随查手册：术语 · 工具 · 提示词 · 评分 · 合规 · 选学
六份手册，覆盖"写得对、查得到、做得出、交得掉"的全部装备。
- 平时常翻：附录 A（术语）随章节查、附录 C（提示词库）随时复制。
- 动手之前：附录 B（工具速查）用来选型，附录 E（合规清单）用来"发布前三查"。
- 期末冲刺：附录 D（作品指南与评分表）逐条对照自查（学习目标：把评分标准当作验收清单）。
- 学有余力：附录 F（选学）通向"最小 API 调用"与本地工作流。
本附录是"工具书"性质的材料：不需要通读，需要在正确的时刻翻到正确的一页。所有工具名录与额度信息为编写本书时（截至 2026 年 10 月）检索所得，仅供参考；使用前请以各平台官方页面的当前说明为准——工具的世界里，唯一不变的是变化本身。
附录 A术语表：中英对照速查
按主题分组，共约 120 条。建议的用法：每学完一章，回到对应分组"过一遍"——能用自己的话解释每一行，该章的原理目标就达成了。
A-1 通用与人工智能基础（第 1 章）
| 中文 | 英文 | 一句话解释 |
|---|---|---|
| 模态 / 多模态 | modality / multimodal | 信息形态（文本、图像、音频…）/ 把多种形态统一处理 |
| 词元 | token | 模型处理文本的最小切块单位 |
| 分词器 | tokenizer | 决定文本如何切成词元的规则或程序 |
| 嵌入 / 向量表示 | embedding | 把内容映射成向量，语义近则距离近 |
| 潜空间 | latent space | 压缩后的语义空间；语义变换≈方向移动 |
| 余弦相似度 | cosine similarity | 用向量夹角衡量相似程度 |
| 大语言模型 | LLM | 以预测下一个词元为核心训练的大模型 |
| Transformer / 注意力 | Transformer / attention | 主流架构 / 给上下文分配权重的机制 |
| 预训练 / 微调 / 对齐 | pretraining / fine-tuning / alignment | 学知识 / 学任务 / 学行为偏好 |
| 上下文窗口 | context window | 一次能读入的词元上限；宣称窗口常大于有效窗口 |
| 推理模型 | reasoning model | 先写长草稿（思维链）再作答的模型 |
| 思维链 | chain-of-thought, CoT | 让模型显式展开推理步骤的方法 |
| 提示词 / 负向提示词 | prompt / negative prompt | 输入指令 / 明确"不要什么" |
| 零样本 / 少样本 | zero-shot / few-shot | 不给示例 / 给 1–3 个示例的提示模式 |
| 温度 / 核取样 | temperature / top-p | 控制取样随机性的两个参数 |
| 种子 | seed | 取样的随机起点，用于复现结果 |
| 幻觉 | hallucination | 流畅自信但不符合事实或凭空编造的输出 |
| 过度顺从 | sycophancy | 模型倾向附和用户观点、牺牲真实性的行为 |
| 检索增强生成 | RAG | 先检索资料再生成，降低幻觉 |
A-2 声音（第 1 章）
| 中文 | 英文 | 一句话解释 |
|---|---|---|
| 采样 / 波形 / 频谱 | sampling / waveform / spectrum | 逐点记录 / 时域曲线 / 频率构成 |
| 语音合成 | TTS | 文本→语音；分文本前端、声学模型、声码器三段 |
| 声码器 | vocoder | 把声学特征还原成波形 |
| 语音克隆 | voice cloning | 用少量参考音频复刻音色；零样本已是主流 |
| 音色 / 韵律 | timbre / prosody | "是谁在说" / "怎么说"（语调、停顿、轻重） |
| 拟音 | foley | 用真实道具为画面"演"出音效的工种 |
