↓

AI 视频里的脸为什么会崩:六个成因

2026/10/29

AI 视频里的脸崩不是随机的。它只有少数几个明确成因,知道这几个,你就能在花钱之前判断哪张照片会失败。

成因一:源照片里根本没有足够多的脸

模型需要像素来重建。从合影里裁出的 200×200、转开四分之三的脸、一半在阴影里的脸——每一种都给模型一个它解不了的重建题,于是它插值,而插值看起来就是错的。

公开的下限是每张脸 256×256,但那只是技术门槛,不是质量保证。一张清晰正面 400×400 的人像,胜过硬但角度偏的 900×900。

成因二:牙和嘴

嘴是生成视频里最难的区域,也是很多片段"说不上哪里不对"的原因。

牙是重复的、高对比的、结构受限的——它必须是某个特定的排列,任何偏离都读作牙科异常。舌头是没有固定形状的软组织。而口腔内部是暗的,恰恰是模型信息最少的地方。

源照片里如果是大笑露齿,做好出问题的准备。闭嘴或微张要安全得多。

成因三:不对称被"修正"了

人脸是不对称的。生成模型有一个偏向对称的先验,因为平均后的训练数据接近对称。于是它悄悄把一个歪掉的笑、一高一低的眉给抹平,结果是一张"像你但不是你"的脸。

这是最令人不安的失败,也最难描述——所以人们会说"像我的蜡像"。

成因四:眼睛

具体是视线方向和眼神光形状。虹膜对了、高光错了的模型,会产出一张"没有活气"的脸。眨眼会放大这个问题:眨眼是快速的高对比事件,模型常把它渲成"眼皮滑下来"而不是"合上"。

成因五:遮挡与接触

手靠近脸颊、头发横过眼睛、两张脸贴在一起。两个表面相接的地方,模型必须决定谁在前面,而它不总是两次都做同一个决定。

这就是"接吻"场景失败率特别高、两个人靠近比两个人分开难的原因。

成因六:侧脸和极端角度

训练数据大多是接近正面的。侧脸得到的支持更少,转过大约 45 度之后,结构准确性常常整个丢掉。

如果你的照片是侧脸因为那样好看,那它对生成来说是个坏输入。

对应的做法

成因 修法
分辨率太低 用原始文件,不要用它的截图
牙 选闭嘴的照片
不对称 接受轻微变化,或者用更短更静的镜头
眼睛 正面、均匀光、有可见眼神光
遮挡 源图里别让手和头发挡住脸
角度 只要正面或轻微四分之三

为什么"重试一次"修不好脸崩

重试是把同一个问题再摇一次。如果成因在输入照片,换种子只会改变具体的错法,不会让它消失。这就是技术性失败和输入性失败的差别,也是这个品类里最有用的一个区分:

  • **失败处理。**已付款且显示失败的任务最多可在任务页免费重试两次;未解决的问题和明显异常的成片由人工按退款政策核查。
  • **失败处理。**已付款且显示失败的任务最多可在任务页免费重试两次;未解决的问题和明显异常的成片由人工按退款政策核查。

分得清是哪一种,能省钱也能省争论。

关于"像不像"的不舒服真相

即便渲染完美,它也是一次解释。只见过你一次、一个角度、一种光的模型,是在用单个样本重建一个人。它会抓住轮廓和大的特征,丢掉让爱你的那个人一眼认出你的那些细部。

所以 AI 相似度的天花板是"明显像",不是"分辨不出"。承诺更多的产品在超卖,看它们的示例时要带着这个前提。

系统性的做法

为模型选照片,不是为画面选照片。 也就是:正面、均匀光、一个人、睁眼、闭嘴、无遮挡、原始分辨率。它可能是一张更差的照片,却是一个好得多的输入。

在制作区试,价格在定价。

常见问题

为什么 AI 的脸会崩?

主要是输入不够:分辨率低、角度偏、张嘴、遮挡。少部分是模型偏向对称的先验。

什么样的照片最好?

一个人、正面或轻微四分之三、均匀光、睁眼、闭嘴,至少 256×256,越大越好。

渲染完还能修吗?

基本不能。片段就是产出,没有修复环节。解法是换更好的输入照片重新渲染。

重试能换来更好的脸吗?

只有第一次是技术性失败时才行。如果成因在输入,重试只是同一个问题的另一个版本。

Zombie Couple Video