AI短剧中的脸为啥长得差不多

近期，短剧得差“AI脸生理性厌恶”话题引爆微博热搜。啥长许多观众发现，不多AI短剧中的短剧得差角色往往共享同一张面孔：凌厉的下颌线、薄唇、啥长鹅蛋脸、不多大眼睛，短剧得差以及那种透着光的啥长完美肤质。在人类面孔千变万化的不多常识认知下，为何由海量数据喂养出的短剧得差AI模型，却只能产出千篇一律的啥长“网红脸”？

一、 生成逻辑：从“提示词”到“真人参考”的不多技术妥协

AI生成人物主要依赖两种底层逻辑：
1. 文本生成：输入提示词，由大模型自动生成。短剧得差
2. 图像参考：提供真人图片作为参考，啥长大模型进行后期调整与重构。不多

由于纯文本生成的形象往往缺乏真实感，AI短剧制作方更倾向于采用真人图片参考的方式。虽然部分图片源自明星授权（如62岁演员吴启华授权AI复原20岁容貌），但这仅是极小部分。绝大多数短剧公司直接从社交平台抓取照片，通过AI生成人脸。

二、 隐私危机与合规成本：“偷脸”引发的行业震荡

这种“拿来主义”曾引发严重的隐私侵权事故：
* 普通用户受害：有网友发现朋友甚至自己的脸被用作短剧女主角。
* 博主维权案例：博主“白菜汉服妆造”指出，AI短剧《桃花簪》在未获授权情况下，将其2025年拍摄的个人写真（包括汉服、妆容甚至抬头纹）直接用于反派角色。商业模特“七海Christ”也遭遇同样遭遇。

《桃花簪》全剧72集，热度超4000万，但因侵权被红果短剧全面下架，出品方被暂停上传权限15天。这一事件成为行业转折点，迫使AI短剧公司重新审视肖像权风险。

三、 趋同根源：避险策略下的“抽卡”模式

为规避法律风险并控制成本，AI短剧公司形成了三种主流做法，最终导致脸谱化：

1. 购买授权：向普通人支付费用获取肖像权，但成本高昂且难以规模化。
2. 海外模型测试：使用国外大模型生成人脸，并严格测试相似度，流程繁琐。
3. 使用内置通用模型（主流选择）：
4. 操作简便：直接使用AI内置的免费通用角色模型，人脸现成且安全。
5. 成本极低：业内称之为“抽卡”，生成一次形象即消耗一次资源。想要生成独特形象需额外付费，多数公司选择省钱策略。
6. 结果：安全、好看、稳定、省钱的免费通用“面孔”被广泛复用，造成视觉疲劳。

四、 审美偏见：AI无法理解“美”，只能复制“数据”

即便增加内置角色模型的丰富度，仍难逃同质化，根源在于AI模型的审美偏见：

• 数据偏差：AI无法理解抽象的“帅哥美女”概念，只能学习素材（主播自拍、付费图库、写真等）。这些素材本身经过精心修饰，符合特定审美标准。
• 统计结果：
• 一项研究生成5984张图像，发现浅肤色人群占86.5%，年轻人群占74%。
• 另一项针对多族裔美女脸的研究显示，无论输入何种族裔，生成的均为“模板脸”：大眼睛、细长鼻、高鼻梁、尖下巴、高颧骨。

最终，AI生成的是“平均网红融合脸”，而非真实多元的人类面孔。

五、 视觉缺陷：为何“完美”反而令人不适？

观众对AI脸产生“生理性厌恶”，主要源于以下三个技术缺陷：

1. 过度光滑（假面感）：
   AI在提炼通用人脸时，会抹除毛孔、细纹等瑕疵，导致皮肤如“剥壳鸡蛋”般光滑，失去真实质感。
2. 眼神呆滞（高光缺失）：
   真人眼睛会反射环境光源，形成位置、形状、亮度各异的高光。AI生成的高光往往简化、模糊，导致眼神缺乏神采。
3. 肢体不自然（物理逻辑缺失）：
   人类运动受骨骼、关节、肌肉严格约束，而AI难以模拟这种严谨性，常出现关节瞬移、肢体过度拉伸等违和动作。

六、 技术本质：“模式崩溃”导致的路径依赖

AI面孔雷同的另一个核心原因是“模式崩溃”（Mode Collapse）：

• 定义：当AI模型训练不足或陷入局部最优解时，一旦找到一个“最佳答案”，便停止探索其他可能性。
• 表现：模型开始反复生成高度相似的图像，导致用户感知为“同一张脸”被无限复用。

素材来源：好奇博士公众号
整理：李雪
原标题：《AI短剧中的脸为啥长得差不多》
来源：中国文化报