| 响度 | loudness (LUFS) | 整体音量感受，旁白与配乐需"配平" |
A-3 图像（第 2 章）
| 中文 | 英文 | 一句话解释 |
|---|---|---|
| 扩散模型 | diffusion model | 学会"去噪"，从而能从噪声生成图像 |
| 加噪 / 去噪 | noise / denoising | 训练加噪学去噪；生成从纯噪声逐步去噪 |
| 采样步数 | sampling steps | 去噪迭代次数；越多越细，但收益递减 |
| 无分类器引导 | CFG | 控制"多听提示词"的强度参数 |
| 图生图 / 重绘强度 | img2img / denoise strength | 以图为起点生成 / 与输入图的差异程度 |
| 局部重绘 / 扩图 | inpainting / outpainting | 只改指定区域 / 向画面外扩展 |
| 条件控制 | ControlNet 族 | 用线稿/深度/姿态等约束构图 |
| 流匹配 | flow matching | 2024 年后的主流训练范式，路径更"直" |
A-4 视频（第 3 章）
| 中文 | 英文 | 一句话解释 |
|---|---|---|
| 文生视频 / 图生视频 | text-to-video / image-to-video | 从文字/图片出发生成视频 |
| 首尾帧 | first / last frame | 指定起止画面，中间由模型补全 |
| 时间一致性 | temporal consistency | 帧与帧之间不闪烁、不形变 |
| 运镜 | camera movement | 推、拉、摇、移、跟、升降等镜头运动 |
| 景别 | shot size | 远、全、中、近、特的取景范围 |
| 对口型 | lip sync | 让人物口型与配音对齐 |
A-5 三维与动画（第 4、5 章）
| 中文 | 英文 | 一句话解释 |
|---|---|---|
| 网格 / 点云 / 体素 | mesh / point cloud / voxel | 三种显式三维表示：面、点、格 |
| 隐式场 / SDF | implicit field / signed distance field | 用"每个点的距离值"隐式描述形状 |
| 神经辐射场 | NeRF | 用神经网络记住"从各方向看各点的颜色" |
| 三维高斯泼溅 | 3D Gaussian Splatting | 用数百万"发光椭球"拼出可实时渲染的场景 |
| SDS 蒸馏 | score distillation sampling | 让 2D 生成模型当"老师"，指导 3D 形状优化 |
| 拓扑 / 面数 | topology / poly count | 面的连接结构 / 面片总数（性能关键） |
| UV 展开 / 法线贴图 | UV unwrapping / normal map | 把三维表面"摊平"贴图 / 用贴图伪造凹凸细节 |
| PBR 材质 | physically based rendering | 按物理规律描述表面（颜色、粗糙度、金属度…） |
| 骨骼 / 蒙皮 / 权重 | armature / skinning / weights | 骨架 / 把模型绑上骨架 / 每点受哪些骨骼影响 |
| 关键帧 / 插值 | keyframe / interpolation | 手工定"关键时刻" / 机器填补中间过程 |
| IK / FK | inverse / forward kinematics | 从"手放哪"反推关节角 / 从关节角正推位置 |
| 动作重定向 | motion retargeting | 把动作从一个骨架"翻译"到另一个骨架 |
| 自动绑定 | auto-rigging | 算法自动为模型生成骨架与蒙皮 |
A-6 姿态与场景（第 6、7 章）
| 中文 | 英文 | 一句话解释 |
