步任务的 AI 系统。编码 Agent、常驻个人助理都是它的常见形态。
多模态Multimodal: 同一模型能同时理解或生成文本、图像、音频、视频等多种媒介。Gemini 与 GPT 系列的现役型号均为多模态。
幻觉Hallucination: 模型一本正经地编造事实的现象。高风险场景要靠检索来源与交叉核实来抑制，单靠提示词措辞并不可靠。
开源权重Open Weights: 模型参数文件公开发布，可自行部署与微调。注意「权重开放」不等于「许可证可商用」，逐仓库核对条款。

图像生成09

扩散模型Diffusion: 通过「逐步去噪」生成图像的模型范式。Stable Diffusion、FLUX 与 Midjourney 的图像引擎都属于这一类。
图生图Image-to-Image: 以一张图为基础、叠加提示词生成新图的生成方式，用于延续构图与配色。强度参数决定改动幅度的大小。
局部重绘Inpainting: 只重画选中的区域，其余像素保持不变。修手部、替换背景、清除杂物的常规手段。
向外扩展Outpainting: 把画布向四周延展并生成新内容。用于改变画幅比例、补全被裁切的取景，或为一图多版式做适配。
超分辨率Upscaling: 放大图像的同时重建细节，而不是简单拉伸像素。出图后要印刷或投大屏时的标准工序。
可控生成ControlNet: 用姿势骨架、边缘线稿、深度图等条件精确控制构图与姿态的技术。需要「姿势对、只换画风」时的主力方案。
轻量微调插件LoRA: 用几十张图训练出的小型风格或角色插件，叠加在底模上即插即用，文件通常只有几十 MB。
种子Seed: 决定初始噪声的随机数。固定种子后再改提示词，可以在构图基本不变的前提下对比不同写法的效果。
风格迁移Style Transfer: 保留内容结构、替换视觉风格的生成方式。给一张参考图，就能把它的风格迁移到新的作品上。

音频与视频05

文本转语音TTS: 把文本合成为自然语音。情绪标签、停顿控制与多说话人是新一代产品拉开差距的地方。
声音克隆Voice Cloning: 用几秒到几分钟的录音样本复刻音色。商用前必须获得声音本人的授权，这是行业红线而非建议。
音轨分离Stem Separation: 把成品歌曲拆成人声、鼓、贝斯等独立音轨。翻唱、Remix 与制作练习伴奏的基础工序。
口型同步Lip Sync: 让人物口型精确匹配指定语音。数字人视频与配音翻译的工作流里，它是真实感的第一道门槛。
音频响应Audio Reactivity: 让画面随音乐的节拍与频段起伏运动。音乐视频生成器的看家能力，通常按音轨逐项驱动不同视觉参数。

工程与实践05

速率限制Rate Limit: 单位时间内的调用次数或词元上限。免费档通常更紧，写自动化脚本时必须处理 429 重试与退避。
沙箱Sandbox: 隔离的执行环境，让 Agent 跑代码、改文件时不波及真实系统。编码 Agent 与自动化工作流的安全底座。
模型上下文协议MCP: 把工具与数据源以标准协议接入模型的开放标准，作用类似 AI 应用的 USB-C：一次适配，处处可用。
基准测试Benchmark: 用固定题集给模型打分的评测体系。看榜时留意数据污染与刷榜风险，最终以自己的真实用例为准。
生成水印Watermark: 在生成内容中嵌入肉眼不可见、可机器验证的溯源标记（如 SynthID）。用于声明 AI 生成身份，不影响观感。