经常刷短剧，短视频的各位差友，应该对这张脸不陌生。
没看过的人可能以为这是哪个新晋网红，实际上，这是最近在各种视频里，反反复复出现的一张 AI 生成脸。
五官精致，眼睛够大，鼻子够小，皮肤永远白皙，永远柔光滤镜，嘴角弧度刚刚好。
如果是真人站在面前，估计世超都舍不得嘴一句。可就是这么一张看起来人畜无害的脸，却被狠狠地 “ 网暴 ” 了。
倒不是因为她有多难看，而是她就像 AI 界带资进组的关系户一样，看点啥都有她出演。
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？？？
每天打开手机看到的全是同一张脸，刷短视频愣是刷出了被伪人包围的恐惧感。
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？”
也有人纳闷了，这 AI 怎么生成的人全一个样，到底是偷了谁的脸？
评论区有猜某已封号女主播的，有说像演员李川的，还有说像朴灿烈他姐姐的。。。你还真别说，国内国外，男的女的看起来都能沾点边。
但问题是，猜来猜去也没个准信。因为比起具体的哪张脸被偷了，这更可能是从 AI 的审美流水线上，被反复捏出来的，一个本不存在的 “ 平均标准脸 ”。
那这张脸到底是怎么来的呢？
不信邪的世超，干脆把 Seedance、可灵、海螺、HappyHorse 这些主流视频模型挨个试了一遍，在实验的过程中，还真发现了一点规律。
我们给所有模型两次机会，相同的 “ 女生骑自行车 ” 提示词，按理说，它们每次生成的脸都会不一样，甚至有时候跳亚洲人，有时候跳外国人，这才是大模型的天性。
因为咱们只限定了性别，没有任何其它提示，不只是人脸，它应该随机生成任何国籍，任何肤色，任何发型穿着等等，完全不一样的人。
可实际上，同样的提示词，几乎所有模型两次生成的都是一样的脸，穿着打扮，背景环境，拍摄角度，全基本相同。
在 Seedance 2.0 Fast 这里，世超更是找到了和开头一模一样的 AI 脸，看来这就是万恶之源了。
如果只有一个模型犯错，也许是它的问题。但要是所有模型同时丧失了多样性。。。世超研究了一下，发现这里面可能有两层原因。
第一层，常用视频模型的差友应该都知道，视频模型对提示词是非常敏感的。有时候一个词，几个字的排序，都可能影响生成的最终效果。
而为了让大伙儿能尽量稳定地每次抽卡出金，我们的提示词往往在生成的后台会被二次优化。
以前 “ 提示词增强 ” 会作为一个单独的按钮放在一边，用户可以开挂，也可以原提示词直接冲。但世超翻了不少平台，似乎现在很少见了，提示词润色成了默认项。
比如我输入的是 “ 女生正在骑自行车，边骑边笑 ”，而被优化后实际输给模型的提示词，就可能变成了：
“ 一个年轻漂亮的亚洲女孩，在阳光明媚的林荫道上骑自行车。她皮肤白皙，五官精致，大眼睛，小鼻子，长发自然飘动，穿着白色连衣裙，脸上带着甜美微笑。镜头为中近景，柔和自然光，浅景深，电影感画面，清新唯美风格，人物表情自然，动作流畅，画面高清写实。”
一次两次看，这叫提示词优化，成千上万次都这么补，可不就成流水线了嘛。
所以，在世超修改提示词，对外貌进行一些特征描写以后，右下角的脸明显不一样了。但没有额外环境提示，女生依然骑在林荫道上。
不过，五官精致也分很多种，世界上美女那么多，为什么 AI 认的就这一个？
这就来到了第二层原因，图像、视频模型天生就有审美偏见。
去年一篇发表在《 Nature 》上的论文，就明确地讨论了这个问题。他们在研究中发现，如果你指定一个种族，模型摇出来的脸，个个都像亲兄弟。
这样的审美偏差最开始来自数据，比如大部分人喜欢网红脸，它们自然会被打上美女的标签。模型啥也不懂，反正以后提示美女，往这个方向靠就完事了。
模型在训练过程中，还会进一步放大这种偏见，导致相同的特征提示词，生成的脸越来越像。
另外，视频模型为了关注前后一致性，还可能进一步加剧审美同化。
毕竟视频模型生成的人脸，不光要好看，还要稳，要保证几十帧上百帧，前后左右都像一个人。
所以模型也会天然偏爱那些更容易维持一致性的脸，五官对称，轮廓标准，特征不极端，表情好控制，转头不易崩。
总之，平台喜欢安全漂亮的，用户喜欢短剧网红的，模型喜欢稳定标准的，三边一合计，让大伙儿看吐的脸就诞生了。
说实话，不只是最近广为流传的那张，几乎所有 AI 生成的毫无缺陷的美女，世超都不大喜欢。
来源：小红书 @Alexander
让 AI 脸进入我们的信息流，堪称一次无意促成的大型赛博异化实验。
没有现实对照的脸，在无数网红数据的洗涤蒸馏下诞生。
而当它们挤兑我们刷手机的时间，取代曾经各色各样真人美女的时候，世超感觉相当难受。因为我们对世界的感知，对审美的定义正在被 AI 压迫。
所以，大伙儿反感 AI 脸，一方面也许是那种不真实带来的恐怖谷效应，其实也有对同质化的本能抗拒。
有人说，AI 视频以后应该越来越清晰，越来越细节，越来越像真人，等大家分辨不出来真假的时候，就会喜欢了。
但世超觉得，就算技术能做到真假难辨，我们也无法爱上一张完美假脸，没有灵魂。
撰文：莫莫莫甜甜
编辑：江江 & 面线
美编：素描
图片、资料来源：
《AI-generated faces influence gender stereotypes and racial homogenization 》N AlDahoul
小红书、抖音