|---|---|---|
| 姿态估计 | pose estimation | 从图像/视频中找出人体关键点的位置 |
| 关键点 | keypoint | 肩、肘、腕等关节位置坐标 |
| 置信度 | confidence | 模型对该关键点位置的把握程度 |
| 遮挡 | occlusion | 身体部位被挡住，导致估计困难 |
| 时序平滑 | temporal smoothing | 抑制逐帧抖动，让动作更稳定 |
| 身体模型 | SMPL | 参数化的人体三维模型（形状+姿态参数） |
| 程序化生成 | procedural generation | 用算法/规则批量生成内容 |
| 天空盒 | skybox | 包裹场景的"天空贴图"球/盒 |
| 面数预算 / LOD | poly budget / level of detail | 性能约束 / 远近距离用不同精度模型 |
A-7 智能体与合规（第 8 章与附录 E）
| 中文 | 英文 | 一句话解释 |
|---|---|---|
| 智能体 | agent | LLM + 工具 + 记忆 + 规划的"办事系统" |
| 工具调用 / 函数调用 | tool use / function calling | 模型输出结构化指令，程序代为执行 |
| 模型上下文协议 | MCP | 统一"模型接工具"的接口标准 |
| 多智能体 | multi-agent | 多个智能体分工、评审、协作 |
| 人在回路 | human-in-the-loop | 关键环节保留人工判断与验收 |
| 停止条件 | stopping condition | 明确"任务何时算完成"的规则 |
| 显式 / 隐式标识 | explicit / implicit marking | 可见的 AI 提示 / 文件元数据标识 |
| 深度合成 | deep synthesis | 法规语境下对换脸、合成人声等的统称 |
附录 B网页工具速查（2026 年 10 月版）
按"能力"而非"品牌"组织——需要哪种能力，就去对应行找当期可用的工具。所有条目为编写时检索所见，额度、价格与条款以官方页面为准；"课堂适用"一列是基于"机房零配置 + 免费可用 + 中文友好"三条标准的建议。
| 能力 | 代表工具（以国内为主） | 课堂适用性备注 |
|---|---|---|
| 对话 / 写作 / 规划 | DeepSeek、豆包、通义千问、Kimi、智谱清言、文心一言、腾讯元宝 | 网页版即可用，基础功能免费；建议同任务用两家对照（第 1 章"跨模型对照"） |
| 图像生成与编辑 | 即梦、通义万相、豆包、可图、混元；国际对照：Midjourney、FLUX 系、Adobe Firefly | 国产工具免费额度足够课堂练习；编辑功能（局部重绘/扩图）是重点（第 2 章） |
| 视频生成 | 可灵、即梦、海螺、Vidu、通义万相视频、腾讯混元视频；国际对照：Veo、Sora、Runway、Pika | 免费额度多为"每日数次"；课堂策略：小分辨率短片段多试，成片时再升级（第 3 章） |
| 三维生成 | 腾讯混元 3D、Tripo、Rodin、Meshy、TRELLIS 系开源模型 | 生成快、拓扑常需修复；导出格式选 glb/obj（第 4 章）；开源模型适合进阶（附录 F） |
| 配音 / TTS | 剪映（免费不限量，首选）、讯飞智作、MiniMax 语音、CosyVoice（开源） | "公共音色 + 自己的声音"是课堂安全区；克隆他人声音需授权（第 1 章判例） |
| 音乐 / 音效 | 海绵音乐、天工 SkyMusic、MiniMax 音乐；国际对照：Suno、Udio | 注意条款差异（权属与商用许可各家不同）；课堂用"描述→生成→试用"流程 |
| 剪辑 / 后期 | 剪映、必剪、达芬奇（免费版） | 剪映与前面的生成工具衔接最顺；智能字幕、AI 配音内置（第 3 章） |
