你刷到第三部AI短剧的时候,大概率有过这种恍惚:刚才那个冷脸总裁,和上一部里被赶出家门的千金女主,换了发型换了衣服,五官却像从同一个模子里刻出来的。不是你没睡醒,是它们真的共用一张脸。
今年年中,「AI脸 生理性厌恶」一度冲上微博热搜。11月下旬,知乎热榜又挂起一个类似问题:AI短剧这么火,为什么大多数角色的脸都一样,大家不会视觉疲劳吗?
我把中新经纬、腾讯新闻几篇报道翻了一遍,又扒了几篇技术复盘,发现这事的答案比"AI偷懒"有意思得多。
AI不是在创作脸,是在做概率统计
腾讯新闻的一篇分析说得很直白:你想让它生成一张年轻的东亚女生面孔,模型不会凭空捏一张脸,而是把训练数据里对应标签的五官特征取平均,输出一张精致但没有个人特色的"平均脸"。
AI导演莫争在接受中新经纬采访时给了个更具体的例子:只在文生图对话框里输入"一个美女在咖啡厅喝咖啡"、不上传任何参考图,模型大概率给你大眼睛、高鼻梁、尖下巴、皮肤白皙的标准脸。免费模型尤其爱"偷懒"——综合各项参数后,直接端出训练数据里最常见的那一张。
男性角色同理。莫争观察到,不做精细化设定时,AI生成的亚洲男性经常神似韩国男演员——因为主流AI视频模型蒸馏了大量韩国电影,训练集里韩国影视素材占比过高,人物天然带着韩式审美烙印。
所以第一层答案是:你看到的不是"一张脸",是整个训练数据的统计重心。
为什么偏偏是"平均脸"胜出
第二层答案更工程化,也更反直觉:平均脸不是缺陷,是模型的自我保护。
生图崩了,废一张图;视频要是连续几十帧里脸歪了、五官飘了,整条素材直接报废。而越有辨识度的脸稳定性越差——棱角越分明、特征越独特,镜头一转、表情一变就越容易崩。为了保证帧间连贯,视频模型会主动把人脸往安全区拉:棱角磨平一点,特色削弱一点,最后所有人都落在同一个审美区间里。
腾讯新闻那篇文章还引用了计算机视觉顶会CVPR 2026的一项研究:AI生成的脸越接近平均脸,在人类眼中反而显得更真实、更稳定。顺带还有个法律层面的好处——不像任何真人的脸,避开了肖像权风险。
第三层答案在我们自己身上。训练数据大多来自互联网公开图片,而这些图片早被磨皮、美白、瘦脸的滤镜层层筛过。AI学到的从来不是真实的人脸,是被平台算法推到前排的"标准美人"。中国经济网一篇评论说得准:问题不在技术,在被流量绑架的单一审美——AI只是把这套审美忠实地放大成了流水线。
人脸的珍贵,恰恰在瑕疵里
这才是我想说的部分。大家厌恶的真是AI吗?
眼角细纹、颧骨棱角、不对称的眉眼,是岁月和生活留下的印记。老荧幕里的美人各有风姿,或温婉或凌厉,差异化才成就经典。AI脸五官精致挑不出毛病,却没有一丝人间烟火气——空有皮囊,没有灵魂。
工具是笔,人心是墨。同一支笔,有人批量复制模板脸,也有人用它复原历史人物、画国风人像,照样收获好评。脸同不同,取决于握笔的人有没有先想清楚"这是谁"。
如果你也在用AI做内容,这份去撞脸自查清单可以留着:
- 先拆人设再生脸:把角色的年龄、身份、性格写成具体五官描述,别只丢一句"美女"
- 上参考图:给模型垫图,别让它裸奔到统计重心上去
- 三视图锁定:正面、背面、脸部特写各一张,多镜头场景保持同一角色不漂移
- 去塑料感提示词:克制磨皮、保留皮肤纹理和毛孔、加自然光影和轻微胶片颗粒
- 改局部不重抽:表情僵硬时精准描述要改的细节,整段重新生成等于重新抽卡
评论