看见就想吐的AI演员-上海朗通资讯网

来源：市场资讯

（来源：AI深度科技）

Yoo友们，想吐还记得这张脸吗？想吐

这张让人产生生理性厌恶的「AI脸」。

“一看见这张脸就想吐。想吐很讨厌的想吐一张脸。”

为什么大众会对这种AI面孔产生如此强烈的想吐抵触？

我们随机抽取了几位网友的真实反馈：

有人指出，这张脸似乎是想吐所有AI视频中人物的“平均长相”，具有极强的想吐通用性，“男女老少通吃，想吐真·一个模子刻出来的想吐。”

有人批评其表情僵硬刻板，想吐下垂的想吐眼角搭配招牌假笑，「伪人感」溢出屏幕，想吐且永远处于瞪眼吼叫的想吐状态。

当然，想吐也有理性分析指出：为了节省算力成本，想吐许多创作者将模型切换为Seedance 2.0 Fast版本，素材库中低配生成的脸部特征便呈现此状。

OK，截至目前，绝大多数人对AI演员的印象仍停留在：

要么手部出现Bug，手指数量错乱？

要么面部出现Bug，表情僵硬如“伪人”？

因此，像此前火出圈的AI电影《丧尸清道夫》，便巧妙地用低像素电子屏表情替代了真人面部特写。这简直是个“神来之笔”。

图源：抖音@Mx-Shell《丧尸清道夫》

但，咱们今天要说，朋友们，世道变了，又双叒变了。

AI演员现在不仅能演出情绪感，甚至情绪表达还能像洋葱一样，层层递进！！！

绝了！！！

更令人震惊的是，不仅有了情绪，甚至有些内娱演员都难以驾驭的眼神戏，AI也做到了。。。。。

口说无凭，我们选取了几个登上热搜的经典网络案例。

请看VCR 1：

注意观察，各位。

你能清晰看到这位「AI女演员」的面部肌肉是如何随情绪波动而变化的？

特别是，放大再放大，在第2秒时，你能看见她眼皮有着些许轻微的颤动。

紧接着，她眼神先向上看，而后向下瞥，你似乎能感受到她在审视你。

就。。。这种感觉，从屏幕里传递出来了。。。

你说说看，就这样式儿的，是不是已经到了绝大多数普通人无法用肉眼区分AI演员和真人演员的地步了？真没招了啊。

再有VCR 2，有视频有真相，给你看看「AI演员」飙演技：

不是？？？

这通红的眼中盈满泪水，让人梦回当年和初恋女友分手的那一年。她似乎也是这么红着眼对你说：“我们还是分手吧。”