| 智能体平台 | 扣子（Coze）、Dify、文心智能体平台、腾讯元器 | 零代码编排，网页直接搭工作流；注意平台的免费额度与发布渠道（第 8 章） |
① 1 个对话助手（主力）+ 1 个备选（对照用）；② 1 个图像工具；③ 1 个视频工具（可稍后再开）；④ 剪映（桌面或手机版）；⑤ 云盘/笔记（存"创作档案"四件套：成品 / 参数记录 / 对照实验 / 素材来源）。注册时用真实手机号，注意未成年人条款与实名要求；所有工具的条款页面建议收藏——第 8 章你会用到它们。
附录 C提示词模板库（可直接复制）
十二个经课堂验证的模板，覆盖全流程。用法：把［占位符］替换成你的内容，先跑三版，再按"四维评估法"迭代。网页版点"复制提示词"按钮即可。
附录 D期末综合作品指南与验收标准
D-1 作品要求（一句话版）
用至少两类数字媒体，完成一部能公开展示的综合作品（推荐形态：1–3 分钟的短片，或互动型媒体作品），并提交配套的"技术说明与参数对照"。小组提交须由每位成员注明个人贡献。
推荐的"稳过线"配置（融合四类以上媒体，覆盖全部考核点）：短片 = 文本脚本 + AI 配音 + 分镜图像 + 生成视频镜头 + 配乐 + （可选）三维资产或智能体工作流。全书贯穿案例《春江花月夜》就是这个配置的完整示范。
D-2 时间线：11 周怎么走
| 周次 | 里程碑 | 交付物（存入创作档案） | 对应章节 |
|---|---|---|---|
| 第 1–2 周 | 选题立项 + 脚本与配音 | 主题说明、分镜脚本初稿、解说音频 | 第 1 章 |
| 第 3 周 | 视觉设定 | 角色设定图、4–6 张分镜关键帧、风格参考板 | 第 2 章 |
| 第 4 周 | 镜头成片 | 4–6 段镜头视频、失败案例分析与改进 | 第 3 章 |
| 第 5 周 | 三维资产 | 模型初稿、多视角截图、缺陷记录 | 第 4 章 |
| 第 6 周 | 角色动画 | 动画片段、前后对比、修正记录 | 第 5 章 |
| 第 7–8 周 | 动作迁移 | 姿态提取结果、迁移视频、错误分析 | 第 6 章 |
| 第 9 周 | 场景整合 | 场景初稿、结构化资产清单 | 第 7 章 |
| 第 10 周 | 工作流与修订 | 智能体任务分解表、场景修订稿 | 第 8 章 |
| 第 11 周 | 公开展示与验收 | 成片、协作记录、个人贡献说明、技术说明 | 全书 |
D-3 验收评分表（对照课程总成绩构成）
期末 70% 的三个部分逐项展开如下。建议把它当作"提交前自查清单"逐条打勾：
| 维度 | 优秀（9–10） | 合格（6–8） | 不达标（＜6） |
|---|---|---|---|
| 完成度 | 作品完整、时长达标、两类以上媒体融合自然 | 基本完整，媒体融合较生硬 | 缺项明显或未完成 |
| 技术与方法的运用 | 参数对照充分、会根据评估迭代方法 | 用了课程方法，但对照实验较少 | 只有"抽卡式"生成，无方法痕迹 |
| 审美与表达 | 有明确的风格与表达意图，人工修正到位 | 完成度尚可，风格不统一 | 素材堆砌，无整体感 |
| 合规与诚信 | 素材来源、授权、AI 标识齐全，贡献说明清晰 | 基本合规，个别记录缺失 | 来源不清或未标识 |
| 维度 | 优秀（9–10） | 合格（6–8） | 不达标（＜6） |
|---|---|---|---|
| 流程还原度 | 读者能照着复现主要环节（工具、参数、顺序齐全） | 流程大致清楚，个别参数缺失 | 只有结果，没有过程 |
| 对照实验质量 | ≥2 组规范对照（单变量、有结论、能解释原因） | 有对照但变量不单一或结论空泛 | 没有对照实验 |
| 人工修正说明 | 清楚说明"AI 产出 vs 人工修改"及修改理由 | 提到了修改，理由简略 | 未区分 AI 与人工 |
| 维度 | 优秀（9–10） | 合格（6–8） | 不达标（＜6） |
|---|---|---|---|
| 展示表达 | 讲清"做了什么、为什么这样做、学到了什么" | 讲清了作品，但技术逻辑含糊 | 照稿念或超时/严重不足 |
