[智能体-513]：Step4：让 Bot 工作、有章法、固化最佳实践｜剪映 CapCut 关键词 + 关键技术术语完整详解

一、基础产品类关键词

1. 剪映 / CapCut剪映为国内中文客户端名称，CapCut 是海外国际版名称，字节自研一站式 AI 剪辑工具，覆盖手机、Windows、macOS 多端，原生适配短视频生态，二者账号、素材、会员体系不互通。
2. 多端云端同步依托字节云存储，剪辑草稿、收藏模板、自定义预设跨手机 / 电脑互通，工程文件在线保存，可随时接力剪辑。
3. 图文成片剪映核心图文生视频功能，输入文字脚本 + 自定义图片，AI 自动拆分分镜、生成画面动态、配音、字幕、转场，是图文转短视频核心入口。
4. 一键成片批量导入照片、短视频素材，AI 自动匹配音乐卡点、运镜、特效、字幕，快速生成多版本成片，多用于照片合集。
5. 剪同款模板复用功能，直接套用平台热门视频模板，仅替换图文素材即可复刻成片，降低创作成本。
6. SVIP 会员付费权益体系，解锁 4K 导出、高级抠像、商用数字人、独家音效特效、无限制 AI 画质修复等高阶能力，免费版仅开放基础剪辑功能。

二、基础剪辑时间线术语

1. 轨道时间线分层载体，分为视频轨道、画中画轨道、音频轨道、文本轨道、贴纸轨道，多层轨道叠加实现复合画面效果。
2. 画中画多层视频 / 图片叠加技术，在主画面之上新增独立素材轨道，配合蒙版、关键帧实现分屏、弹窗、悬浮图文效果。
3. 关键帧动画控制核心技术，对素材位置、大小、透明度、滤镜强度、蒙版范围设置起点、终点参数，软件自动生成平滑连续动态运镜。
4. 蒙版区域遮罩技术，包含线性、圆形、矩形、文字、钢笔自定义蒙版，遮挡画面局部、分离主体与背景，实现抠图、分屏、创意视觉效果。
5. 色度抠图（绿幕抠像）识别纯色背景并透明化，常用于数字人、虚拟场景合成，属于实时图像分割技术。
6. 画布视频基底画幅设置，支持 9:16 竖屏、16:9 横屏、1:1 方形、2.35 电影宽幅，画布填充包含模糊、纯色、图片背景三种模式。
7. 曲线变速非线性变速技术，自由设定片段不同区间快慢放，搭配光流补帧消除慢动作卡顿，适配卡点、氛围感镜头。
8. 光流补帧AI 插帧算法，低速镜头自动生成中间过渡帧，解决慢动作画面卡顿、拖影问题，提升画面流畅度。
9. 多机位剪辑多段同场景素材自动对齐音频波形，快速切换镜头，适合直播切片、活动多镜头素材剪辑。

三、AI 图文生视频核心技术术语

1. 语义分镜拆解图文成片底层 NLP 自然语言技术，AI 解析文案语义、段落逻辑，自动拆分独立分镜单元，匹配对应画面内容。
2. 图像微动运镜对静态图片做局部动态渲染，自动生成推、拉、摇、环绕镜头运动，补充帧间动态，让静态图文具备视频流动感。
3. 文生图辅助填充内置文生图大模型，当自有图片素材不足时，根据文案关键词自动生成匹配画面，补齐分镜空缺。
4. 主体锁定图生视频约束算法，上传自定义产品、人物参考图后，锁定主体外形特征，避免 AI 动态渲染时人物、物体畸变、变形。
5. 帧间插值静态图转动态视频基础算法，基于单张原图生成连续多帧画面，实现云层流动、水流、物体轻微位移等自然动态效果。

四、音频 AI 技术术语

1. 人声分离音频频谱分割算法，自动分离视频中人声、背景音乐、环境噪音，分离后可单独编辑人声轨道。
2. AI 降噪频域降噪模型，过滤室内底噪、风声、电流杂音，保留清晰人声，无需专业收音设备。
3. 文本朗读 TTS语音合成技术，输入文字生成真人感配音，内置多音色、方言、外语声线，用于图文成片旁白。
4. 音色克隆定制化 TTS 能力，上传少量真人语音样本，复刻专属声线朗读文案，多用于企业专属解说配音。
5. 音量均衡自动归一化算法，统一全片人声、BGM、音效响度，避免片段忽大忽小。
6. 智能卡点音频节拍识别模型，解析音乐鼓点、节奏，自动对齐图片切换、镜头转场、文字动画。

五、字幕与视觉 AI 技术术语

1. 智能语音转字幕 ASR语音识别大模型，实时将人声转换文字字幕，支持普通话、多方言、英语，自动断句、分行、时间轴对齐。
2. 口播词过滤ASR 后处理算法，自动识别并一键删除 “嗯、啊、然后” 等口语冗余语气词，精简字幕。
3. AI 画质增强超分辨率修复算法，提升模糊素材清晰度，修复老旧视频划痕、模糊、低分辨率画面。
4. AI 扩图图像生成延展算法，对原图边缘智能延展，适配不同画幅，补齐画面缺失区域。
5. 智能人像抠像视觉分割大模型，无需绿幕，一键识别人体轮廓并分离背景，精准识别发丝、手部细节，会员专属功能。
6. HSL/RGB 曲线调色专业图像调色工具，分别控制色相、饱和度、明度、红绿蓝三色通道，精细调整画面光影色彩，可保存自定义调色预设。

六、数字人相关技术术语

1. AI 数字人生成式虚拟人物模型，输入图文脚本自动匹配唇形、肢体动作，同步生成口播视频，分为真人复刻数字人、通用虚拟形象。
2. 唇形驱动音频驱动面部算法，根据 TTS 配音文字、发音节奏实时匹配数字人口型，消除口型对不上画面问题。
3. 数字人图文联动图文成片 + 数字人组合工作流，图文素材作为背景，数字人在画面中同步讲解文案，是产品讲解、教学视频主流方案。

七、渲染导出技术术语

1. 实时预览渲染软件轻量化即时渲染，剪辑过程中实时预览画面、音频、动画效果，无需完整导出。
2. 码率控制导出参数，高码率保留更多画面细节，文件体积更大；低码率压缩体积，适合短视频平台分发。
3. 编码格式 H.264/H.265视频压缩标准，剪映默认 H.264 通用兼容，H.265 同等画质下文件体积更小，支持 4K 输出。
4. 帧率 24/30/60fps每秒画面帧数，24fps 电影质感，30fps 短视频通用，60fps 画面丝滑，多用于运动、产品展示视频。
5. 批量导出多版本工程一次性渲染输出，适合电商批量制作多条图文带货短视频。

八、行业场景关键词

1. 短视频二创依托剪映 AI 工具对原始图文、影视素材二次剪辑、重组，适配抖音、视频号分发。
2. 图文带货短视频电商场景，商品静态图 + 产品文案通过图文成片自动生成种草宣传视频。
3. 知识口播短片自媒体科普场景，纯文字脚本搭配配图，无真人出镜，依靠 TTS 配音 + 字幕完成内容输出。
4. 数字人讲解片企业培训、产品宣传场景，图文素材为背景，数字人完成全程解说。
5. PPT 转视频职场场景，PPT 导出图片后导入图文成片，自动生成汇报、课件动态短片。