在眼泪掉下来之前，深吸一口气，试图控制情绪，但没控制住。就是这种细节，这种细节出来，最有活人味儿了。

当然，并非绝对完美。看看这两滴眼泪，这两行泪水珠子掉下来，就有点假了。

既然如此，我们也根据网上的提示词，拿Seedance 2.0做了一场能让AI演员演出「情绪」的戏：

提示词模版如下：

一个古装女生
本片为室内写实主义哭戏独白片段，采用固定中近景偏特写、一镜到底拍摄，机位设于人物正前方略偏左，全程不切换镜头、不做大幅度推拉旋转，仅保留轻微手持呼吸感，画面走电影级写实风格,不使用美颜、卡通画风，全程单人出镜，严禁任何人影、肢体、倒影入画，无对手戏、无群像，场景保持古代室内环境不变。人物居于画面中间偏右，全程坐姿不变，整体姿态微微前倾、双肩收紧，神态隐忍委屈。表演节奏由压抑逐步递进至情绪崩溃，最终归于失望沉默，全程拒绝夸张哭喊、大吼大叫、大幅肢体动作与五官扭曲，表情、动作、台词均追求生活化真实感人物每3秒自然眨眼，还原真人神态。
0秒-2秒
室内自然光，人物低头垂目、不看镜头，嘴角下撇、眉头轻皱，眼眶泛红强忍泪水，呼吸压抑、喉头微哽。低声隐忍开口：“你让我自己一个人......语速放缓，似憋闷许久，嘴唇轻颤、声线发虚，满是委屈。
2秒-4秒
头部微微抬起，视线依旧向下，眉心愈发紧锁，双眼湿润、鼻翼轻抽，嘴角压得更低，身体继续前倾。接续台词:“叫天天不应，叫地地不灵。“声线持续发颤，前半句饱含委屈，后半句语调低沉绝望，尾音带哭腔，面部肌肉紧绷，克制住痛哭的情绪。
4秒-6秒
情绪短暂卡顿，低头吸气，嘴唇抿动，泪意更浓。再度抬头、身体向前微压，迎来首轮情绪起伏，出声问道：“你让我怎么办？“音量小幅提升，以哭腔发问，无怒吼姿态，仅靠前倾体态、蹙眉、唇颤传递崩溃感。
6秒-8秒
情绪持续攀升，眼眶通红，眼神游离不定，双肩紧绷，委屈转为无助。念道：“我一个人怎么办？“加重“我一个人“语气，满是无助与苦楚，声线哽咽带哭腔，说完后停顿半秒，凸显濒临失控的状态。
8秒-11秒
情绪抵达顶峰，身体小幅前探，面部紧绷、眉心紧锁、嘴唇明显颤抖。带着哭腔轻声质问：“你告诉我，我能怎么办？“为本段最高情绪点，前半句带着控诉，后半句满是绝望，音量适度提高但不歇斯底里，尾音拉长带颤音。视线短暂望向前方，随即缓缓移开，流露失望。
11秒-13秒
台词结束，保持前倾姿势，呼吸粗重，眼神空洞，嘴唇开合间尽显崩溃后的疲惫。情绪慢慢收敛,缓缓转头望向画面右侧，动作舒缓自然，传递出不愿再多言语的心境，眉头与嘴角依旧维持低落神态。13秒-15秒侧脸定格，身体静立片刻，抬手轻拭眼泪，全程无多余动作。

结果如上。显而易见，事实证明，AI演员确实在控制面部肌肉和情绪表达上，有了很明显的突破。

而这种突破，主要有三个方面的原因：

一方面，是时间维度的连贯性。

早期AI视频生成，不管是Runway还是Pika，底层是在做帧与帧之间的插值，模型的注意力窗口很短，一两秒之后就忘了前面发生过什么。所以那些AI脸永远只有一个表情，嘴角不会动，眼角不会变，像一张面具。

但Seedance 2.0这一代视频模型，底层换成了Diffusion Transformer架构，注意力窗口被拉长到了整个视频序列，模型能记住第五秒的眼泪是因为第一秒就开始酝酿了。你就能感觉到TA的情绪变化，是自然而然的。

另一方面，是微表情的物理建模。

回想一下文章里VCR 1那个例子，第二秒眼皮轻微颤动。这个细节不是随机噪声，是模型在训练过程中隐式学到了眼轮匝肌的收缩模式。

人类面部有43块肌肉，任何一组的细微收缩都会牵动相邻组织，产生连锁反应。早期的AI生成只是把嘴和眼的坐标独立地动一动，看起来像提线木偶。现在的模型却开始学到肌肉协同的动力学了，所以它不是在「做表情」，它在「演情绪」。

额肌、降眉间肌、颧大肌、口轮匝肌，它们在真实哭泣时的激活序列是有固定模式的，模型通过海量视频数据把这些模式编码进了潜空间。你看到的眼泪盈眶、深吸气、试图控制但没控制住，本质上不是三个独立动作的拼接，而是一个连续的情绪坍塌过程，在潜空间里它是一条平滑的曲线。

第三个方面，还是大家的提示词玩得越来越6了。

提示词精准到秒，什么时间做什么表情。我们翻了翻网上所有的案例，几乎想达到AI演员表情以假乱真的效果，那创作者的提示词，怎么说吧，堪比一篇小论文。