| 互评参与 | 对他人作品的评价具体、有建设性 | 参与互评但意见笼统 | 缺席或敷衍 |
| 个人贡献 | 贡献说明具体到任务与产出，可核查 | 说明笼统但可对应 | 无法区分个人贡献（挂名嫌疑） |
① 记录缺失——"技术说明"写不出来的根本原因，往往是平时没有存参数；② 对照实验不规范——同时改了两个变量，结论不成立；③ 合规硬伤——素材来源不清、AI 内容未标识（这类问题在"合规与诚信"维度是"一票降档"）；④ 贡献说不清——小组作品最常见的不及格原因。四条全部可以在平时避免，不必留到期末。
附录 E合规与授权操作清单
E-1 发布前"三查"清单（打印张贴版）
| 检查项 | 具体动作 | 通过标准 |
|---|---|---|
| 一查素材来源 | 逐项核对素材来源档案：来源 URL、授权方式（自有/公共领域/授权库/AI 生成）、日期 | 每个素材都有完整来源行；来路不明的一律替换 |
| 二查真人权利 | 排查作品中出现的真人肖像、声音、身体影像；核对授权文件的范围是否覆盖本次发布 | 有授权或已替换/删除；声音克隆使用合法来源（自己/公共音色/书面授权） |
| 三查 AI 标识 | 为 AI 生成/合成的图、音、视频添加显式标识（平台标签或画面标注），保留隐式标识（不清理元数据） | 标识齐全且符合最低技术要求；发布文案中如实说明 AI 参与 |
《人工智能生成合成内容标识办法》与配套强制性国家标准（2025 年 9 月 1 日同步施行）对显式标识给出了量化要求，教材转述两个最容易用到的要点：① 标识文字应包含"人工智能"或"AI"要素，以及"生成"或"合成"要素（例如"AI 生成""人工智能合成"）；② 图片的显式标识一般放在边或角，文字高度不低于画面最短边长度的 5%——就是说，加标识不是"随手写个小字"，而要保证"显著、可被注意到"。视频与音频的标识位置要求见标准原文；各平台（抖音、快手、小红书、B 站等）也陆续上线了"AI 生成内容"声明标签，发布时优先使用平台的声明功能，再叠加画面/文案标识。
E-2 素材来源档案模板
| 素材 | 类型 | 来源 | 授权方式 | 获取日期 | 备注 |
|---|---|---|---|---|---|
| 江面镜头（片段 3） | AI 生成视频 | 即梦（账号：xxx） | 平台生成内容（按平台条款） | 2026-10-20 | 已加 AI 标识；参数见参数记录表第 12 条 |
| 古琴音色采样（第 8 小节） | AI 生成音乐 | 海绵音乐 | 平台生成内容（条款已截图存档） | 2026-10-21 | 未使用真人演奏采样 |
E-3 授权书模板（声音/肖像使用）
兹授权 ［被授权人/小组名称］ 于 ［使用目的，如"《春江花月夜》课程短片制作与课堂展示"］ 中，使用本人 ［声音录音 / 肖像照片 / 视频影像］，用于以下范围：［创作、修改（含 AI 处理）、课堂展示、课程平台留存］。使用期限：［自签署日起至课程结束/具体日期］。超出上述范围的使用需另行取得本人同意。
授权人（签名）：____ 联系方式：____ 日期：____
注意：①"用 AI 处理"要单独写明——"录音授权"不等于"声音 AI 化授权"（第 1 章判例）；② 涉及未成年人的，须监护人共同签署；③ 扫描件与原件同效，存入素材档案。
E-4 法规速查（创作者视角）
| 法规 | 施行时间 | 创作者要记住的一句话 |
|---|---|---|
| 《网络安全法》（修订） | 2026-01-01 | AI 首次入法：发展与安全并重 |
| 《互联网信息服务深度合成管理规定》 | 2023-01-10 | 换脸、合成人声、智能写作，必须显著标识 |
| 《生成式人工智能服务管理暂行办法》 | 2023-08-15 | 使用的工具应依法备案；不得生成违法有害内容 |
| 《人工智能生成合成内容标识办法》＋ GB 45438—2025 | 2025-09-01 | 发 AI 内容要"亮明身份"，标识有量化要求 |
