经常刷短剧，短视频的各位差友，应该对这张脸不陌生。

未看过之人可能会觉得这是哪一位刚崭露头角的网红, 实则不然, 这正是于近期各类视频当中, 一遍又一遍不断呈现的一张由AI生成的脸。

面部五官极为精致, 眼睛足够大, 鼻子尺度够小适中, 皮肤始终保持白皙状态，始终如同带着柔光滤镜一般美妙无双, 嘴角所呈现出的弧度恰到好处精准无误。

万一有个实实在在的人站在跟前, 估摸世超都不会忍心去说上一句不好听的话。然而就是这么一张瞧着人好心善的面容, 却遭到了极为严重的“网络暴力”。

并非是由于她存在多么难看的状况, 且是她宛如人工智能行业凭借资金进入剧组的那种关系户一般, 不管看什么内容, 都有她在其中进行出演。

校园里的白月光是她，古装剧里的大小姐还是她。

五六岁的小女孩是她，七八十的老太太还是她。

再仔细一看，woc，怎么旁边系着头巾的大爷还是她？？？

天天开启手机, 映入眼帘的皆是同一张面庞, 刷短视频居然刷出了一种被伪人环绕的恐惧之感。

而随着发现的人越来越多，到处都是网友铺天盖地的吐槽：

“ 这张脸，我快看吐了。”

“ 现在看到这张脸就生理性厌恶。”

“ 有多少人看见她就反感？”

有人感到纳闷了, AI生成的人为何全是相同模样, 究竟是盗用了谁的面容呢?

评论区当中, 存在着猜测某一个已经被封号的女主播的情况, 有表达觉得像演员李川的情形, 还有声称像朴灿烈他姐姐的状况。你还真别说, 在国内以及国外, 不管是男性还是女性看起来都能够沾染上一点边。

可问题在于, 猜着猜着始终找不到确切的消息。毕竟相较于究竟是哪一张脸被盗取了, 这种情况更像是在AI自身的审美生产线上, 经过多次反复塑造后, 形成的一张原本就不存在的“平均标准脸面”, 对吧。

那这张脸到底是怎么来的呢？

不信邪的世超, 将Seedance、可灵、海螺、HappyHorse这些主流视频模型, 一个一个地挨个进行尝试, 在尝试这些模型的过程当中, 还真的发现了一点规律。

咱给予全部模型两次机遇, 同样为“女生骑自行车”这般的提示词, 按道理来讲, 它们每一回生成的脸都应当是不一样的, 甚至偶尔会跳出亚洲人的面孔, 偶尔又会跳出外国人的面孔, 这才属于大模型的天性。

咱们仅仅限定了性别, 除此之外没有任何别的提示, 它不只是针对人脸而已, 还需要随机生成任何国籍的人没错任意色彩均涵盖, 任何发型穿着情形等等, 全都是完全不一样的人哦。

实际上, 同样的那些提示词, 几乎所有的模型, 两次生成的都是一样的脸, 穿着以及打扮, 背景还有环境, 拍摄的角度, 全都基本相同。

在世超所处的 Seedance 2.0 Fast 这个地方, 世超竟然寻找到了与开头毫无二致的 AI 脸, 如此看来, 这大概便是万恶之源了。

倘若存有一个模型出现错误, 或许是该模型自身的问题。然而要是全部模型一同缺失了多样性。世超开展了一番研究, 而后发觉这里面大概存在两层缘由。

差友们, 要是你了解常用视频模型, 那就知道, 在这第一层, 视频模型对于提示词可是相当敏感的。有时候, 仅仅是一个词, 或者几个字的排列顺序, 都极有可能对最终生成的效果造成影响。

是为了使得大家能够尽可能稳定地在每一次抽卡的时候抽出金色物品, 所以说我们准备用作提示的词语常常在生成数据的后台那里会被再次进行优化。

此前, “提示词增强” 通常会被设置成一个单独的按钮放置在一侧, 用户拥有开挂的选择, 也能够直接采用原提示词去进行操作。但是呢, 世超浏览了诸多平台, 好像如今这种情况已经极为少见了, 提示词润色已然成为了默认的选项。