| 《学位法》 | 2025 年 | AI 代写学位论文 = 学术不端 |
| 《人工智能拟人化互动服务管理暂行办法》 | 2026-07-15 | AI 角色"陪聊"类服务有专门监管 |
| 最高法涉 AI 纠纷案件意见（法发〔2026〕10 号） | 2026-09-07 | 声音权益、标识、数据边界的裁判口径 |
附录 F选学：最小 API 调用与本地工作流
本附录是"进阶通道"，不计入课程考核：给想走得更远的同学两条路——"用代码调用模型"（最小 API）与"在本机跑模型"（本地工作流）。它们对应课程能力目标里的"最小 API 调用"，也是第 8 章"工具调用"的物理基础。
F-1 API 是什么：一个"点菜窗口"
你平时用的网页版工具，是"餐厅"——进去、坐下、点菜、吃饭，全在餐厅里完成。而 API（应用程序接口）是"外卖窗口"：你不是去餐厅，而是把你的需求（菜名、数量、口味）写成一张标准订单递进窗口，厨房做好后把餐盒（数据）递出来。订单的格式叫"请求"（request），餐盒叫"响应"（response）。
为什么创作者要懂这一层？因为网页版是"一次一道菜"，API 是"批量下单"：当你要为 20 个镜头各生成 3 版配图、或让程序自动检查素材版权时，手动点 60 次不如写一个脚本。更重要的是，第 8 章的智能体"调用工具"，走的就是 API 这条通道——理解了外卖窗口，你就理解了智能体为什么能"办事"。
F-2 最小调用示例（读懂即可，不要求运行）
下面是一个"最小 API 调用"的样子（以对话类接口为例，各家格式大同小异）。读它有四个要点：① 密钥放在请求头里；② 内容用 JSON 描述（模型名、消息列表、参数）；③ 参数就是你第 1 章学过的温度、长度上限；④ 返回值里取出生成的文本。
① 密钥绝不进代码仓库、截图与提交材料——泄露的密钥会被人盗刷（平台按用量计费）；② 先用最小请求测试，再批量调用——避免"一觉醒来账单爆炸"；③ 调用即代表你同意服务条款：注意数据使用条款与内容政策，涉及未公开素材时优先考虑本地方案（F-3）。
F-3 本地工作流：在自己机器上跑模型
"本地工作流"指在自己的电脑（通常是带独立显卡的机器）上运行开源模型，而不是调用云端服务。它的三个价值：数据不出本机（隐私敏感素材的最佳选择）、不按次付费（电费换算力）、完全可控（可改装、可组合工作流）。代价：需要一定硬件（近年的独立显卡即可起步）、需要动手配置、生成速度取决于显卡性能。
典型的本地玩法有两种：① 命令行/脚本调用本地模型——下载开源模型权重（如开放权重的中文模型与语音模型），用推理框架在本机跑，再写脚本批量处理；② 可视化工作流工具——用节点式界面（如社区流行的 ComfyUI 生态）把"文生图→放大→重绘→导出"连成一条流水线，鼠标拖拽即可复现复杂流程，也可以保存为模板分享给同学。
① 先用实验室/自备的独显机器装一个可视化工作流工具，跑通"文生图"最简流程；② 再加载一个开源中文对话模型，感受"本地大模型"的响应速度与能力档位；③ 把第 2 章的"参数对照实验"在本地重做一遍——你会第一次拥有"完全可复现"的种子与参数环境；④ 学有余力再看语音模型（附录 B 中的开源 TTS）。全程遵守开源许可协议（有些模型允许商用、有些仅限研究，下载页会写明）。
把六份附录压缩成六句话
- 术语表按章分组：每章学完"过一遍"，能用自己的话解释就是掌握。
- 工具速查按"能力"组织：先认能力，再找当期可用的工具——工具会换，能力不会。
- 提示词模板库是起点不是终点：替换占位符、跑三版、按四维评估迭代。
- 期末评分表就是验收清单：作品 40%、技术说明 20%、展示与贡献 10%，逐条自查看得见的分。
- 合规"三查"（素材、真人、标识）是发布前的固定动作；授权要写明"AI 处理"范围。
- API 是"批量创作"与"智能体办事"的通道；本地工作流是隐私与可控性的后手——选学，但值得知道它存在。
自测（附录综合）
自测 A1：为什么工具速查表要按"能力"而不是按"品牌"组织？
答案：因为品牌会消失、会改名、会停服（你翻一下 2020 年推荐的"AI 工具清单"就明白了），而"文本转语音""局部重绘""三维生成"这些能力类别，在未来数年都会存在。按能力组织，意味着每次换工具时，你的知识不贬值——你需要做的只是"在对应能力格里换一个工具"，方法（参数语义、评估维度、工作流）全部保留。这也是本书"讲原理、不迷信型号"原则在附录里的体现。
自测 A2：小组作品里，小舟负责"用 AI 生成了全部视频镜头"，个人贡献说明里这样写行吗？为什么？
答案：不合格。这份说明没有区分"AI 做了什么"与"人做了什么"——按课程要求，个人贡献应具体到人的判断与劳动：提示词与参数的确定、对生成结果的筛选（从几版库存里选了哪一版、为什么）、失败案例的处理、与组内其他环节的对接。写"用 AI 生成了全部镜头"等于说"我按了按钮"，既无法核查，也违背"如实标注 AI 参与程度"的要求（对应评分表"个人贡献"维度的"一票降档"风险）。正确写法示例："负责镜头 1–4 的生成：设计并迭代了 3 版提示词；对运动幅度做了低/中两档对照（结果见对照表 7）；从每镜头 6 版候选中依据'时间一致性'筛选；对镜头 3 的闪烁问题用重绘修复 2 次。"
自测 A3：为什么"录音授权"不等于"声音 AI 化授权"？这对你的创作实践意味着什么？
答案：这是司法明确确立的规则（第 1 章两起判决）：某公司拿到了配音师录音制品的著作权，仍被判侵权——因为"对录音制品的授权并不意味着对声音 AI 化的授权"。声音是人格权益的载体（民法典参照肖像权保护），把它用作 AI 训练的语料、或用来克隆音色，是另一项独立的用途，需要单独的授权。实践含义：① 自己写授权书时，把"A I 处理/合成/克隆"单列为授权范围；② 作为使用者，即使素材"看起来来源合法"，也要确认授权范围是否覆盖 AI 化使用；③ 课堂安全区永远是"自己的声音 / 平台公共音色库"。
F-4 本书插图的生成记录（可复现）
按本书自己教的规矩，把教材插图的生成信息如实记录如下，供同学们复现与研究：
| 项目 | 内容 |
|---|---|
| 工具 | 本地部署的 ComfyUI + Qwen-Image 2.1（开源权重，本地推理） |
| 生成方式 | 文生图（text-to-image）；未使用任何他人作品的参考图或图生图 |
| 关键参数 | 采样步数 25（对照实验组除外，见下）；CFG 1.0（该模型为蒸馏/低引导工作点）；分辨率 1–2 MP（按用途） |
| 对照实验组 | 第 2 章的 图 2-8 与 图 2-9 为受控对照：分别只改变提示词写法（同种子 20261013）与采样步数（同种子 20261012），其余参数完全一致 |
| 统一画面基调 | 「电影感构图 · 青蓝色调 · 克制含蓄 · 大量留白 · 东方美学」，并要求画面不出现任何文字与水印 |
| 使用范围 | 仅作为教材内部的教学示例；素材为原创生成，不涉及第三方 IP 形象 |
| 标识情况 | 全部插图在图注中标注「AI 生成」；未清理生成文件的元数据 |
因为这是本书反复强调的三件事的示范：① 记录（参数与种子可复现——你能用同样的记录重做出类似的图）； ② 标识（AI 生成就写明 AI 生成，不冒充摄影或手绘）；③ 边界（不模仿第三方 IP、不使用他人素材）。 你们期末作业的技术说明，写的就是这份东西。
拓展阅读
- 你最常用的那个工具"官方文档"的"服务条款"与"内容政策"页——本课程要求至少精读一遍你主力工具的这两页（多数同学从没点开过）。
- 《人工智能生成合成内容标识办法》与 GB 45438—2025 标准文本——发布作品前对照操作。
- 开源社区（如模型托管平台的开源模型页面）——看看"模型卡片"（model card）里都写了什么：能力、限制、许可、伦理声明，这是技术透明的最好样本。
- 本课程超星学习通的教师自编资料：《文生图扩散模型解析》《文本到三维模型进展分析》《视频生成技术演进》——与各章配套的延伸阅读。