好比我录入的是, 女生正骑着自行车, 一边骑行一边露出笑容 , 而经优化后实际给予模型的提示话语, 就兴许变成了:

一个亚洲女孩, 年轻且漂亮, 于林荫道上骑自行车, 此时阳光明媚。她有着白皙的皮肤, 以及精致的五官, 大眼睛, 小鼻子, 长发自然地飘动着, 身着白色连衣裙, 脸上带着甜美的微笑。镜头呈现为中近景, 自然光柔和, 景深较浅, 画面具有电影感, 风格清新唯美, 人物表情自然, 动作流畅, 画面高清写实。

看一次两次, 这称作提示词优化, 补成千上万次都这般, 难道还不成流水线了呀。

因此, 在世超对提示词于外貌方面开展一些具体生动表现特征的描述修改之后, 右下角那个位置的脸显著地呈现出不同的样子了。然而, 在不存在额外关于环境方面示意提示的状况下, 女生依旧是骑在那条有着林荫的道路之上。

然而, 五官精致存在诸多不同类型, 世上美女数量众多, 为何AI所认定的却是这唯一的一个呢?

这就来到了第二层原因，图像、视频模型天生就有审美偏见。

去年, 有一篇发表于《Nature》的论文, 清晰地探讨了这个问题。他们于研究里发觉, 倘若你指定一个种族, 那模型摇出的脸, 每一个都如同亲兄弟一般。

处于这样的审美偏离状况这一情形, 最开始是源于数据, 举例来说, 大多数的人都偏好网红脸庞, 那么这些脸庞自然而然地就会被贴上美女的标识。而模型它什么都不了解, 总之往后要是提示到美女, 朝着这个具体的方向去贴合操作就可以了此为结果。

在模型进行训练的进程当中, 还会使这种偏见得到进一步的放大, 致使出现这样的情况, 即相同的特征提示词, 所生成的脸变得越来越相像。

此外, 视频模型因要关注前后的一致性, 故而存在进一步加剧审美同化的可能性。

视频模型所生成的人脸, 不仅得具备好看的特质, 而且还要达到稳定的程度, 要确保在几十帧甚至上百帧的画面里, 从前后左右各个角度看都如同是同一个人。

因此, 模型会自然而然地更倾向于那类更易于保持一致性的脸庞, 其五官呈现对称状态, 轮廓符合标准, 特征并非极端, 表情易于把控, 转头时不容易崩坏。

总的来说, 平台所倾向接纳的是具备安全且漂亮特质的, 用户对短剧与网红有着喜好, 模型中意稳定且标准的, 三边综合考量后, 那令众人心生厌烦的脸便随之产生了。

实际上毫无差池而且在最近广泛传播的那张所涉及美女之外, 世超对于几乎所有人工智能生成的毫无瑕疵的美女, 都不太有喜好之情。

来源：小红书 @Alexander

把AI脸弄进我们的信息流里, 这称得上是一回并非有意却促成的大规模赛博异化实验。

没有现实对照的脸，在无数网红数据的洗涤蒸馏下诞生。

当它们抢占我们刷手机的时间, 替代往昔形形色色真人美女之际, 世超感到颇为难受。因为我们对世界的感知, 对审美的界定正遭受AI的欺压。

于是, 众人讨厌AI脸, 一方面可能是源于那种不真实所引发的恐怖谷效应, 实际上也存在着对同质化的本能抵触。

有人讲, AI视频往后应当愈发清晰, 愈发细节, 愈发象真人, 待到大家分辨不出真假的时候, 就会喜爱了。

但是, 世超认为, 即便技术能够达成真假难以分辨的程度, 然而我们依旧没办法爱上一张毫无灵魂的完美假脸。